Detección avanzada del cáncer de mama mediante aprendizaje automático y segmentación

El cáncer de mama es la segunda causa de muerte entre las mujeres y, a menudo, no se detecta hasta que alcanza estadios avanzados. La identificación temprana es fundamental, ya que la clasificación precisa de los tumores benignos y malignos puede evitar tratamientos innecesarios. Este estudio explora la aplicación de técnicas de aprendizaje automático para el diagnóstico del cáncer de mama utilizando el conjunto de datos Wisconsin Breast Cancer Dataset del repositorio UCI. Los experimentos iniciales con el clasificador Naïve Bayes arrojaron una precisión del 88 % para los tumores benignos y del 86 % para los malignos. Sin embargo, se encontraron limitaciones, como la baja precisión y problemas con las probabilidades de frecuencia cero. El cambio a redes neuronales artificiales (ANN) mejoró los resultados hasta el 90 % para las clasificaciones benignas y el 92 % para las malignas, pero aún así no se obtuvieron resultados óptimos. La investigación finalmente empleó técnicas de máquinas de vectores de soporte (SVM), logrando la mayor precisión, con un 97 % para los tumores benignos y un 95 % para los malignos. Este método distingue eficazmente entre los tipos de tumores utilizando un modelo lineal basado en hiperplanos. Todos los algoritmos se implementaron utilizando la herramienta R, que es fácil de usar y gratuita, lo que facilita el manejo de los datos para la clasificación del cáncer de mama.

Pagina's: 84, Paperback, Ediciones Nuestro Conocimiento