Aplicación de las Máquinas de Soporte Vectorial (SVM) al diagnóstico clínico de la Enfermedad de Párkinson y el Temblor Esencial

González, Roberto; Barrientos, Antonio; Toapanta, Marcelo; Cerro, Jaime del

doi:10.1016/j.riai.2017.07.005

Cited by 5 publications

(1 citation statement)

References 20 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…El ejercicio de clasificación se segmenta en dos fases bien distinguidas: la fase de aprendizaje automático y la fase de reconocimiento (González, Barrientos & Toa, 2017). En la primera se selecciona el conjunto de datos de entrenamiento, se extraen los atributos y características del espacio de entrada y se entrena el clasificador.…”

Section: Metodologíaunclassified

Características del hogar y pobreza:

Rahmer

Saénz

Piedrahita

et al. 2023

RMCE

View full text Add to dashboard Cite

El uso de técnicas cuantitativas para la clasificación de segmentos poblacionales es una fase crítica para evaluar sus condiciones de materiales de existencia, información que sirve como input para los procesos de planificación de estrategias dirigidas a paliar la pobreza y la intervención discrecional de tales grupos, bajo los criterios de racionalidad económica e instrumental. En este artículo se construye un modelo de máquinas de soporte vectorial, entendido éste como un algoritmo de aprendizaje supervisado que proporciona un clasificador lineal no probabilístico con un superlativo nivel de precisión. De este modo, se segmenta una muestra de núcleos familiares residentes en Cartagena de Indias, en función de ciertas variables económicas y sociodemográficas. La obtención de los resultados analíticos refrenda el hecho de que los factores con mayor poder de discriminación entre los agentes económicos son el estatus laboral, la accesibilidad a servicios públicos y la renta percibida por los núcleos familiares. Por otra parte, se corrobora que las condiciones de vecindario y la recepción de transferencias monetarias corrientes tienen un poder clasificatorio reducido.

show abstract

Section: Metodologíaunclassified

Características del hogar y pobreza:

Rahmer

Saénz

Piedrahita

et al. 2023

RMCE

View full text Add to dashboard Cite

show abstract

Intelligent devices for assessing essential tremor: a comprehensive review

Peng,

Ma,

et al. 2024

J Neurol

View full text Add to dashboard Cite

Using an ontology of the human cardiovascular system to improve the classification of histological images

Mazo

Alegre

Trujillo

2020

Sci Rep

View full text Add to dashboard Cite

The advantages of automatically recognition of fundamental tissues using computer vision techniques are well known, but one of its main limitations is that sometimes it is not possible to classify correctly an image because the visual information is insufficient or the descriptors extracted are not discriminative enough. An Ontology could solve in part this problem, because it gathers and makes possible to use the specific knowledge that allows detecting clear mistakes in the classification, occasionally simply by pointing out impossible configurations in that domain. One of the main contributions of this work is that we used a Histological Ontology to correct, and therefore improve the classification of histological images. First, we described small regions of images, denoted as blocks, using Local Binary Pattern (LBP) based descriptors and we determined which tissue of the cardiovascular system was present using a cascade Support Vector Machine (SVM). Later, we built Resource Description Framework (RDF) triples for the occurrences of each discriminant class. Based on that, we used a Histological Ontology to correct, among others, “not possible” situations, improving in this way the global accuracy in the blocks first and in tissues classification later. For the experimental validation, we used a set of 6000 blocks of pixels, obtaining F-Scores between 0.769 and 0.886. Thus, there is an improvement between 0.003 and when compared to the approach without the histological ontology. The methodology improves the automatic classification of histological images using a histological ontology. Another advantage of our proposal is that using the Ontology, we were capable of recognising the epithelial tissue, previously not detected by any of the computer vision methods used, including a CNN proposal called HistoResNet evaluated in the experiments. Finally, we also have created and made publicly available a dataset consisting of 6000 blocks of labelled histological tissues.

show abstract

Aplicación de las Máquinas de Soporte Vectorial (SVM) al diagnóstico clínico de la Enfermedad de Párkinson y el Temblor Esencial

Cited by 5 publications

References 20 publications

Características del hogar y pobreza:

Características del hogar y pobreza:

Intelligent devices for assessing essential tremor: a comprehensive review

Using an ontology of the human cardiovascular system to improve the classification of histological images

Contact Info

Product

Resources

About