Predicción del resultado de oseointegración en implantes dentales mediante múltiples clasificadores
El campo de la ciencia de datos ha tenido muchos avances respecto a la aplicación y desarrollo de técnicas en el sector de la salud. Estos avances se ven reflejados en la predicción de enfermedades, clasificación de imágenes, identificación y reducción de riesgos, así como muchos otros. Sin embargo...
Guardado en:
Autores principales: | , , |
---|---|
Formato: | Objeto de conferencia |
Lenguaje: | Español |
Publicado: |
2020
|
Materias: | |
Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/103592 |
Aporte de: |
id |
I19-R120-10915-103592 |
---|---|
record_format |
dspace |
institution |
Universidad Nacional de La Plata |
institution_str |
I-19 |
repository_str |
R-120 |
collection |
SEDICI (UNLP) |
language |
Español |
topic |
Ciencias Informáticas Combinación de clasificadores Clasificación Aprendizaje Automático Implantes Dentales Predicción |
spellingShingle |
Ciencias Informáticas Combinación de clasificadores Clasificación Aprendizaje Automático Implantes Dentales Predicción Ganz, Nancy Ares, Alicia E. Kuna, Horacio Daniel Predicción del resultado de oseointegración en implantes dentales mediante múltiples clasificadores |
topic_facet |
Ciencias Informáticas Combinación de clasificadores Clasificación Aprendizaje Automático Implantes Dentales Predicción |
description |
El campo de la ciencia de datos ha tenido muchos avances respecto a la aplicación y desarrollo de técnicas en el sector de la salud.
Estos avances se ven reflejados en la predicción de enfermedades, clasificación de imágenes, identificación y reducción de riesgos, así como muchos otros. Sin embargo, no se han encontrado trabajos que apliquen procesos o técnicas de aprendizaje automático específicamente a la predicción de fracasos en implantes dentales. Este trabajo tiene por objetivo investigar el beneficio de la utilización de múltiples algoritmos de clasificación, para la predicción de fracasos en implantes dentales de la provincia de Misiones, Argentina. La experimentación es realizada con tres conjuntos de datos, un conjunto concerniente a historias clínicas de implantes dentales confeccionado para el estudio de caso, un conjunto generado artificialmente y un conjunto obtenido del repositorio de datos kaggle. En comparación con los clasificadores individuales, el enfoque propuesto obtiene el mayor porcentaje de acierto de los fracasos, logrando un 75% de casos correctamente identificados. |
format |
Objeto de conferencia Objeto de conferencia |
author |
Ganz, Nancy Ares, Alicia E. Kuna, Horacio Daniel |
author_facet |
Ganz, Nancy Ares, Alicia E. Kuna, Horacio Daniel |
author_sort |
Ganz, Nancy |
title |
Predicción del resultado de oseointegración en implantes dentales mediante múltiples clasificadores |
title_short |
Predicción del resultado de oseointegración en implantes dentales mediante múltiples clasificadores |
title_full |
Predicción del resultado de oseointegración en implantes dentales mediante múltiples clasificadores |
title_fullStr |
Predicción del resultado de oseointegración en implantes dentales mediante múltiples clasificadores |
title_full_unstemmed |
Predicción del resultado de oseointegración en implantes dentales mediante múltiples clasificadores |
title_sort |
predicción del resultado de oseointegración en implantes dentales mediante múltiples clasificadores |
publishDate |
2020 |
url |
http://sedici.unlp.edu.ar/handle/10915/103592 |
work_keys_str_mv |
AT ganznancy predicciondelresultadodeoseointegracionenimplantesdentalesmediantemultiplesclasificadores AT aresaliciae predicciondelresultadodeoseointegracionenimplantesdentalesmediantemultiplesclasificadores AT kunahoraciodaniel predicciondelresultadodeoseointegracionenimplantesdentalesmediantemultiplesclasificadores |
bdutipo_str |
Repositorios |
_version_ |
1764820442093191170 |