Sistema de clasificación para predicción de fracasos en implantes dentales validado por expertos humanos
Hoy en día, la predicción del éxito o fracaso de un implante dental está determinado a través de una evaluación clínica y radiológica. Por esta razón, las predicciones dependen en gran medida de la experiencia del implantólogo. Este trabajo tiene por objetivo investigar el beneficio de la utilizaci...
Guardado en:
Autores principales: | , , |
---|---|
Formato: | Objeto de conferencia |
Lenguaje: | Español |
Publicado: |
2020
|
Materias: | |
Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/114633 http://49jaiio.sadio.org.ar/pdfs/agranda/AGRANDA-01.pdf |
Aporte de: |
id |
I19-R120-10915-114633 |
---|---|
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 Ensamble de clasificadores Predicción Clasificación Fracaso Implantes Dentales |
spellingShingle |
Ciencias Informáticas Ensamble de clasificadores Predicción Clasificación Fracaso Implantes Dentales Ganz, Nancy Ares, Alicia Kuna, Horacio Daniel Sistema de clasificación para predicción de fracasos en implantes dentales validado por expertos humanos |
topic_facet |
Ciencias Informáticas Ensamble de clasificadores Predicción Clasificación Fracaso Implantes Dentales |
description |
Hoy en día, la predicción del éxito o fracaso de un implante dental está determinado a través de una evaluación clínica y radiológica. Por esta razón, las predicciones dependen en gran medida de la experiencia del implantólogo.
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 validado por expertos humanos.
El modelo abarca la combinación de los clasificadores Random Forest, SVM, KNN, Naive Bayes y perceptrón multicapa. La experimentación es realizada con cuatro conjuntos de datos, un conjunto de implantes dentales confeccionado para el estudio de caso, un conjunto generado artificialmente y otros dos conjuntos obtenidos de distintos repositorios de datos. Nuestro enfoque logra sobre el conjunto de datos de implantes un porcentaje de acierto del 93% de casos correctamente identificados, mientras que los expertos humanos consiguen un 86% de precisión. En base a esto podemos alegar, que los sistemas de múltiple clasificadores son un buen enfoque para la predicción de fracasos en implantes dentales. |
format |
Objeto de conferencia Objeto de conferencia |
author |
Ganz, Nancy Ares, Alicia Kuna, Horacio Daniel |
author_facet |
Ganz, Nancy Ares, Alicia Kuna, Horacio Daniel |
author_sort |
Ganz, Nancy |
title |
Sistema de clasificación para predicción de fracasos en implantes dentales validado por expertos humanos |
title_short |
Sistema de clasificación para predicción de fracasos en implantes dentales validado por expertos humanos |
title_full |
Sistema de clasificación para predicción de fracasos en implantes dentales validado por expertos humanos |
title_fullStr |
Sistema de clasificación para predicción de fracasos en implantes dentales validado por expertos humanos |
title_full_unstemmed |
Sistema de clasificación para predicción de fracasos en implantes dentales validado por expertos humanos |
title_sort |
sistema de clasificación para predicción de fracasos en implantes dentales validado por expertos humanos |
publishDate |
2020 |
url |
http://sedici.unlp.edu.ar/handle/10915/114633 http://49jaiio.sadio.org.ar/pdfs/agranda/AGRANDA-01.pdf |
work_keys_str_mv |
AT ganznancy sistemadeclasificacionparapredicciondefracasosenimplantesdentalesvalidadoporexpertoshumanos AT aresalicia sistemadeclasificacionparapredicciondefracasosenimplantesdentalesvalidadoporexpertoshumanos AT kunahoraciodaniel sistemadeclasificacionparapredicciondefracasosenimplantesdentalesvalidadoporexpertoshumanos |
bdutipo_str |
Repositorios |
_version_ |
1764820446517133316 |