Publicación:
Diagnóstico automático del síndrome coronario agudo utilizando un sistema multiagente basado en redes neuronales

Vista sencilla de ítem
dc.contributor.authorSprockel Díaz, John Jaime
dc.contributor.authorDiaztagle Fernández, Juan José
dc.contributor.authorGonzález Guerrero, Enrique
dc.date.accessioned2021-03-24T21:13:16Z
dc.date.available2021-03-24T21:13:16Z
dc.date.issued2017
dc.description.abstractIntroducción Por tratarse de una tarea altamente compleja y de importancia clínica, el diagnóstico del síndrome coronario agudo se presta para su exploración por medio de modelado mediante sistemas inteligentes. Objetivo desarrollar un sistema multiagente que ensamble las decisiones de varias redes neuronales para el diagnóstico del dolor torácico enfocado a los síndromes coronarios agudos. Metodología estudio de pruebas diagnósticas en el que se entrenan un conjunto de redes neuronales con una precisión cercana al 70%, que luego son ensambladas mediante tres sistemas de votación para luego adicionar el resultado de redes especiales en poblaciones particulares y seleccionar la mejor configuración que hará parte de un sistema multiagente para el diagnóstico del dolor torácico. Resultados Se generaron 84 redes con precisión promedio del 72% en pruebas; al ensamblarse aumentan dicha precisión hasta llegar a un máximo del 84% que tras la adición de los grupos especiales alcanza el 89%. Se escoge una conformación que brinda una sensibilidad del 96% con una especificidad del 77%, con valores predictivos positivo y negativo de 87 y 93% respectivamente para el diagnóstico de síndrome coronario agudo. Conclusiones Es posible desarrollar una herramienta para el diagnóstico automático del síndrome coronario agudo a partir de un sistema multiagente que ensamble la disposición tomada por un conjunto de redes neuronales artificiales, cuyo rendimiento permite su consideración para su implementación dentro de un sistema de soporte a las decisiones clínicas.spa
dc.description.abstractIntroduction Because it is a highly complex task of a great clinical importance, the diagnosis of acute coronary syndromes allows for their analysis by means of intelligent system models. Motivation To develop a multi-agent system that assembles the decisions of several neural networks for the diagnosis of chest pain with a focus on acute coronary syndromes. Methods A study of diagnostic tests where a series of neural networks are trained with a precision close to 70%, and are later on assembled with three voting systems. Then the results of special networks on specific populations are added to select the best configuration that will make part of a multi-agent system for diagnosing chest pain. Results A total of 84 networks were generated, with an average precision of 72% during testing; once assembled this precision rises up to a maximum of 84%, which then reaches 89% when the special groups are included. A configuration that offers a sensitivity of 96% with a specificity of 77% and positive and negative predictive values of 87 and 93% respectively is chosen for the diagnosis of acute coronary syndrome. Conclusions It is possible to develop a tool for the automatic diagnosis of acute coronary syndrome using a multi-agent system that assembles the dispositions taken by a set of artificial neural networks. Its performance allows taking it into consideration for implementing it within a clinical decision-making support system.eng
dc.format.extent5 p.spa
dc.format.mimetypeapplication/pdfspa
dc.identifier.doi10.1016/j.rccar.2016.11.010
dc.identifier.urihttps://repositorio.fucsalud.edu.co/handle/001/1371
dc.language.isospaspa
dc.publisherSociedad Colombiana de Cardiología y Cirugía Cardiovascularspa
dc.publisher.placeBogotáspa
dc.relation.citationendpage260spa
dc.relation.citationissue3spa
dc.relation.citationstartpage255spa
dc.relation.citationvolume24spa
dc.relation.ispartofRevista Colombiana de Cardiología. ISSN 2357-3260 Vol. 24, No. 3 (2017)
dc.relation.ispartofjournalRevista Colombiana de Cardiologíaspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2spa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)spa
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/spa
dc.sourcehttps://www.elsevier.es/es-revista-revista-colombiana-cardiologia-203-articulo-diagnostico-automatico-del-sindrome-coronario-S0120563316302881spa
dc.subject.decsTécnicas de diagnóstico cardiovascular
dc.subject.decsInfarto del miocardio
dc.subject.decsDolor en el Pecho
dc.subject.proposalDiagnósticospa
dc.subject.proposalSíndrome coronario agudospa
dc.subject.proposalInfarto agudo de miocardiospa
dc.subject.proposalAngina inestablespa
dc.subject.proposalDolor torácicospa
dc.titleDiagnóstico automático del síndrome coronario agudo utilizando un sistema multiagente basado en redes neuronalesspa
dc.titleAutomatic diagnosis of acute coronary syndrome using a multi-agent system based in neural networkseng
dc.typeArtículo de revistaspa
dc.type.coarhttp://purl.org/coar/resource_type/c_6501spa
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85spa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/articlespa
dc.type.redcolhttp://purl.org/redcol/resource_type/ARTspa
dc.type.versioninfo:eu-repo/semantics/publishedVersionspa
dspace.entity.typePublication

Archivos

Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
24. Automatic diagnosis of acute coronary (1).pdf
Tamaño:
113.66 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
15.06 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Artículos