Back to Search Start Over

Comparison of machine learning and multivariate statistical techniques for breast cancer prediction using biomarkers obtained from magnetic resonance imaging

Authors :
Alcalá Belmonte, Miguel
Source :
RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia, instname
Publication Year :
2022
Publisher :
Universitat Politècnica de València, 2022.

Abstract

[ES] La motivación del presente trabajo es abordar un estudio acerca de la implementación de técnicas de machine learning y estadística multivariante a un problema real y muy grave, como es el diagnóstico del cáncer de mama. Esto se llevará a cabo mediante el empleo de dichas técnicas a unos biomarcadores obtenidos mediante resonancia magnética. En primer lugar, se pondrá en contexto el problema en cuestión, el cáncer de mama, la resonancia magnética y la obtención de sus respectivos biomarcadores. Más adelante, se hablará del estado del arte de la Inteligencia Artificial, especialmente en el ámbito de la salud y la medicina. Se plantearán distintos modelos, quedarán expuestos sus fundamentos matemáticos/estadísticos, y los resultados esperados de cada uno. Para finalizar, se aplicarán a los datos, y se verán los resultados esperados de cada uno<br />[EN] The motivation of the present work is to approach a study about the implementation of machine learning and multivariate statistics techniques to a real and very serious problem, as is the diagnosis of breast cancer. This will be done through the use of these techniques to some biomarkers obtained by magnetic resonance imaging. First, the problem in question, breast cancer, magnetic resonance imaging and the obtaining of their respective biomarkers, will be put into context. Later, the state of the art of Artificial Intelligence, especially in the field of health and medicine, will be discussed. Different models will be introduced, their mathematical/statistical foundations will be explained, and the expected results of each one. Finally, they will be applied to data, and the expected results of each one will be shown.

Details

Language :
Spanish; Castilian
Database :
OpenAIRE
Journal :
RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia, instname
Accession number :
edsair.dedup.wf.001..0728df66032d8a77a38216458aaec299