ABSTRACT
En los últimos años la comunidad científica internacional ha dedicado considerables recursos a la investigación y desarrollo de sistemas de diagnóstico asistidos por ordenador, utilizados por los médicos en el proceso de diagnóstico. Se ha prestado especial atención en algunas áreas médicas, como las especialidades oncológicas, por los altos índices de mortalidad provocados por algunas enfermedades como el cáncer de pulmón. El diagnóstico temprano de este padecimiento puede reducir en gran medida estos indicadores y mejorar la calidad de vida de los pacientes. El objetivo que se pretende con el desarrollo de esta investigación, es la selección adecuada de un algoritmo de clasificación, para ser utilizado en la fase que lleva el mismo nombre como parte de un sistema de diagnóstico asistido por ordenador para la clasificación de nódulos pulmonares solitarios. Para la selección adecuada del algoritmo de clasificación, se realiza un experimento utilizando las herramientas Weka v3.7.10 y Matlab 2013. Para determinar cuál de las técnicas estudiadas arroja mejores resultados de rendimiento, se utilizó el mismo conjunto de datos para las fases de entrenamiento, prueba y validación del clasificador, disponible en la base de datos internacional The Lung Image Database Consortium Image Collection(AU)
In recent years the international scientific community has devoted considerable resources to research and development of systems for computer-aided diagnosis used by physicians in the diagnostic process. Special attention has been provided in some medical areas, such as oncology specialties, by high mortality rates caused by some diseases like lung cancer. Early diagnosis of this condition can greatly reduce these indicators and improve quality of life of patients.The objective pursued with the development of this research is the proper selection of a classification algorithm, to be used in the phase that has the same name, as part of a system of computer-aided diagnosis for classification of solitary pulmonary nodules. For the selection of the appropriate classification algorithm, an experiment was performed using the tools Weka v3.7.10 and Matlab 2013. To determine which of the techniques studied produces better performance results, the same data set was used for the phases of training, testing and validation of the classifier, available in the international database The Lung Image Database Consortium Image Collection(AU)