Andere Kunden interessierten sich auch für
![Sistema experto difuso para el diagnóstico de enfermedades de la piel]( "Sistema experto difuso para el diagnóstico de enfermedades de la piel")
Sistema experto difuso para el diagnóstico de enfermedades de la piel26,99 €![Clasificador Naive Bayes y teoría de los conjuntos rugosos para el flujo de datos]( "Clasificador Naive Bayes y teoría de los conjuntos rugosos para el flujo de datos")
Clasificador Naive Bayes y teoría de los conjuntos rugosos para el flujo de datos26,99 €![Algoritmos de clasificación de minería de datos para la predicción de enfermedades renales]( "Algoritmos de clasificación de minería de datos para la predicción de enfermedades renales")
Algoritmos de clasificación de minería de datos para la predicción de enfermedades renales26,99 €![Esquema de esteganografía de alta capacidad para el JPEG2000 utilizando el algoritmo SPIHT]( "Esquema de esteganografía de alta capacidad para el JPEG2000 utilizando el algoritmo SPIHT")
Esquema de esteganografía de alta capacidad para el JPEG2000 utilizando el algoritmo SPIHT18,99 €![Algoritmo de minería de datos para predecir el lupus eritematoso sistémico (SLE)]( "Algoritmo de minería de datos para predecir el lupus eritematoso sistémico (SLE)")
Algoritmo de minería de datos para predecir el lupus eritematoso sistémico (SLE)28,99 €![Detección de tumores cerebrales mediante un algoritmo RNA]( "Detección de tumores cerebrales mediante un algoritmo RNA")
Detección de tumores cerebrales mediante un algoritmo RNA26,99 €![Algoritmo de aprendizaje automático mejorado: Gran perspectiva de datos]( "Algoritmo de aprendizaje automático mejorado: Gran perspectiva de datos")
Algoritmo de aprendizaje automático mejorado: Gran perspectiva de datos28,99 €
En los últimos días la industria sanitaria ha recopilado grandes cantidades de datos de pacientes, que por desgracia no se producen para dar alguna información oculta, y así poder tomar decisiones eficaces, que se conectan con la base de datos del paciente y se someten a la minería de datos. Este trabajo ha desarrollado un sistema de apoyo a la toma de decisiones en la predicción de enfermedades del corazón (HDPS) utilizando técnicas de modelado de minería de datos, a saber, Naïve Bayes y K-means, que son una de las técnicas más populares. Utilizando datos médicos como la edad, el sexo, la presión arterial, los niveles de azúcar en sangre, el dolor torácico, etc., podemos predecir la probabilidad de que el paciente sufra una enfermedad cardíaca. Hoy en día, la mayoría de los hospitales utilizan sistemas de ayuda a la toma de decisiones, pero para obtener los resultados de la enfermedad se limitan en gran medida, es decir, Determinar en función del sexo, el estado civil y que han sido tratados por insuficiencia cardíaca. Las soluciones se toman siempre en un hospital basándose en la intuición y la experiencia de los médicos, y no en los ricos datos de conocimiento que se ocultan en la base de datos. Este proceso conduce a sesgos indeseables, errores y costes sanitarios innecesarios, lo que afecta a la calidad de los servicios prestados a los pacientes.Esto ayudará a que el proceso de diagnóstico sea más objetivo y fiable.