Time Series Classification by Boosting Interval Based literals
Carlos J. Alonso, Josep Maria Trigo-Rodríguez · INTELIGENCIA ARTIFICIAL · 2000
"La predicción de recidiva en pacientes que han sido operados de cáncer de mama juega un papel muyimportante en tareas médicas como el diagnostico y la planificación del tratamiento que hay que realizarle almismo. En la actualidad, los expertos médicos están llevando a cabo estas tareas usando técnicas nonuméricas. Las redes neuronales artificiales se muestran como una herramienta potente para el análisis deconjuntos de datos donde hay relaciones no lineales entre los datos a estudio y la información a ser predecida.En este artículo estimamos tanto la probabilidad de clasificación correcta como la regla de Bayes utilizando unperceptrón multicapa, que nos permite, al mismo tiempo, conocer la precisión de la regla de decisión obtenida.Este estudio se ha aplicado en la predicción de recidiva de pacientes operados de cáncer de mama, usando paraello datos clínico-patológicos (tamaño del tumor, edad del paciente, receptores de estrógenos, etc.) procedentesdel servicio médico de Oncología del Hospital Clínico Universitario de Málaga. Se han estudiado diferentestopologías del perceptrón multicapa para obtener la mejor precisión en la predicción. Los resultados actualesmuestran que, después del proceso de aprendizaje, el modelo teórico final propuesto es apropiado para hacerpredicciones de la probabilidad de recidiva en diferentes intervalos de tiempo"