Resumen

Se han realizado varios estudios empíricos sobre el cáncer de mama utilizando técnicas de aprendizaje automático y soft computing. Muchos afirman que sus algoritmos son más rápidos, sencillos o precisos que otros. Este estudio se basa en programación genética y algoritmos de aprendizaje automático que pretenden construir un sistema para diferenciar con precisión entre tumores de mama benignos y malignos. El objetivo de este estudio era optimizar el algoritmo de aprendizaje. En este contexto, aplicamos la técnica de programación genética para seleccionar las mejores características y los valores perfectos de los parámetros de los clasificadores de aprendizaje automático. El rendimiento del método propuesto se basó en la sensibilidad, la especificidad, la precisión, la exactitud y las curvas roc. El presente estudio demuestra que la programación genética puede encontrar automáticamente el mejor modelo combinando métodos de preprocesamiento de características y algoritmos clasificadores.

• Materias:Análisis de espectro Organización modular Diagnóstico automatizado Monitoreo Servicios de salud
• Subjects:Spectrum analysis Modular organization Automated diagnostics Monitoring Health services
• Palabras claves:programación genética, métodos de preprocesamiento de características, técnica de programación genética, tumores malignos de mama, valores perfectos de los parámetros, varios estudios empíricos, técnicas de soft computing, algoritmos, máquina, estudio
• Keywords:genetic programming, feature preprocessing methods, genetic programming technique, malignant breast tumors, perfect parameter values, several empirical studies, soft computing techniques, algorithms, machine, study