Resumen

El cáncer de cuello uterino es frecuentemente una enfermedad mortal, común en mujeres. Sin embargo, el diagnóstico temprano del cáncer de cuello uterino puede reducir la tasa de mortalidad y otras complicaciones asociadas. Los factores de riesgo del cáncer de cuello uterino pueden ayudar al diagnóstico temprano. Para una mejor precisión en el diagnóstico, propusimos un estudio para el diagnóstico temprano del cáncer de cuello uterino utilizando un conjunto de características de riesgo reducido y tres técnicas de clasificación basadas en ensambles, es decir, Extreme Gradient Boosting (XGBoost), AdaBoost y Random Forest (RF) junto con el algoritmo Firefly para optimización. Se utilizó la técnica de muestreo de datos Synthetic Minority Oversampling Technique (SMOTE) para mitigar el problema de desequilibrio de datos. Se utilizó el conjunto de datos de Factores de Riesgo de Cáncer de Cuello Uterino, que contiene 32 factores de riesgo y cuatro objetivos (

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Cáncer de cuello uterino; Diagnóstico temprano; Factores de riesgo; Técnicas de clasificación basadas en conjuntos; Algoritmo de luciérnaga; Técnica de muestreo de datos SMOTE
• Keywords:Cervical cancer; Early diagnosis; Risk factors; Ensemble-based classification techniques; Firefly algorithm; SMOTE data sampling technique