Mapeo de la evolución de una enfermedad usando sistemas Neuro-Difusos. Caso de estudio: Esclerosis Múltiple
El presente artículo propone un modelo para estudiar la evolución de la esclerosis múltiple, enfermedad desmielinizante, neurodegenerativa y crónica del sistema nervioso central. El modelo planteado se basa en la utilización de un sistema neuro-difuso como herramienta para describir la progresión de...
- Autores:
-
Tabares O., Héctor A.
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2012
- Institución:
- Universidad de San Buenaventura
- Repositorio:
- Repositorio USB
- Idioma:
- spa
- OAI Identifier:
- oai:bibliotecadigital.usb.edu.co:10819/27289
- Acceso en línea:
- https://hdl.handle.net/10819/27289
https://doi.org/10.21500/20275846.266
- Palabra clave:
- Esclerosis múltiple
sistema neuro-difuso. Multiple sclerosis
neuro-fuzzy system
forecasting.
- Rights
- openAccess
- License
- Revista Ingenierias USBmed - 2015
| id |
SANBUENAV2_62f354115eaa09a2f100d7012383c0a9 |
|---|---|
| oai_identifier_str |
oai:bibliotecadigital.usb.edu.co:10819/27289 |
| network_acronym_str |
SANBUENAV2 |
| network_name_str |
Repositorio USB |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Mapeo de la evolución de una enfermedad usando sistemas Neuro-Difusos. Caso de estudio: Esclerosis Múltiple |
| dc.title.translated.eng.fl_str_mv |
Mapeo de la evolución de una enfermedad usando sistemas Neuro-Difusos. Caso de estudio: Esclerosis Múltiple |
| title |
Mapeo de la evolución de una enfermedad usando sistemas Neuro-Difusos. Caso de estudio: Esclerosis Múltiple |
| spellingShingle |
Mapeo de la evolución de una enfermedad usando sistemas Neuro-Difusos. Caso de estudio: Esclerosis Múltiple Esclerosis múltiple sistema neuro-difuso. Multiple sclerosis neuro-fuzzy system forecasting. |
| title_short |
Mapeo de la evolución de una enfermedad usando sistemas Neuro-Difusos. Caso de estudio: Esclerosis Múltiple |
| title_full |
Mapeo de la evolución de una enfermedad usando sistemas Neuro-Difusos. Caso de estudio: Esclerosis Múltiple |
| title_fullStr |
Mapeo de la evolución de una enfermedad usando sistemas Neuro-Difusos. Caso de estudio: Esclerosis Múltiple |
| title_full_unstemmed |
Mapeo de la evolución de una enfermedad usando sistemas Neuro-Difusos. Caso de estudio: Esclerosis Múltiple |
| title_sort |
Mapeo de la evolución de una enfermedad usando sistemas Neuro-Difusos. Caso de estudio: Esclerosis Múltiple |
| dc.creator.fl_str_mv |
Tabares O., Héctor A. |
| dc.contributor.author.spa.fl_str_mv |
Tabares O., Héctor A. |
| dc.subject.spa.fl_str_mv |
Esclerosis múltiple sistema neuro-difuso. Multiple sclerosis neuro-fuzzy system forecasting. |
| topic |
Esclerosis múltiple sistema neuro-difuso. Multiple sclerosis neuro-fuzzy system forecasting. |
| description |
El presente artículo propone un modelo para estudiar la evolución de la esclerosis múltiple, enfermedad desmielinizante, neurodegenerativa y crónica del sistema nervioso central. El modelo planteado se basa en la utilización de un sistema neuro-difuso como herramienta para describir la progresión de la enfermedad, empleando un caso particular para su validación. Los datos de estudio corresponden a la historia clínica de un paciente con diagnóstico de esclerosis múltiple desde 2003, quien ha padecido cinco episodios críticos. El modelo desarrollado permitió detectar los cambios de la inflación neurológica del paciente. |
| publishDate |
2012 |
| dc.date.accessioned.none.fl_str_mv |
2012-06-30T00:00:00Z 2025-08-21T22:03:51Z |
| dc.date.available.none.fl_str_mv |
2012-06-30T00:00:00Z 2025-08-21T22:03:51Z |
| dc.date.issued.none.fl_str_mv |
2012-06-30 |
| dc.type.spa.fl_str_mv |
Artículo de revista |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_2df8fbb1 |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 |
| dc.type.coarversion.spa.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/article |
| dc.type.local.eng.fl_str_mv |
Journal article |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| format |
http://purl.org/coar/resource_type/c_6501 |
| status_str |
publishedVersion |
| dc.identifier.doi.none.fl_str_mv |
10.21500/20275846.266 |
| dc.identifier.eissn.none.fl_str_mv |
2027-5846 |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/10819/27289 |
| dc.identifier.url.none.fl_str_mv |
https://doi.org/10.21500/20275846.266 |
| identifier_str_mv |
10.21500/20275846.266 2027-5846 |
| url |
https://hdl.handle.net/10819/27289 https://doi.org/10.21500/20275846.266 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.bitstream.none.fl_str_mv |
https://revistas.usb.edu.co/index.php/IngUSBmed/article/download/266/180 |
| dc.relation.citationedition.spa.fl_str_mv |
Núm. 1 , Año 2012 : Ingenierías USBMed |
| dc.relation.citationendpage.none.fl_str_mv |
73 |
| dc.relation.citationissue.spa.fl_str_mv |
1 |
| dc.relation.citationstartpage.none.fl_str_mv |
69 |
| dc.relation.citationvolume.spa.fl_str_mv |
3 |
| dc.relation.ispartofjournal.spa.fl_str_mv |
Ingenierías USBMed |
| dc.relation.references.spa.fl_str_mv |
A. Gutiérrez et al. “Esclerosis Múltiple”. R. Zurek (Ed.), Consensos en Neurología: guías de práctica clínica. Exlibris Editores, Vol. I, pp.1-13, 2001. American Academic of Neurology. “Isocoric Pupil Dysfunction”. Continuum. Lifelong learning in neurology, Vol.10, No. 6, pp. 213-217, 2004. L. Ohno. “Modular neural networks for medical prognosis: quantifying the benefits of combining neural networks for survival prediction”. Connection Science: Journal of Neural Computing, Artificial Intelligence and Cognitive Research, Vol. 9, No. 1, pp.71-86, 1997. B. Martin del Brio & A. Sanz. “Redes Neuronales y Sistemas Difusos”. Alfa-Omega, 2002. Y. Chiou & Y. Lure. “Hybrid lung module detection (HLND) system”. Cancer Letters, Vol. 77, No. 2-3, pp. 119-126, 1994. C. Sthepan et al. “Three new serum markers for prostate cancer detection within a percent free PSA-based artificial neural network”. Prostate, Vol. 66, No. 6. pp. 651-657, 2006. Y. Wang & J. Shiun. “Artificial Neural Network to Predict Skeletal Metastasis in Patients with Prostate Cancer”. Medical Systems, Vol. 33, No. 2, pp. 91-100, 2009. A. Celona; G. Grasso & L. Puccio. “Artificial Neural Network (ANN) Morphological Classification by Euclidean Distance Histograms for Prognostic Evaluation of Magnetic Resonance Imaging in Multiple Sclerosis”. Proceedings SIMAI Congress, Vol. 3, pp. 283-292, 2009. F. Buarque. “Multiple Sclerosis Plaque: Computer Model and Simulations”. Internal Report, Imperial College of Science Technology and Medicine, 2000. D. Bizios; A. Heij & B. Bengtsson. “Trained artificial neural network for glaucoma diagnosis using visual field data: A comparison with conventional algorithms”. Journal of Glaucoma, Vol. 16, No. 1, pp. 20-28, 2007. M. Astion et al. “Application of neural networks to the classification of giant cell arteritis”. Arthritis and Rheumatism, Vol. 37, No. 5, pp.760-70, 1994. K. Borges; R. Moura & A. Steiner. “Diagnosis of Headache using Artificial Neural Networks”. International Journal of Computer Science and Network Security, Vol. 10, No.7, pp. 172-178, 2010. V. Bourdes et al. “Breast cancer predictions by neural networks analysis: a comparison with logistic regression”. Proceedings 29th Annual International Conference Medicine and Biology Society, pp. 5424-5427, 2007. D. Cook. “Artificial Neural Networks to Predict Mortality in Critical Care Patients: An Application of Supervised Machine Learning”. Australasian Anesthesia, Vol. 122, No 2, pp. 173-179, 2005. H. Doyle et al. “Predicting outcomes after liver transplantation. A connectionist approach”. Annals of Surgery, Vol. 219, No. 4, pp. 408-415, 1994. D. Gil et al. “Application of artificial neural networks in the diagnosis of urological dysfunctions”. Expert Systems with Applications, Vol. 36, No. 3, pp. 5754-5760, 2009. M. Ebell. “Artificial neural networks for predicting failure to survive following in-hospital cardiopulmonary resuscitation”. Journal of Family Practice, Vol. 36, No. 3, pp. 297-303, 1993. R. Harrison & L. Kennedy. “Artificial Neural Network Models for Prediction of Acute Coronary Syndromes Using Clinical Data from the Time of Presentation”. Annals of Emergency Medicine, Vol. 46, No. 5, pp. 431-440, 2005. C. Kazmierczak; G. Catrou & F. Van Lente. “Diagnostic accuracy of pancreatic enzymes evaluated by use of multivariate data analysis”. Clinical Chemistry, Vol. 39, No. 9, pp. 1960-1965, 1993. A. Bartosch; B. Andersson & J. Nilsson. “Artificial neural networks in pancreatic disease”. British Journal of Surgery, Vol. 95, No. 7, pp. 817-826, 2008. P. Sharpe et al. “Artificial neural networks in diagnosis of thyroid function from in vitro laboratory tests”. Clinical Chemistry, Vol. 39, No. 11, pp. 2248-2253, 1993. A. Gannous & R. Elhaddad. “Improving an Artificial Neural Network Model to Predict Thyroid Bending Protein Diagnosis Using Preprocessing Techniques”. World Academy of Science, Engineering and Technology, Vol. 74, pp. 126-130, 2011. M. Moncada & H. Cadavid. “Estimación de variables eléctricas en un muslo 3D con fractura de diáfisis femoral estimulado magnéticamente”. Revista Facultad de Ingeniería Universidad de Antioquia, No. 42, pp. 120-131, 2007. M. Moncada et al. “Desarrollo experimental y computacional para estimar variables eléctricas inducidas en muestras de fémur bovino estimuladas por campos magnéticos de baja frecuencia”. Revista Cubana de Investigaciones Biomédicas, Vol. 27, No. 2, pp. 1-9, 2008 |
| dc.rights.spa.fl_str_mv |
Revista Ingenierias USBmed - 2015 |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.uri.spa.fl_str_mv |
https://creativecommons.org/licenses/by-nc-sa/4.0/ |
| rights_invalid_str_mv |
Revista Ingenierias USBmed - 2015 http://purl.org/coar/access_right/c_abf2 https://creativecommons.org/licenses/by-nc-sa/4.0/ |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad San Buenaventura - USB (Colombia) |
| dc.source.spa.fl_str_mv |
https://revistas.usb.edu.co/index.php/IngUSBmed/article/view/266 |
| institution |
Universidad de San Buenaventura |
| bitstream.url.fl_str_mv |
https://bibliotecadigital.usb.edu.co/bitstreams/91d9b4d7-e722-4d52-88c3-fd8f8c04d1a6/download |
| bitstream.checksum.fl_str_mv |
6a7ddd3abcd795058b6ff9d98f28bee7 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad de San Buenaventura Colombia |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1851053657174310912 |
| spelling |
Tabares O., Héctor A.2012-06-30T00:00:00Z2025-08-21T22:03:51Z2012-06-30T00:00:00Z2025-08-21T22:03:51Z2012-06-30El presente artículo propone un modelo para estudiar la evolución de la esclerosis múltiple, enfermedad desmielinizante, neurodegenerativa y crónica del sistema nervioso central. El modelo planteado se basa en la utilización de un sistema neuro-difuso como herramienta para describir la progresión de la enfermedad, empleando un caso particular para su validación. Los datos de estudio corresponden a la historia clínica de un paciente con diagnóstico de esclerosis múltiple desde 2003, quien ha padecido cinco episodios críticos. El modelo desarrollado permitió detectar los cambios de la inflación neurológica del paciente.application/pdf10.21500/20275846.2662027-5846https://hdl.handle.net/10819/27289https://doi.org/10.21500/20275846.266spaUniversidad San Buenaventura - USB (Colombia)https://revistas.usb.edu.co/index.php/IngUSBmed/article/download/266/180Núm. 1 , Año 2012 : Ingenierías USBMed731693Ingenierías USBMedA. Gutiérrez et al. “Esclerosis Múltiple”. R. Zurek (Ed.), Consensos en Neurología: guías de práctica clínica. Exlibris Editores, Vol. I, pp.1-13, 2001.American Academic of Neurology. “Isocoric Pupil Dysfunction”. Continuum. Lifelong learning in neurology, Vol.10, No. 6, pp. 213-217, 2004.L. Ohno. “Modular neural networks for medical prognosis: quantifying the benefits of combining neural networks for survival prediction”. Connection Science: Journal of Neural Computing, Artificial Intelligence and Cognitive Research, Vol. 9, No. 1, pp.71-86, 1997.B. Martin del Brio & A. Sanz. “Redes Neuronales y Sistemas Difusos”. Alfa-Omega, 2002.Y. Chiou & Y. Lure. “Hybrid lung module detection (HLND) system”. Cancer Letters, Vol. 77, No. 2-3, pp. 119-126, 1994.C. Sthepan et al. “Three new serum markers for prostate cancer detection within a percent free PSA-based artificial neural network”. Prostate, Vol. 66, No. 6. pp. 651-657, 2006.Y. Wang & J. Shiun. “Artificial Neural Network to Predict Skeletal Metastasis in Patients with Prostate Cancer”. Medical Systems, Vol. 33, No. 2, pp. 91-100, 2009.A. Celona; G. Grasso & L. Puccio. “Artificial Neural Network (ANN) Morphological Classification by Euclidean Distance Histograms for Prognostic Evaluation of Magnetic Resonance Imaging in Multiple Sclerosis”. Proceedings SIMAI Congress, Vol. 3, pp. 283-292, 2009.F. Buarque. “Multiple Sclerosis Plaque: Computer Model and Simulations”. Internal Report, Imperial College of Science Technology and Medicine, 2000.D. Bizios; A. Heij & B. Bengtsson. “Trained artificial neural network for glaucoma diagnosis using visual field data: A comparison with conventional algorithms”. Journal of Glaucoma, Vol. 16, No. 1, pp. 20-28, 2007.M. Astion et al. “Application of neural networks to the classification of giant cell arteritis”. Arthritis and Rheumatism, Vol. 37, No. 5, pp.760-70, 1994.K. Borges; R. Moura & A. Steiner. “Diagnosis of Headache using Artificial Neural Networks”. International Journal of Computer Science and Network Security, Vol. 10, No.7, pp. 172-178, 2010.V. Bourdes et al. “Breast cancer predictions by neural networks analysis: a comparison with logistic regression”. Proceedings 29th Annual International Conference Medicine and Biology Society, pp. 5424-5427, 2007.D. Cook. “Artificial Neural Networks to Predict Mortality in Critical Care Patients: An Application of Supervised Machine Learning”. Australasian Anesthesia, Vol. 122, No 2, pp. 173-179, 2005.H. Doyle et al. “Predicting outcomes after liver transplantation. A connectionist approach”. Annals of Surgery, Vol. 219, No. 4, pp. 408-415, 1994.D. Gil et al. “Application of artificial neural networks in the diagnosis of urological dysfunctions”. Expert Systems with Applications, Vol. 36, No. 3, pp. 5754-5760, 2009.M. Ebell. “Artificial neural networks for predicting failure to survive following in-hospital cardiopulmonary resuscitation”. Journal of Family Practice, Vol. 36, No. 3, pp. 297-303, 1993.R. Harrison & L. Kennedy. “Artificial Neural Network Models for Prediction of Acute Coronary Syndromes Using Clinical Data from the Time of Presentation”. Annals of Emergency Medicine, Vol. 46, No. 5, pp. 431-440, 2005.C. Kazmierczak; G. Catrou & F. Van Lente. “Diagnostic accuracy of pancreatic enzymes evaluated by use of multivariate data analysis”. Clinical Chemistry, Vol. 39, No. 9, pp. 1960-1965, 1993.A. Bartosch; B. Andersson & J. Nilsson. “Artificial neural networks in pancreatic disease”. British Journal of Surgery, Vol. 95, No. 7, pp. 817-826, 2008.P. Sharpe et al. “Artificial neural networks in diagnosis of thyroid function from in vitro laboratory tests”. Clinical Chemistry, Vol. 39, No. 11, pp. 2248-2253, 1993.A. Gannous & R. Elhaddad. “Improving an Artificial Neural Network Model to Predict Thyroid Bending Protein Diagnosis Using Preprocessing Techniques”. World Academy of Science, Engineering and Technology, Vol. 74, pp. 126-130, 2011.M. Moncada & H. Cadavid. “Estimación de variables eléctricas en un muslo 3D con fractura de diáfisis femoral estimulado magnéticamente”. Revista Facultad de Ingeniería Universidad de Antioquia, No. 42, pp. 120-131, 2007.M. Moncada et al. “Desarrollo experimental y computacional para estimar variables eléctricas inducidas en muestras de fémur bovino estimuladas por campos magnéticos de baja frecuencia”. Revista Cubana de Investigaciones Biomédicas, Vol. 27, No. 2, pp. 1-9, 2008Revista Ingenierias USBmed - 2015info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2https://creativecommons.org/licenses/by-nc-sa/4.0/https://revistas.usb.edu.co/index.php/IngUSBmed/article/view/266Esclerosis múltiplesistema neuro-difuso. Multiple sclerosisneuro-fuzzy systemforecasting.Mapeo de la evolución de una enfermedad usando sistemas Neuro-Difusos. Caso de estudio: Esclerosis MúltipleMapeo de la evolución de una enfermedad usando sistemas Neuro-Difusos. Caso de estudio: Esclerosis MúltipleArtículo de revistahttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1http://purl.org/coar/version/c_970fb48d4fbd8a85Textinfo:eu-repo/semantics/articleJournal articleinfo:eu-repo/semantics/publishedVersionPublicationOREORE.xmltext/xml2587https://bibliotecadigital.usb.edu.co/bitstreams/91d9b4d7-e722-4d52-88c3-fd8f8c04d1a6/download6a7ddd3abcd795058b6ff9d98f28bee7MD5110819/27289oai:bibliotecadigital.usb.edu.co:10819/272892025-08-21 17:03:51.396https://creativecommons.org/licenses/by-nc-sa/4.0/https://bibliotecadigital.usb.edu.coRepositorio Institucional Universidad de San Buenaventura Colombiabdigital@metabiblioteca.com |