Optimization of machine learning algorithms and data minimization for breast Cancer detection

Autor/a   

Garriga Guitart, Joan                                           

Abstract                                             

El càncer de mama és un dels càncers més comuns en les dones, amb altes taxes de mortalitat. El diagnòstic prematur i pronòstic del càncer de mama són clau per reduir la mortalitat. L'aprenentatge automàtic, una aplicació d'intel·ligència artificial, permet als ordinadors identificar patrons en bases de dades grans, sorolloses o complexes. Molt adequat per a aplicacions mèdiques, aquestes tècniques s’utilitzen en el diagnòstic, classificació i predicció de el càncer.
Aquest projecte té com a objectiu analitzar mètodes de classificació utilitzant tècniques d'aprenentatge automàtic per a la predicció del càncer de mama. Es va utilitzar una base de dades de 30 paràmetres, que contenia registres de 569 pacients. Es van proposar els algoritmes de Regressió logística, K veïns més propers, Boscos aleatoris i Xarxes neuronals. També es va analitzar una possible reducció del nombre de paràmetres per a la predicció de el càncer.
L’algoritme K veïns més propers va ser el que millor rendiment general va mostrar, obtenint la major precisió, valor F1 i valor ROC-AUC. La reducció de paràmetres va mostrar resultats prometedors. Es pot realitzar una reducció de més del 50% de les dades d'entrada obtenint resultats satisfactoris. Això podria tenir un gran impacte en el sistema sanitari, reduint el nombre de proves mèdiques i, per tant, estalviant temps, despeses i molèsties causades als pacients.

Paraules clau: aprenentatge automàtic, càncer de mama, Python

Director/a                                              

Fernández Esmerats, Joan                                              

Estudis                                              

IQS SE - Grau en Biotecnologia                                         

Data                                              

2020-06-15