|
Mi Proyecto
de Tesis
Diagnostico Medico Artificial
con Aprendizaje Genetico
Las Redes Bayesianas (RR.BB.)
constituyen una metodología para la construcción de
Sistemas Expertos relativamente jóven y se ha expandido
notablemente en los últimos años, su principal cualidad
es que realizan el tratamiento de la incertidumbre a
partir de un modelo causal probabilístico.
En la realización del
presente proyecto de grado mostramos la aplicación de
estas herramientas para la construcción de un Sistema
Experto destinado al diagnóstico de enfermedades
respiratorias frecuentes en la ciudad de Oruro,
denominado DIAGETEL "Diagnóstico Médico Artificial
con Aprendizaje Genético en Telemedicina"
El diagnóstico de
enfermedades respiratorias se fundamenta en determinar
por los síntomas el carácter de la enfermedad. Este
sistema permitirá realizar diagnósticos mediante una
monotorización local o ambulatoria, es decir los datos
podrán ser recogidos tanto en los centros médicos como
en escenarios de la vida cotidiana del paciente. En estas
situaciones la telemedicina esta ofreciendo soluciones
innovadoras que facilitan y optimizan este proceso y
definen nuevos protocolos de seguimiento y control de los
pacientes.
Es importante considerar
que el sistema experto propuesto no intenta de ninguna
forma reemplazar al médico sino mas bien dotar a éste
de una herramienta capaz de colaborar con el diagnóstico
y en algunos casos sino la mayoría respaldar el diagnóstico
que éste realice.
Dentro de la elaboración
del presente proyecto se consideraron aspectos tales como:
Introducción acerca de los sistemas expertos,
insistiendo en la representación del conocimiento y el
tratamiento de la incertidumbre, y del por qué, el uso
de las Redes Bayesianas en vez de construir un sistema
experto estándar o sea basado en reglas.
Construcción del sistema DIAGETEL según las cinco
etapas clásicas, haciendo énfasis en la implementación
de los algoritmos: de propagación, tratamiento de ciclos,
aprendizaje, explicación e interfaz de usuario.
Actualizacion Febrero 2000
|