Machine learning with data augmentation to predict glucantime effectiveness against cutaneous leishmaniasis

dc.contributor.advisorÁlvarez Vargas, Gloria Inés
dc.contributor.advisorLinares Ospina, Diego Luis
dc.contributor.authorHoyos Urcué, Juan José
dc.date.accessioned2024-06-17T21:24:15Z
dc.date.available2024-06-17T21:24:15Z
dc.date.issued2021
dc.description.abstractEnfrentar problemas de análisis de datos en pequeños conjuntos de datos es un problema común en la investigación médica; asimismo, es un problema que dificulta mucho la aplicación y el éxito de los algoritmos clásicos de aprendizaje automático. Muchas técnicas han abordado el problema de un pequeño conjunto de datos, principalmente para los campos de visión artificial y procesamiento de imágenes. Sin embargo, para los datos tabulares, se ha difundido muy poco. En este trabajo de grado se propone el uso de técnicas de aumento de datos tabulares para introducir instancias sintéticas bastante similares a las reales, particularmente en el contexto de un problema médico/social de predecir la efectividad de Glucantime como tratamiento contra la Leishmaniasis cutánea. Los experimentos muestran que el uso de estos algoritmos de aumento de datos mejora las características del conjunto de datos inicial y el rendimiento de los modelos de aprendizaje automático. El conjunto de datos utilizado en esta investigación tiene diez atributos y 18 registros.
dc.description.abstractengFacing data analysis problems on small data sets is a common problem in medical research; likewise, it is a problem that makes the application and success of classic machine learning algorithms very difficult. Many techniques have tackled the problem of a small data set, mainly for computer vision and image processing fields. However, for tabular data, short has been disseminated. In this degree project, the use of tabular data augmentation techniques is proposed to introduce synthetic instances quite similar to real instances, particularly in the context of a medical/social problem of predicting the effectiveness of Glucantime as a treatment against cutaneous Leishmaniasis. Experiments show that using these data augmentation algorithms enhances the characteristics of the initial data set and dramatically improves the performance of machine learning models.
dc.format.extent70 p.
dc.format.mimetypeapplication/pdf
dc.identifier.urihttps://vitela.javerianacali.edu.co/handle/11522/2841
dc.language.isoeng
dc.publisherPontificia Universidad Javeriana Cali
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonshttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectMachine Learning
dc.subjectTabular data augmentation
dc.subjectCutaneous leishmaniasis
dc.subjectInfectious disease
dc.subjectSynthetic data
dc.subjectSmall dataset
dc.subjectK-Nearest neighbors
dc.subjectLogistic regression
dc.subjectSupport vector machines
dc.thesis.disciplineFacultad de Ingeniería y Ciencias. Ingeniería de Sistemas y Computación
dc.thesis.grantorPontificia Universidad Javeriana Cali
dc.thesis.levelPregrado
dc.thesis.nameIngeniero(a)de Sistemas y Computación
dc.titleMachine learning with data augmentation to predict glucantime effectiveness against cutaneous leishmaniasiseng
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
dc.type.redcolhttps://purl.org/redcol/resource_type/TP
Files
Original bundle
Now showing 1 - 3 of 3
Loading...
Thumbnail Image
Name:
Tesis_Juan_Jose_Hoyos_Urcue.pdf
Size:
3.04 MB
Format:
Adobe Portable Document Format
Loading...
Thumbnail Image
Name:
articulo-tesis.pdf
Size:
534.87 KB
Format:
Adobe Portable Document Format
No Thumbnail Available
Name:
e mail Licencia CD Autorización.pdf
Size:
215.86 KB
Format:
Adobe Portable Document Format
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description: