Please use this identifier to cite or link to this item: http://ricaxcan.uaz.edu.mx/jspui/handle/20.500.11845/1940
Title: Tiempos Determinantes Para la Clasificación de Personas con Depresión Utilizando Algoritmos Genéticos.
Other Titles: Determining Times for the Classification of People with Depression Using Genetic Algorithms.
Authors: Espino Salinas, Carlos Humberto
Rodríguez Aguayo, Pablo
Galván Tejada, Carlos Eric
Issue Date: 12-Feb-2020
Publisher: I Congreso Internacional en Odontología Zacatecas México
Abstract: Introducción: La depresión afecta a más de 300 millones de personas en el mundo de acuerdo con la Organización Mundial de la Salud (OMS) y su prevalencia oscila entre 3% y 21%. En la mayoría de los países se presenta dos veces más en las mujeres que en los hombres. La depresión se manifiesta como un conjunto de síntomas psicológicos y físicos. El predominio de sentimientos de tristeza, apatía, desesperanza e irritabilidad, así como el deterioro en el aspecto personal, el llanto y el insomnio, son marcadores de la presencia de la enfermedad.1. La depresión también puede presentarse junto con otras enfermedades emocionales y/o físicas, por ejemplo, con ansiedad, abuso en el consumo de alcohol y otras sustancias, enfermedades sistemáticas.2 De acuerdo a la duración de la presencia de los síntomas que van desde transitorios, hasta persistentes (meses o años), se puede clasificar a la depresión como leve, moderada o severa. Dependiendo del grado de depresión, ésta puede interferir con las actividades laborales, escolares, familiares y sociales, teniendo una prevalencia en personas entre los 15 a 45 años.3.Antecedentes: Cada año se suicidan cerca de 800 000 personas, y el suicidio es la segunda causa de muerte entre las personas de 15 a 29 años (OMS).Objetivo: Determinar los tiempos clave para poder clasificar a personas sanas y personas con depresión utilizando algoritmos genéticos y técnicas de aprendizaje automatico.Materiales y Métodos: Utilizando los datos obtenidos del depresjon dataset que es un conjunto de datos que se recopilo originalmente para el estudio de la actividad motriz en la esquizofrenia y la depresión mayor, de este se extraen los tiempos más relevantes o claves usando algoritmos genéticos para después aplicar técnicas de aprendizaje automático como: redes neuronales y regresión logística para clasificar a pacientes entre sanos y con depresión. Resultados: conclusiones: Los algoritmos genéticos nos proporcionó una selección de características útiles dentro del conjunto de datos para generar una clasificación satisfactoria con un porcentaje de precisión de 0.747 y un área bajo la curva de 0.751 para el caso de las redes neuronales y en la regresión logística una precisión de 0.756 con área bajo la curva de 0.758. Esto indica que es posible crear un sistema capaz de clasificar a personas con depresión debido a la posibilidad de aumentar el índice de confiabilidad dadas estas métricas de validación.
Description: Introduction: Depression affects more than 300 million people worldwide according to the World Health Organization (WHO) and its prevalence ranges from 3% to 21%. In most countries it occurs twice as often in women as in men. Depression manifests as a set of psychological and physical symptoms. The predominance of feelings of sadness, apathy, hopelessness and irritability, as well as the deterioration in the personal aspect, crying and insomnia, are markers of the presence of the disease. Depression can also present together with other emotional and / or physical illnesses, for example, anxiety, abuse in the consumption of alcohol and other substances, systematic illnesses.2 According to the duration of the presence of the symptoms that go from transitory , even persistent (months or years), depression can be classified as mild, moderate or severe. Depending on the degree of depression, it can interfere with work, school, family and social activities, having a prevalence in people between 15 and 45 years of age.3 Background: Every year nearly 800,000 people commit suicide, and suicide is the second cause of death among people aged 15 to 29 years (WHO). Objective: To determine the key times to be able to classify healthy people and people with depression using genetic algorithms and machine learning techniques. Materials and Methods: Using the data obtained From the depresjon dataset, which is a data set that was originally collected for the study of motor activity in schizophrenia and major depression, from this the most relevant or key times are extracted using genetic algorithms to then apply machine learning techniques such as: Neural networks and logistic regression to classify patients between healthy and depressed. Results: Conclusions: Genetic algorithms provided us with a selection of useful characteristics within the data set to generate a satisfactory classification with a precision percentage of 0.747 and an area under the curve of 0.751 in the case of neural networks and in the regression. logistics a precision of 0.756 with area under the curve of 0.758. This indicates that it is possible to create a system capable of classifying people with depression due to the possibility of increasing the reliability index given these validation metrics.
URI: http://ricaxcan.uaz.edu.mx/jspui/handle/20.500.11845/1940
https://doi.org/10.48779/ez1k-zv42
Other Identifiers: info:eu-repo/semantics/acceptedVersion
Appears in Collections:*Documentos Académicos*-- M. en Ciencias del Proc. de la Info.

Files in This Item:
File Description SizeFormat 
Clasificacion_Depresion.pdf380 kBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons