DESARROLLO Y APLICACIÓN DE NUEVOS MODELOS DE APRENDIZAJE AUTOMÁTICO PARA EL ESTUDIO DEL CÁNCER COLORRECTAL

Aug 6, 2026

Subido por Jiven

Memoria de tesis doctoral centrada en el desarrollo y la aplicación de modelos de aprendizaje automático para el estudio de un conjunto de datos de cáncer colorrectal. El trabajo aborda la preparación de datos y la revisión bibliográfica, y detecta limitaciones en enfoques previos basados en análisis tabular no orientados a identificar factores asociados a complicaciones tras intervención quirúrgica. Se diseñan y evolucionan modelos, incluyendo extracción de reglas de asociación con clase, selección de características e instancias mediante métodos evolutivos e inducción de árboles mediante programación genética, con resultados publicados en foros de investigación.

IdiomaSpanish

CategoríaInvestigación e Informes

FormatoPDF

Páginas206

Tiempo de lectura5 h 17 min

AccesoGratis para descargar

Tabla de contenidos

Introducción y marco del trabajo

Programa doctoral y dirección de la tesis

Evolución del trabajo y resultados

Metodologías de aprendizaje automático

Reglas de asociación con clase

Selección evolutiva de características e instancias

Programación genética para árboles de clasificación

Preparación de datos y revisión bibliográfica

Preparación de datos del conjunto

Revisión de literatura en modelos para cáncer colorrectal

Autorización y financiación

Departamento de Informática y Análisis Númerico Programa de Doctorado en ComputaciónAvanzada, Energía y Plasmas Desarrollo y aplicación de nuevos modelos de aprendizaje automático para el estudio del cáncer colorrectal Development and application of new machine learning models for the study of colorectal cancer MEMORIA DE TESIS PRESENTADA POR José Antonio Delgado Osuna PARA OPTARAL GRADO DE DOCTOR DIRECTORES Dr. Carlos García Martínez Dr. SebastiánVentura Soto Diciembre 2022 TITULO: DESARROLLO YAPLICACIÓN DE NUEVOS MODELOS DE APRENDIZAJEAUTOMÁTICO PARA EL ESTUDIO DEL CÁNCER COLORRECTAL AUTOR: José Antonio Delgado Osuna © Edita: UCOPress. 2023 Campus de Rabanales Ctra. Nacional IV, Km. 396 A 14071 Córdoba [https://www.uco.es/ucopress/index.php/es/](https://www.uco.es/ucopress/index.php/es/)[ ](https://www.uco.es/ucopress/index.php/es/)[ucopress@uco.es](ucopress@uco.es) La memoriatitulada“Desarrollo yaplicación de nuevos modelos de aprendizaje automático para el estudio del cáncer colorrectal”, que presenta D. José Antonio Delgado Osuna para optar al grado de doctor, ha sido realizada dentro del “Programa de doctorado en Computación Avanzada, Energíay Plasmas” de la Universidad de Córdoba, bajo la dirección de los doctores D. Sebastián Ventura Soto y D. Carlos García Martínez, cum‑ pliendo, en su opinión, los requisitos exigidos para este tipo de trabajos y respetando los derechos de otros autores a ser citados cuando se han utilizado sus resultados y/o publicaciones. Córdoba, Diciembre de 2022 El Doctorando José Antonio Delgado Osuna Los Directores Dr. Sebastián Ventura Soto Dr. Carlos García Martínez . TÍTULO DE LA TESIS: Desarrollo y aplicación de nuevos modelos de aprendizaje automático para el estudio del cáncer colorrectal DOCTORANDO/A: José Antonio Delgado Osuna INFORME RAZONADO DEL/DE LOS DIRECTOR/ES DE LA TESIS (se hará mención a la evolución y desarrollo de la tesis, así como a trabajos y publicaciones derivados de la misma) . El trabajo realizado por el doctorando ha sido satisfactorio, habiéndose producido diversos modelos de aprendizaje automático para el estudio de una base de datos decáncer colorrectal, que a su vez se han publicado en diferentes foros de investigación. En paralelo se trabajó en la preparación de los datos de los que se disponía y larevisión de la literatura en materia de modelos de aprendizaje automático para casos de cáncer colorrectal. Se detectó que el análisis de datos tabulares en estos casos no eran los predominantes y que , además, no estaban orientados a la detección de factores que habían influido en la aparición de complicaciones posteriores a una intervención quirúrgica, uno de los mayores intereses del equipo que proveyó el conjunto de datos. Se consiguió entonces diseñar un nuevo modelo de extracción dereglas de asociación con clase, que se publicó en la revista Information Processing & Management (2020) , y una versión preliminar en el Simposio Internacional IEEE Computer Based Medical Systems (2019) . A partir de ahí, se continuó con la mejorade los modelos utilizados para el análisis de dicho conjunto de datos mediante reglas de asociación con clase. Para ello, se presentó un método evolutivo para la selecciónde características e instancias para la inducción de árboles de clasificación, máseficaces que los anteriormente utilizados, en el Congreso de la Asociación Española para la Inteligencia Artificial de 2021, y un método de programación genética orientado a la generación diversa de árboles de inducción, a partir de los cuales se obtendrían posteriormente conjuntos de reglas de asociación con clase más interesantes deanalizar, en el Congreso Internacional IEEE de Computación Evolutiva (2022) . Por todo ello, se autoriza la presentación de la tesis doctoral. Córdoba, 17 de Noviembre de 2022 Firma de los directores Fdo.: Sebastián Ventura Soto Fdo.: Carlos García Martínez . . Esta tesis doctoral ha sido parcialmente

Preguntas frecuentes

Cuál es el objetivo principal de la tesis?

Desarrollar y aplicar nuevos modelos de aprendizaje automático para estudiar el cáncer colorrectal, con especial interés en detectar factores relacionados con complicaciones posteriores a cirugía.

Qué enfoque se detectó como insuficiente en trabajos previos?

Se observó que el análisis de datos tabulares en estos casos no era predominante y que, además, no estaba orientado a la detección de factores que influyeron en complicaciones tras una intervención quirúrgica.

Qué tipos de modelos se desarrollaron y cómo evolucionaron?

Se diseñó un modelo de extracción de reglas de asociación con clase, y luego se continuó mejorando mediante métodos evolutivos para selección de características e instancias, además de programación genética para generar árboles diversos y obtener conjuntos de reglas más interesantes.

Aug 6, 2026

Subido por Jiven