REVISTA DYNA NEW TECHNOLOGIES

Palabras clave:

ANFIS, Breast Cancer, Raman Spectroscopy, Automatic Detection, Cáncer de mama, espectroscopía Raman, detección automática.

Tipo de artículo:

ARTICULO DE INVESTIGACION / RESEARCH ARTICLE

Sección:

ARTICULOS DE INVESTIGACION / RESEARCH ARTICLES

RESUMEN:
Una de las causas más notables de muerte a nivel mundial es el cáncer. Sabemos que algunas de sus variantes pueden ser eliminadas con algunos métodos como cirugía o quimioterapia. En este artículo presentamos un método optimizado el cual es responsable de clasificar tejido mamario en sano y dañado. Después de tener los espectros uno de los principales retos es la eliminación del ruido compuesto de (a) fondo de fluorescencia y (b) ruido de alta frecuencia; usamos un sistema adaptativo de inferencia neuro-difusa en combinación con filtro de medias móviles para eliminar estas perturbaciones. Cuando aplicamos tecnología multinúcleo sobre el conjunto de espectros biológicos podemos observar claramente una significativa reducción en el tiempo de procesamiento con una ganancia aproximada de 59.67% comparado con el proceso secuencial. Se resaltan las ventajas de aplicar un algoritmo de aprendizaje supervisado como ANFIS sobre componentes principales para llevar a cabo la clasificación del tejido en sano y dañada y los resultados son comparados con los métodos de regresión lineal y máquinas de soporte vectorial usando tabla de pruebas y validación cruzada obteniéndose valores del error cuadrático medio de 0.00458 and 0.002254 respectivamente. basado en los resultados obtenidos con este método consideramos que podría ser una valiosa herramienta clínica para los especialistas para una rápida, eficiente y automática detección de cáncer de mama y considerar la posibilidad de ser aplicable a otras clases de cáncer como próstata estómago e hígado.

Palabras clave: ANFIS, Cáncer de mama, espectroscopía Raman, detección automática.