Ir al menú de navegación principal Ir al contenido principal Ir al pie de página del sitio
×
Español (España) | English
Editorial
Inicio
Indexación
Artículos originales

Detección del trastorno bipolar mediante un clasificador de aprendizaje automático conjunto

By
Lingeswari Sivagnanam ,
Lingeswari Sivagnanam

Government Arts and Science College, Computer Science. Kangeyam, India

Search this author on:

PubMed | Google Scholar
N. Karthikeyani Visalakshi ,
N. Karthikeyani Visalakshi

Government Arts and Science College, Computer Science. Kangeyam, India

Search this author on:

PubMed | Google Scholar

Resumen

El diagnóstico preciso del trastorno bipolar es extremadamente difícil, debido a la imprevisibilidad de los cambios de humor, el comportamiento, el sueño, el juicio y la incapacidad para pensar, lo que dificulta la realización de un diagnóstico adecuado. Este trabajo tiene como objetivo investigar la aplicación de clasificadores ensemble en la clasificación del trastorno bipolar y comparar su rendimiento con los métodos existentes. Para ello, el trabajo incluye un análisis exhaustivo de la precisión diagnóstica y las métricas de rendimiento. Según un estudio, un clasificador existente alcanzó una tasa de precisión del 87% en la clasificación del trastorno bipolar. Además, los dos clasificadores más utilizados, que son Random Forest y Decision Tree, alcanzaron tasas de precisión del 90% y el 86%, respectivamente. Estos resultados ponen de relieve la línea de base de rendimiento con la que se evalúa el clasificador conjunto propuesto. En particular, el clasificador conjunto propuesto muestra excelentes resultados en la clasificación del trastorno bipolar, alcanzando una impresionante tasa de precisión del 98%. Esta considerable mejora en la precisión marca un avance significativo en la precisión diagnóstica, mostrando el potencial de los clasificadores ensemble para mejorar la detección del trastorno bipolar. The results of this study have given substantial implications for the field of mental health diagnosis, offering a promising avenue for a more accurate and reliable classification of bipolar disorder. This research reinforces the significance of advanced machine learning techniques and their potential to revolutionize the approach to diagnose and to manage mental health conditions.

Cómo citar

1.
Sivagnanam L, Visalakshi NK. Detección del trastorno bipolar mediante un clasificador de aprendizaje automático conjunto. Data and Metadata [Internet]. 4 de diciembre de 2023 [citado 6 de julio de 2024];2:134. Disponible en: https://dm.saludcyt.ar/index.php/dm/article/view/134

Este artículo se distribuye bajo la licencia Creative Commons Attribution 4.0 License. A menos que se indique lo contrario, el material publicado asociado se distribuye bajo la misma licencia.

Article metrics

Google scholar: See link

Métricas

Cargando métricas ...

The statements, opinions and data contained in the journal are solely those of the individual authors and contributors and not of the publisher and the editor(s). We stay neutral with regard to jurisdictional claims in published maps and institutional affiliations.

Artículos similares

También puede {advancedSearchLink} para este artículo.