PDF
FLIP
Esta revista provee acceso libre inmediato a su contenido bajo el principio de hacer disponible gratuitamente las investigaciones al publico y apoyando un mayor intercambio de conocimiento global.
Costos de procesamiento y presentación de los artículos
El procesamiento y publicación en Ingenierías USBMed no tiene costo.
Política de acceso abierto
Ingenierías USBMed proporciona un acceso abierto inmediato a su contenido, basado en el principio de ofrecer al público un acceso libre a las investigaciones ayudando a un mayor intercambio global de conocimiento. Por tanto se acoge a la Licencia Creative Commons 4.0 Atribución- no comercial-sin derivadas (by-nc-nd): permite copiar y redistribuir el material en cualquier medio o formato, No se permite un uso comercial de la obra original ni de las posibles obras derivadas, Si remezcla, tansforma o crea a partir del material, no podrá distribuir el material modificado.
Derechos de Autor (Copyrigt)
La totalidad de los contenidos de Ingenierías USBMed, e-ISSN 2027-5846 están registrados y protegidos por las leyes de protección de la propiedad intelectual. Los derechos de propiedad intelectual de cada artículo son cedidos por sus autores a Ingenierías USBMed. Al someter el manuscrito, y únicamente en caso de ser aceptado para publicación, los autores aceptan que el copyright de su artículo queda transferido a Ingenierías USBMed. No obstante, se consideran todas las solicitudes de autorización por parte de los autores con fines de reproducción de sus artículos. Igualmente, Ingenierías USBMed otorga permiso de acceso para usuarios y bibliotecas. Ingenierías USBMed apoya el libre acceso a la literatura científica dicho copyright pide el respeto de los derechos morales, principalmente el reconocimiento de su autoría y el respeto a la integridad de la obra, evitando dentro de lo posible alteraciones, traducciones o falsificaciones. Al ser Ingenierías USBMed una publicación electrónica de carácter científico que publica trabajos de investigación científica y tecnológica, artículos de reflexión o artículos de revisión, el objetivo prioritario tanto de los los autores como de Ingenierías USBMed es lograr la mayor difusión de los artículos, para lo cual los autores ceden a Ingenierías USBMed sus derechos, únicamente a cambio del reconocimiento intelectual, moral y laboral, al considerarse que es una materia no de ocio o entretenimiento, sino de fuerte interés social, por su carácter científico.
Política Ética
Los autores deben actuar de forma ética en los procesos requeridos para la publicación de sus artículos en Ingenierías USBMed. Para esto, los autores y miembros de la revista se deben acoger a la politica de Ética editorial de la Editorial Bonaventuriana, disponible en el siguiente link: Manual editorial
Responsabilidad de contenidos
El contenido de los artículos publicados por Ingenierías USBMed es de exclusiva responsabilidad del (os) autor(es) y no necesariamente refleja el pensamiento del comité editorial y científico de la revista Ingenierías USBMed. Los textos pueden reproducirse total o parcialmente citando la fuente.
Resumen
El presente artículo propone un modelo para estudiar la evolución de la esclerosis múltiple, enfermedad desmielinizante, neurodegenerativa y crónica del sistema nervioso central. El modelo planteado se basa en la utilización de un sistema neuro-difuso como herramienta para describir la progresión de la enfermedad, empleando un caso particular para su validación. Los datos de estudio corresponden a la historia clínica de un paciente con diagnóstico de esclerosis múltiple desde 2003, quien ha padecido cinco episodios críticos. El modelo desarrollado permitió detectar los cambios de la inflación neurológica del paciente.
Palabras clave:
Referencias
American Academic of Neurology. “Isocoric Pupil Dysfunction”. Continuum. Lifelong learning in neurology, Vol.10, No. 6, pp. 213-217, 2004.
L. Ohno. “Modular neural networks for medical prognosis: quantifying the benefits of combining neural networks for survival prediction”. Connection Science: Journal of Neural Computing, Artificial Intelligence and Cognitive Research, Vol. 9, No. 1, pp.71-86, 1997.
B. Martin del Brio & A. Sanz. “Redes Neuronales y Sistemas Difusos”. Alfa-Omega, 2002.
Y. Chiou & Y. Lure. “Hybrid lung module detection (HLND) system”. Cancer Letters, Vol. 77, No. 2-3, pp. 119-126, 1994.
C. Sthepan et al. “Three new serum markers for prostate cancer detection within a percent free PSA-based artificial neural network”. Prostate, Vol. 66, No. 6. pp. 651-657, 2006.
Y. Wang & J. Shiun. “Artificial Neural Network to Predict Skeletal Metastasis in Patients with Prostate Cancer”. Medical Systems, Vol. 33, No. 2, pp. 91-100, 2009.
A. Celona; G. Grasso & L. Puccio. “Artificial Neural Network (ANN) Morphological Classification by Euclidean Distance Histograms for Prognostic Evaluation of Magnetic Resonance Imaging in Multiple Sclerosis”. Proceedings SIMAI Congress, Vol. 3, pp. 283-292, 2009.
F. Buarque. “Multiple Sclerosis Plaque: Computer Model and Simulations”. Internal Report, Imperial College of Science Technology and Medicine, 2000.
D. Bizios; A. Heij & B. Bengtsson. “Trained artificial neural network for glaucoma diagnosis using visual field data: A comparison with conventional algorithms”. Journal of Glaucoma, Vol. 16, No. 1, pp. 20-28, 2007.
M. Astion et al. “Application of neural networks to the classification of giant cell arteritis”. Arthritis and Rheumatism, Vol. 37, No. 5, pp.760-70, 1994.
K. Borges; R. Moura & A. Steiner. “Diagnosis of Headache using Artificial Neural Networks”. International Journal of Computer Science and Network Security, Vol. 10, No.7, pp. 172-178, 2010.
V. Bourdes et al. “Breast cancer predictions by neural networks analysis: a comparison with logistic regression”. Proceedings 29th Annual International Conference Medicine and Biology Society, pp. 5424-5427, 2007.
D. Cook. “Artificial Neural Networks to Predict Mortality in Critical Care Patients: An Application of Supervised Machine Learning”. Australasian Anesthesia, Vol. 122, No 2, pp. 173-179, 2005.
H. Doyle et al. “Predicting outcomes after liver transplantation. A connectionist approach”. Annals of Surgery, Vol. 219, No. 4, pp. 408-415, 1994.
D. Gil et al. “Application of artificial neural networks in the diagnosis of urological dysfunctions”. Expert Systems with Applications, Vol. 36, No. 3, pp. 5754-5760, 2009.
M. Ebell. “Artificial neural networks for predicting failure to survive following in-hospital cardiopulmonary resuscitation”. Journal of Family Practice, Vol. 36, No. 3, pp. 297-303, 1993.
R. Harrison & L. Kennedy. “Artificial Neural Network Models for Prediction of Acute Coronary Syndromes Using Clinical Data from the Time of Presentation”. Annals of Emergency Medicine, Vol. 46, No. 5, pp. 431-440, 2005.
C. Kazmierczak; G. Catrou & F. Van Lente. “Diagnostic accuracy of pancreatic enzymes evaluated by use of multivariate data analysis”. Clinical Chemistry, Vol. 39, No. 9, pp. 1960-1965, 1993.
A. Bartosch; B. Andersson & J. Nilsson. “Artificial neural networks in pancreatic disease”. British Journal of Surgery, Vol. 95, No. 7, pp. 817-826, 2008.
P. Sharpe et al. “Artificial neural networks in diagnosis of thyroid function from in vitro laboratory tests”. Clinical Chemistry, Vol. 39, No. 11, pp. 2248-2253, 1993.
A. Gannous & R. Elhaddad. “Improving an Artificial Neural Network Model to Predict Thyroid Bending Protein Diagnosis Using Preprocessing Techniques”. World Academy of Science, Engineering and Technology, Vol. 74, pp. 126-130, 2011.
M. Moncada & H. Cadavid. “Estimación de variables eléctricas en un muslo 3D con fractura de diáfisis femoral estimulado magnéticamente”. Revista Facultad de Ingeniería Universidad de Antioquia, No. 42, pp. 120-131, 2007.
M. Moncada et al. “Desarrollo experimental y computacional para estimar variables eléctricas inducidas en muestras de fémur bovino estimuladas por campos magnéticos de baja frecuencia”. Revista Cubana de Investigaciones Biomédicas, Vol. 27, No. 2, pp. 1-9, 2008
Descargas
Citado por
