Modelo basado en técnicas de procesamiento del lenguaje natural para extraer y anotar información relacionada con la sepsis

Orrego Martínez, Emmanuel

Publicación:
Modelo basado en técnicas de procesamiento del lenguaje natural para extraer y anotar información relacionada con la sepsis

dc.contributor.advisor	Camacho Cogollo, Javier Enrique
dc.contributor.advisor	Bonet Cruz, Isis
dc.contributor.author	Orrego Martínez, Emmanuel
dc.date.accessioned	2021-07-09T16:29:58Z
dc.date.available	2021-07-09T16:29:58Z
dc.date.issued	2021
dc.description	60 páginas	spa
dc.description.abstract	RESUMEN: La sepsis presenta una de las mayores tasas de mortalidad mundial en los hospitales. Su diagnóstico puede ser considerablemente difícil a causa de su amplio cuadro de síntomas y múltiples causas. En el presente trabajo se ahonda en la evaluación y revisión de los datos de manera estadística y visual. Se proponen diferentes métodos de normalización de datos, limpieza de los mismos y análisis, así como herramientas visuales que permiten realizar un análisis profundo de los mismos. En este primer acercamiento del trabajo se llegará a conclusiones que permitirán avanzar hacia el siguiente paso de implementar un modelo en un entorno controlado. El éxito del análisis en parte dependerá de la calidad de los datos suministrados por los expertos y de la capacidad de limpieza y normalización de los mismos. Se le aplicarán diferentes técnicas de extracción de información y se analizara cuales datos son más relevantes para dar los siguientes pasos hacia el diagnostico de sepsis. Adicionalmente se cuenta con una sección de resultados en los cuales se presenta minuciosamente lo que se ha realizado hasta el momento respecto al análisis te texto estructurado y no estructurado, las técnicas usadas para extracción limpieza y análisis Finalmente se dejará para próximos estudios la implementación de un modelo de inteligencia artificial que apoye el diagnóstico de la sepsis el cual será alimentado con los datos recolectados en este trabajo.	spa
dc.description.abstract	ABSTRACT: Sepsis has one of the highest mortality rates worldwide in hospitals. Its diagnosis can be considerably difficult because of its wide range of symptoms and multiple causes. In the present work, the evaluation and review of the data in a statistical and visual way is studied. Different methods of data normalization, cleaning and analysis are proposed, as well as visual tools that allow a deep analysis of them. In this first approach to the work, conclusions will be reached that will allow progress towards the next step of implementing a model in a controlled environment. The success of the analysis in the part dependent on the quality of the data provided by the experts and the ability to clean and standardize them. Different information extraction techniques will be applied and it will be analyzed which data is most relevant to take the next steps towards the diagnosis of sepsis. In addition, there is a results section in which a minuscule presentation of what has been done so far regarding the analysis of structured and unstructured text, the techniques used for extraction and analysis. Finally, the implementation of a model will be left for future studies. of artificial intelligence that supports the diagnosis of sepsis which will be fed with the data collected in this work.	eng
dc.description.degreelevel	Pregrado	spa
dc.description.degreename	Ingeniero(a) Biomédico(a)	spa
dc.format.mimetype	application/pdf	spa
dc.identifier.uri	https://repository.eia.edu.co/handle/11190/3377
dc.language.iso	spa	spa
dc.publisher	Universidad EIA	spa
dc.publisher.faculty	Escuela de Ciencias de la Vida	spa
dc.publisher.place	Envigado (Antioquia, Colombia)	spa
dc.publisher.program	Ingeniería Biomédica	spa
dc.rights	Derechos Reservados - Universidad EIA, 2021	spa
dc.rights.accessrights	info:eu-repo/semantics/openAccess	spa
dc.rights.coar	http://purl.org/coar/access_right/c_abf2	spa
dc.rights.creativecommons	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)	spa
dc.rights.uri	https://creativecommons.org/licenses/by-nc-nd/4.0/	spa
dc.subject.proposal	Sepsis	spa
dc.subject.proposal	Inteligencia artificial	spa
dc.subject.proposal	Regresión lineal	spa
dc.subject.proposal	ETL	spa
dc.subject.proposal	Historias clínicas	spa
dc.title	Modelo basado en técnicas de procesamiento del lenguaje natural para extraer y anotar información relacionada con la sepsis	spa
dc.type	Trabajo de grado - Pregrado	spa
dc.type.coarversion	http://purl.org/coar/version/c_970fb48d4fbd8a85	spa
dc.type.content	Text	spa
dc.type.driver	info:eu-repo/semantics/bachelorThesis	spa
dc.type.redcol	https://purl.org/redcol/resource_type/TP	spa
dc.type.version	info:eu-repo/semantics/publishedVersion	spa
dspace.entity.type	Publication