Máquina de vectores de soporte en la clasificación de sujetos - EADIC

Máquina de vectores de soporte en la clasificación de sujetos

Esta investigación busca evaluar la eficacia de la Máquina de vectores de soporte en la clasificación de valores anormales del índice cintura-talla e índice cintura cadera.

Introducción Máquina de vectores 

 

La epidemia de obesidad ha alcanzado una alta prevalencia en adultos, adolescentes y niños. El sobrepeso y la obesidad, junto con un estilo de vida sedentario y antecedentes familiares de enfermedad cardiovascular, anticipan una alta prevalencia de enfermedades metabólicas como el síndrome metabólico (SM), la resistencia a la insulina (RI), la aterosclerosis y la intolerancia a la glucosa, lo que aumenta el riesgo de diabetes tipo 2 y enfermedad cardiovascular (ECV).

Si bien la circunferencia de la cintura (CC) es uno de los mejores predictores de ECV, RI y SM, esta medida tiene limitaciones porque los puntos de corte diagnósticos varían según la etnia y el origen racial. La relación cintura-talla (R cintura-talla) y la relación cintura-cadera (RCC) se sugieren como mejores predictores porque son índices universales que solo varían según el género.

Algunos estudios han utilizado técnicas de aprendizaje automático, como las máquinas de vecotes de soporte o SVM, técnicas de agrupamiento y bosque aleatorio, en medidas antropométricas como la circunferencia de la cintura, la circunferencia de la cadera, el IMC, el índice cintura-talla y el índice cintura-cadera para evaluar el diagnóstico de disfunciones metabólicas, como la obesidad y la resistencia a la insulina, entre otras.

Metodología

Máquina de vectores 

Base de datos usada

 

La base de datos utilizada en este trabajo cuenta con 1978 participantes, de los cuales 678 son hombres y el resto mujeres. Fue recopilada en el Laboratorio de Evaluación Nutricional de la Universidad Simón Bolívar durante el período de 2004 a 2012 . El protocolo implementado incluyó la obtención de 28 medidas antropométricas que abarcan: talla, peso, circunferencias corporales y pliegues cutáneos.

Procedimiento y evaluación de las SVM

 

El método de clasificación-regresión SVM es un método de clasificación utilizado para problemas binarios, multiclase y de regresión. Las SVM han demostrado ser uno de los mejores clasificadores para una amplia gama de situaciones, por lo que se considera un punto de referencia en el campo del aprendizaje estadístico y el aprendizaje automático.

La SVM es un método basado en el Clasificador de Margen Máximo, el cual a su vez se basa en el concepto de hiperplano. En este trabajo, el método SVM permite clasificar sujetos con valores normales y anormales de índice cintura-talla e índice cintura cadera. Para ello, se utilizó una Validación Cruzada Monte Carlo (MCCV) y un núcleo Gaussiano. La Figura 1 explica el procedimiento aplicado en este trabajo. La base de datos se dividió aleatoriamente (con una probabilidad uniforme) en un 80% para entrenamiento con SVM y el 20% restante para probar la SVM entrenada y calcular las métricas. El proceso se repitió 100 veces, y las métricas se calcularon en cada iteración y luego se promediaron.

Máquinas de vectores
Procedimiento del entrenamiento de la Máquina de vectores de soporte.

Resultados Máquina de vectores 

 

El estudio encontró que el método SVM con un núcleo Gaussiano es una herramienta eficaz para clasificar sujetos con valores anormales de índice cintura-talla e índice cintura-cadera. Las métricas reportadas para índice cintura-cadera son ligeramente mejores que las de índice cintura-talla, lo que sugiere que el método discrimina mejor los sujetos con índice cintura-cadera anormal.

Sin embargo, el método SVM también presenta un alto rendimiento para el índice cintura-talla, con una alta probabilidad de detectar sujetos con valores normales y anormales, y una precisión superior al 80%.

En general, el estudio demuestra que el método SVM con un núcleo Gaussiano es una herramienta viable para la clasificación de sujetos con valores anormales de índice cintura-talla e  índice cintura-cadera, brindando información útil para el diagnóstico y seguimiento de estas condiciones.

Conclusiones

 

Este trabajo utilizó una base de datos de 1978 personas para clasificar sujetos con valores anormales de índice cintura-talla e índice cintura-cadera. Para ello, se empleó el método SVM como clasificador y la Validación Cruzada de Monte Carlo (MCCV) para evaluar las métricas del método. Se observó que el SVM puede realizar una clasificación aceptable de sujetos con valores anormales índice cintura-talla e índice cintura-cadera utilizando medidas antropométricas de pliegues cutáneos y circunferencias.

Los índices cintura-talla y cintura-cadera son particularmente importantes porque están estrechamente relacionados con disfunciones metabólicas como la obesidad, la diabetes tipo 2 y las enfermedades cardiovasculares, entre otras.

 

Referencias

  • Severeyn, E., La Cruz, A., & Huerta, M. (2021, October). Classification of Impaired Waist to Height Ratio and Waist to Hip Ratio Using Support Vector Machine. In 2021 IEEE Fifth Ecuador Technical Chapters Meeting (ETCM) (pp. 1-6). IEEE.

Autor: Erika Severeyn Varela, Doctor en Ingeniería Biomédica. Introducción a la Ingeniería Biomédica. Electrónica e Informática Aplicada a la Biomedicina y Áreas Profesionales dentro de la Biomedicina.

 

Compartir

Contenido seleccionado para ti

Suscríbete a nuestro boletín

Recibe directamente en tu correo las últimas noticias y actualizaciones de eadic.

Scroll al inicio
Mediante el envío de mis datos confirmo que he leído y acepto las condiciones generales y política de privacidad