<br />
<b>Warning</b>:  ini_set(): A session is active. You cannot change the session module's ini settings at this time in <b>/home/memoriascnib/public_html/lib/pkp/classes/session/SessionManager.inc.php</b> on line <b>69</b><br />
<br />
<b>Warning</b>:  Cannot modify header information - headers already sent by (output started at /home/memoriascnib/public_html/lib/pkp/classes/session/SessionManager.inc.php:69) in <b>/home/memoriascnib/public_html/plugins/generic/citationStyleLanguage/CitationStyleLanguagePlugin.inc.php</b> on line <b>478</b><br />
<br />
<b>Warning</b>:  Cannot modify header information - headers already sent by (output started at /home/memoriascnib/public_html/lib/pkp/classes/session/SessionManager.inc.php:69) in <b>/home/memoriascnib/public_html/plugins/generic/citationStyleLanguage/CitationStyleLanguagePlugin.inc.php</b> on line <b>479</b><br />
TY  - JOUR
AU  - Castro, C.
AU  - Benítez Mata, B.
AU  - Vargas, E.
AU  - Flores, D. -L.
PY  - 2020/10/24
Y2  - 2026/03/22
TI  - Detección temprana de la enfermedad causada por el virus de Hepatitis C usando redes neuronales artificiales
JF  - Memorias del Congreso Nacional de Ingeniería Biomédica
JA  - MCNIB
VL  - 7
IS  - 1
SE  - Modelado y Simulación de Sistemas Biológicos, Bioinformática y Biología Compt.
DO  - 
UR  - https://www.memoriascnib.mx/index.php/memorias/article/view/791
SP  - 417-423
AB  - &lt;p&gt;El virus de la Hepatitis C (HCV) representa el 20% de los casos de hepatitis aguda, enfermedad de dificil diagnóstico que afecta a cerca de 170 millones de personas en el mundo. Debido a que solo se detecta en la etapa aguda, es habitual que el tratamiento de la enfermedad sea complicado por lo que es necesario desarrollar herramientas que permitan realizar una detección temprana de la enfermedad. Previamente se ha demostrado la efectividad de las redes neuronales artificiales (RNA) en aplicaciones de predicción y clasificación con biomarcadores. En este trabajo se desarrolló una herramienta basada en RNA que puede hacer la clasificación entre pacientes sanos y con Hepatitis C, por medio de atributos biométricos del paciente. Generando un modelo con un área bajo la curva de 97.22 %. Esta herramienta es clave para desarrollar tecnologías que ayuden a los médicos a llevar a cabo diagnósticos tempranos y precisos.&lt;/p&gt;
ER  -