Análisis Mahalanobis-Taguchi de la significancia de datos acerca de tumores cancerosos en la mama

Manuel Arnoldo Rodríguez Medina; Manuel Iván Rodríguez Borbón; Jorge Adolfo Pinto Santos; Ericka Berenice Herrera Ríos; Inocente Yuliana Meléndez Pastrana

doi:10.61117/ipsumtec.v6i1.175

Autores/as

Manuel Arnoldo Rodríguez Medina Tecnológico Nacional del México https://orcid.org/0000-0003-1676-0664
Manuel Iván Rodríguez Borbón New Mexico State University / Industrial Engineering Department https://orcid.org/0000-0001-8405-4599
Jorge Adolfo Pinto Santos Tecnológico Nacional del México https://orcid.org/0000-0001-9614-2764
Ericka Berenice Herrera Ríos Tecnológico Nacional del México https://orcid.org/0000-0002-6964-5830
Inocente Yuliana Meléndez Pastrana Tecnológico Nacional del México https://orcid.org/0000-0002-5260-7977

DOI:

https://doi.org/10.61117/ipsumtec.v6i1.175

Palabras clave:

Distancia de mahalanobis, Razón señal-a-ruido, Arreglos ortogonales, Matriz de correlación

Resumen

En este trabajo se aplicó el Sistema Mahalanobis-Taguchi (MTS) a la base de datos sobre cáncer de mama en el Hospital de la Universidad de Wisconsin, ubicada en Madison, la cual está a cargo del Dr. William H. Wolberg. La metodología de Mahalanobis mide las distancias en los sistemas multivariables, tomando en consideración la correlación existente entre las variables analizadas. Por otra parte, este sistema también es aplicado para hacer predicciones mediante una escala de medición multivariable. El propósito de este estudio, es determinar las variables significantes para identificar las diferencias de un grupo a otro, y así calcular la distancia Mahalanobis (DT) entre dos grupos de pacientes: el primero, con tumores cancerosos (grupo no saludable), y el segundo grupo diagnosticado como saludable.

Descargas

Los datos de descargas todavía no están disponibles.

Métricas

Cargando métricas ...

Citas

G. Taguchi, "Taguchi methods in LSI fabrication process," 2001 6th International Workshop on Statistical Methodology (Cat. No.01TH8550), 2001, pp. 1-6, doi: 10.1109/IWSTM.2001.933815. DOI: https://doi.org/10.1109/IWSTM.2001.933815

Hong, J., Cudney, E. A., Taguchi, G., Jugulum, R., Paryani, K., & Ragsdell, K.M. (2005, January). A comparison study of Mahalanobis-Taguchi system and neural network for multivariate pattern recognition. In ASME International Mechanical Engineering Congress and Exposition (Vol.42150, pp. 109-115). DOI: https://doi.org/10.1115/IMECE2005-80029

N.N.N.M. Kamil, S.N.A.M. Zainiand M.Y. Abu (2020), A case study on the application of Mahalanobis-Taguchi system for magnetic component, INTERNATIONAL JOURNAL OF ENGINEERING TECHNOLOGY AND SCIENCES (IJETS) ISSN: 2289-697X (Print); ISSN:2462-1269 (Online) Vol.7(2) December 2020© Universiti Malaysia Pahang DOI: http://dx.doi.org/10.15282/ijets.7.2.2020.1001

W.Z.A.W. Muhamad, F. Ramlieand K.R. Jamaludin. (2017), Mahalanobis-Taguchi System For Pattern Recognition: A Brief Review, Far East Journal of Mathematical Sciences (FJMS) Pushpa Publishing House, Allahabad, India http://www.pphmj.comhttp://dx.doi.org/10.17654/MS10212302 Volume102,Number12,2017,Pages3021-3052 ISSN:0972-0871 DOI: https://doi.org/10.17654/MS102123021

William H Woodall, Rachelle Koudelik, Kwok-Leung Tsui, Seoung Bum Kim, Zachary G Stoumbos & Christos P Carvounis MD (2003) A Review and Analysis of the Mahalanobis—Taguchi System, Technometrics, 45:1, 1-15, DOI: 10.1198/004017002188618626 DOI: https://doi.org/10.1198/004017002188618626

Xiao, X., Fu, D., Shi, Y., & Wen, J. (2020). Optimized Mahalanobis–Taguchi System for High-Dimensional Small Sample Data Classification. Computational Intelligence and Neuroscience, 2020.

José Manuel Pizarro León, Rey David Molina Arredondo, Roberto Romero López, Oscar Nuñez Ortega (2015), Análisis de robustez de procesos para evaluar factibilidad de implementar control en línea, CULCYT.

Medina V., Pedro Daniel; Cruz T., Eduardo Arturo; Hernan Restrepo, Jorge (2007), Aplicación del modelo de experimentación Taguchi en un ingenio azucarero del Valle del Cauca Scientia Et Technica, vol. XIII, núm.34, pp. 337-342

Genichi Taguchi, Rajesh Jugulum (2002), The Mahalanobis-Taguchi Strategy: A Pattern Technology System, 1st Edition, John Wiley & Sons DOI: https://doi.org/10.1002/9780470172247

Jorge Limón, Manuel A. Rodriguez, Yolanda A. Báez y Diego A. Tlapa (2011), Evaluación de la Robustez del sistema Mahalanobis–Taguchi a diferentes Arreglos Factoriales, Revista Información Tecnológica DOI: https://doi.org/10.4067/S0718-07642011000400010

M. Rodríguez M., M.I. Rodríguez B., Luz I. Rodríguez A., J. L. López G., (2015), Determinación de los factores influyentes sobre los índices de reprobación y eficiencia terminal mediante la Metodología Mahalanobis-Taguchi en una Institución de Educación Superior (IES), Theorema-Revista Científica, UTCJ.

Xinping Xiao, Dian Fu, Yu Shi,Jianghui Wen, "Optimized Mahalanobis–Taguchi System for High-Dimensional Small Sample Data Classification", Computational Intelligence and Neuroscience, vol. 2020, Article ID4609423, 15 pages, 2020. https://doi.org/10.1155/2020/4609423 DOI: https://doi.org/10.1155/2020/4609423

Mota-Gutiérrez, C.G., Reséndiz-Flores, E.O. and Reyes-Carlos, Y.I. (2018), "Mahalanobis-Taguchi system: state of the art", International Journal of Quality & Reliability Management, Vol. 35 No. 3, pp. 596-613. https://doi.org/10.1108/IJQRM-10-2016-0174 DOI: https://doi.org/10.1108/IJQRM-10-2016-0174

Ghasemi, E., Aaghaie, A. and Cudney, E.A. (2015),"Mahalanobis Taguchi system: a review", International Journal of Quality & Reliability Management, Vol. 32No. 3, pp. 291-307. https://doi.org/10.1108/IJQRM-02-2014-0024 DOI: https://doi.org/10.1108/IJQRM-02-2014-0024

Su, C. T. (2017). Mahalanobis-Taguchi system and its medical applications. Neuropsychiatry, 7(4), 316-320.