Mostrar el registro sencillo del ítem
dc.contributor.author
Ganz, Nancy Beatriz
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.contributor.author
Ares, Alicia Esther
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.contributor.author
Kuna, Horacio Daniel
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.date.available
2022-11-17T13:35:32Z
dc.date.issued
2021-10
dc.identifier.citation
Ganz, Nancy Beatriz; Ares, Alicia Esther; Kuna, Horacio Daniel; Procedure to improve the accuracy of dental implant failures by data science techniques; Universidad Nacional de La Plata. Facultad de Informatica; Journal of Computer Science & Technology; 21; 2; 10-2021; 146-156
dc.identifier.issn
1666-6046
dc.identifier.uri
http://hdl.handle.net/11336/178184
dc.description.abstract
Nowadays, the prediction about dental implant failure is determined through clinical and radiological evaluation. For this reason, predictions are highly dependent on the Implantologists’ experience. In addition, it is extremely crucial to detect in time if a dental implant is going to fail, due to time, cost, trauma to the patient, postoperative problems, among others. This paper proposes a procedure using multiple feature selection methods and classification algorithms to improve the accuracy of dental implant failures in the province of Misiones, Argentina, validated by human experts. The experimentation is performed with two data sets, a set of dental implants made for the case study and an artificially generated set. The proposed approach allows to know the most relevant features and improve the accuracy in the classification of the target class (dental implant failure), to avoid biasing the decision making based on the application and results of individual methods. The proposed approach achieves an accuracy of 79% of failures, while individual classifiers achieve a maximum of 72%.
dc.description.abstract
Hoy en día, la predicción del fracaso de un implante dental está determinado a través de una evaluación clínica y radiológica. Por esta razón, las predicciones dependen en gran medida de la experiencia del implantólogo. Además, es extremadamente crucial detectar a tiempo si un implante dental va a fallar, por cuestiones de tiempo, costo, traumas al paciente, problemas postoperatorios, entre otros. En este trabajo se propone un procedimiento mediante la utilización de múltiples métodos de selección de características y algoritmos de clasificación, para mejorar la precisión en el acierto de los fracasos en implantes dentales de la provincia de Misiones, Argentina validado por expertos humanos. La experimentación es realizada con cuatro conjuntos de datos, un conjunto de implantes dentales confeccionado para el estudio de caso, un conjunto generado artificialmente y otros dos conjuntos obtenidos de distintos repositorios de datos. El procedimiento propuesto permitió conocer las características más relevantes y mejoró la precisión en la clasificación de la clase objetivo (fracaso del implante dental), permitiendo no sesgar la toma de decisión en base a la aplicación y resultados de método individuales. El procedimiento propuesto consigue una precisión del 79% de los fracasos, mientras que los clasificadores individuales alcanzan un máximo del 72%.
dc.format
application/pdf
dc.language.iso
eng
dc.publisher
Universidad Nacional de La Plata. Facultad de Informatica
dc.rights
info:eu-repo/semantics/openAccess
dc.rights.uri
https://creativecommons.org/licenses/by-nc/2.5/ar/
dc.subject
FEATURE SELECTION
dc.subject
CLASSIFIER
dc.subject
ENSEMBLE
dc.subject
FAILURE
dc.subject
DENTAL IMPLANTS
dc.subject.classification
Otras Ingeniería de los Materiales
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
Ingeniería de los Materiales
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
INGENIERÍAS Y TECNOLOGÍAS
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.title
Procedure to improve the accuracy of dental implant failures by data science techniques
dc.title
Procedimiento para mejorar la precisión en el acierto de los fracasos en implantes
dentales mediante técnicas de ciencia de datos
dc.type
info:eu-repo/semantics/article
dc.type
info:ar-repo/semantics/artículo
dc.type
info:eu-repo/semantics/publishedVersion
dc.date.updated
2022-09-21T11:41:32Z
dc.identifier.eissn
1666-6038
dc.journal.volume
21
dc.journal.number
2
dc.journal.pagination
146-156
dc.journal.pais
Argentina
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.journal.ciudad
La Plata
dc.description.fil
Fil: Ganz, Nancy Beatriz. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Nordeste. Instituto de Materiales de Misiones. Universidad Nacional de Misiones. Facultad de Ciencias Exactas Químicas y Naturales. Instituto de Materiales de Misiones; Argentina
dc.description.fil
Fil: Ares, Alicia Esther. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Nordeste. Instituto de Materiales de Misiones. Universidad Nacional de Misiones. Facultad de Ciencias Exactas Químicas y Naturales. Instituto de Materiales de Misiones; Argentina
dc.description.fil
Fil: Kuna, Horacio Daniel. Universidad Nacional de Misiones; Argentina
dc.journal.title
Journal of Computer Science & Technology
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/url/https://journal.info.unlp.edu.ar/JCST/article/view/1816
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/doi/https://doi.org/10.24215/16666038.21.e13
Archivos asociados