Técnicas basadas en kernel para el análisis de texturas en imagen biomédica

En problemas del mundo real es relevante el estudio de la importancia de todas las variables obtenidas de manera que sea posible la eliminacion de ruido, es en este punto donde surgen las tecnicas de seleccion de variables. El objetivo de estas tecnicas es pues encontrar el subconjunto de variables que describan de la mejor manera posible la informacion util contenida en los datos permitiendo mejorar el rendimiento. En espacios de alta dimensionalidad son especialmente interesantes las tecnicas basadas en kernel, donde han demostrado una alta eficiencia debido a su capacidad para generalizar en dichos espacios. En este trabajo se realiza una nueva propuesta para el analisis de texturas en imagen biomedica mediante la integracion, utilizando tecnicas basadas en kernel, de diferentes tipos de datos de textura para la seleccion de las variables mas representativas con el objetivo de mejorar los resultados obtenidos en clasificacion y en interpretabilidad de las variables obtenidas. Para validar esta propuesta se ha formalizado un diseno experimental con cuatro fases diferenciadas: extraccion y preprocesado de los datos, aprendizaje y seleccion del mejor modelo asegurando la reproducibilidad de los resultados a la vez que una comparacion en condiciones de igualdad.