Программный комплекс нейросетевой классификации данных газоаналитического обследования дыхательной системы
| Parent link: | Вестник Томского государственного университета. Управление, вычислительная техника и информатика/ Национальный исследовательский Томский государственный университет (ТГУ).— .— Томск: ТГУ № 69.— 2024.— С. 112-123 |
|---|---|
| Other Authors: | , , , , , , , |
| Summary: | Предложены алгоритм и архитектура нейронной сети для классификации сигнальных паттернов, формируемых в устройствах для анализа состава газовой смеси в выдыхаемом воздухе. В устройствах применяется набор неселективных полупроводниковых газовых датчиков, синхронизированных между собой и работающих в режиме термоциклирования. Реализованный алгоритм и нейронная сеть обеспечивают нормировку значений сигналов одномоментно со всего набора датчиков и дифференциацию сигнальных паттернов. Программный комплекс реализован на алгоритмическом языке программирования С++ в среде Qt и позволяет проводить дообучение нейронной сети за счет интеграции инструментов системы управления базой данных и нейросетевого анализа данных при увеличении объемов базы. В исследовании применялись данные от проб выдыхаемого воздуха, отобранные у здоровых добровольцев и пациентов со злокачественными новообразованиями орофарингеальной области и гортани. Полученные показатели чувствительности и специфичности нейросетевого классификатора данных сопоставимы с современными высокоточными рентгенологическими методами диагностики опухолей дыхательных путей. Вклад авторов: все авторы сделали эквивалентный вклад в подготовку публикации Авторы заявляют об отсутствии конфликта интересов An algorithm and neural network architecture are proposed for classifying signal patterns generated in devices for analyzing the composition of a gas mixture in exhaled air. The devices use a set of non-selective semiconductor gas sensors synchronized with each other and operating in the thermal cycling mode. The implemented algorithm and neural network provide for the normalization of signal values simultaneously from the entire set of sensors and the differentiation of signal patterns. The software package is implemented in the C++ algorithmic programming language in the Qt environment and allows for additional training of the neural network by integrating tools from the database management system and neural network data analysis when increasing the database volume. The studies used data from exhaled air samples taken from healthy volunteers and patients with squamous cell carcinoma of the larynx and oropharynx. The obtained sensitivity and specificity indicators of the neural network data classifier are comparable with modern high-precision X-ray methods for diagnosing respiratory tract tumors. Contribution of the authors: the authors contributed equally to this article. The authors declare no conflicts of interests Текстовый файл |
| Published: |
2024
|
| Subjects: | |
| Online Access: | https://www.elibrary.ru/item.asp?id=79657674 https://journals.tsu.ru/informatics/&journal_page=archive&id=2548&article_id=53276 |
| Format: | Electronic Book Chapter |
| KOHA link: | https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=681251 |
| Summary: | Предложены алгоритм и архитектура нейронной сети для классификации сигнальных паттернов, формируемых в устройствах для анализа состава газовой смеси в выдыхаемом воздухе. В устройствах применяется набор неселективных полупроводниковых газовых датчиков, синхронизированных между собой и работающих в режиме термоциклирования. Реализованный алгоритм и нейронная сеть обеспечивают нормировку значений сигналов одномоментно со всего набора датчиков и дифференциацию сигнальных паттернов. Программный комплекс реализован на алгоритмическом языке программирования С++ в среде Qt и позволяет проводить дообучение нейронной сети за счет интеграции инструментов системы управления базой данных и нейросетевого анализа данных при увеличении объемов базы. В исследовании применялись данные от проб выдыхаемого воздуха, отобранные у здоровых добровольцев и пациентов со злокачественными новообразованиями орофарингеальной области и гортани. Полученные показатели чувствительности и специфичности нейросетевого классификатора данных сопоставимы с современными высокоточными рентгенологическими методами диагностики опухолей дыхательных путей. Вклад авторов: все авторы сделали эквивалентный вклад в подготовку публикации Авторы заявляют об отсутствии конфликта интересов An algorithm and neural network architecture are proposed for classifying signal patterns generated in devices for analyzing the composition of a gas mixture in exhaled air. The devices use a set of non-selective semiconductor gas sensors synchronized with each other and operating in the thermal cycling mode. The implemented algorithm and neural network provide for the normalization of signal values simultaneously from the entire set of sensors and the differentiation of signal patterns. The software package is implemented in the C++ algorithmic programming language in the Qt environment and allows for additional training of the neural network by integrating tools from the database management system and neural network data analysis when increasing the database volume. The studies used data from exhaled air samples taken from healthy volunteers and patients with squamous cell carcinoma of the larynx and oropharynx. The obtained sensitivity and specificity indicators of the neural network data classifier are comparable with modern high-precision X-ray methods for diagnosing respiratory tract tumors. Contribution of the authors: the authors contributed equally to this article. The authors declare no conflicts of interests Текстовый файл |
|---|