Программный комплекс нейросетевой классификации данных газоаналитического обследования дыхательной системы; Вестник Томского государственного университета. Управление, вычислительная техника и информатика; № 69
| Parent link: | Вестник Томского государственного университета. Управление, вычислительная техника и информатика/ Национальный исследовательский Томский государственный университет (ТГУ).— .— Томск: ТГУ № 69.— 2024.— С. 112-123 |
|---|---|
| অন্যান্য লেখক: | , , , , , , , |
| সংক্ষিপ্ত: | 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 |
| ভাষা: | রুশ |
| প্রকাশিত: |
2024
|
| বিষয়গুলি: | |
| অনলাইন ব্যবহার করুন: | https://www.elibrary.ru/item.asp?id=79657674 https://journals.tsu.ru/informatics/&journal_page=archive&id=2548&article_id=53276 |
| বিন্যাস: | MixedMaterials বৈদ্যুতিক গ্রন্থের অধ্যায় |
| KOHA link: | https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=681251 |
MARC
| LEADER | 00000naa0a2200000 4500 | ||
|---|---|---|---|
| 001 | 681251 | ||
| 005 | 20250819161602.0 | ||
| 090 | |a 681251 | ||
| 100 | |a 20250819d2024 k||y0rusy50 ca | ||
| 101 | 0 | |a rus | |
| 102 | |a RU | ||
| 135 | |a drcn ---uucaa | ||
| 181 | 0 | |a i |b e | |
| 182 | 0 | |a b | |
| 183 | 0 | |a cr |2 RDAcarrier | |
| 200 | 1 | |a Программный комплекс нейросетевой классификации данных газоаналитического обследования дыхательной системы |d Neural network classification software for the gas analytical survey data of respiratory system |z eng |f А. В. Обходский, Д. Е. Кульбакин, Е. В. Обходская [и др.] | |
| 203 | |a Текст |c электронный |b визуальный | ||
| 283 | |a online_resource |2 RDAcarrier | ||
| 320 | |a Список источников: 17 назв | ||
| 330 | |a 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 | ||
| 330 | |a 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 | ||
| 336 | |a Текстовый файл | ||
| 461 | 1 | |t Вестник Томского государственного университета. Управление, вычислительная техника и информатика |f Национальный исследовательский Томский государственный университет (ТГУ) |c Томск |n ТГУ | |
| 463 | 1 | |t № 69 |v С. 112-123 |d 2024 | |
| 610 | 1 | |a программные комплексы | |
| 610 | 1 | |a классификация данных | |
| 610 | 1 | |a искусственные нейронные сети | |
| 610 | 1 | |a параметры обучения | |
| 610 | 1 | |a анализ эффективности классификатора | |
| 610 | 1 | |a электронный ресурс | |
| 610 | 1 | |a труды учёных ТПУ | |
| 701 | 1 | |a Обходский |b А. В. |c специалист в области атомной энергетики |c доцент Томского политехнического университета, кандидат технических наук |f 1982- |g Артем Викторович |9 12757 | |
| 701 | 1 | |a Кульбакин |b Д. Е. |g Денис Евгеньевич | |
| 701 | 1 | |a Обходская |b Е. В. |g Елена Владимировна | |
| 701 | 1 | |a Попов |b А. С. |c физик |c инженер-проектировщик Томского политехнического университета |f 1992- |g Александр Сергеевич |9 20057 | |
| 701 | 1 | |a Родионов |b Е. О. |g Евгений Олегович | |
| 701 | 1 | |a Сачков |b В. И. |c химик |c доцент Томского политехнического университета, кандидат химических наук |f 1978- |g Виктор Иванович |9 14892 | |
| 701 | 1 | |a Чернов |b В. И. |c специалист в области медицинских технологий |c ведущий инженер Томского политехнического университета, доктор медицинских наук |f 1962- |g Владимир Иванович |9 16941 | |
| 701 | 1 | |a Чойнзонов |b Е. Л. |c физик |c главный эксперт Томского политехнического университета |f 1952- |g Евгений Лхамацыренович |9 17925 | |
| 801 | 2 | |a RU |b 63413507 |c 20250819 |g RCR | |
| 856 | 4 | |u https://www.elibrary.ru/item.asp?id=79657674 |z https://www.elibrary.ru/item.asp?id=79657674 | |
| 856 | 4 | |u https://journals.tsu.ru/informatics/&journal_page=archive&id=2548&article_id=53276 |z https://journals.tsu.ru/informatics/&journal_page=archive&id=2548&article_id=53276 | |
| 942 | |c CF | ||