Эффективность ранней диагностики рака легкого по составу выдыхаемого воздуха на основе нейросетевого и мультимодального подхода; Сибирский онкологический журнал; Т. 24, № 6
| Parent link: | Сибирский онкологический журнал.— .— Томск: НИИ онкологии РАМН Т. 24, № 6.— 2025.— С. 7-18 |
|---|---|
| Інші автори: | , , , , , , , , |
| Резюме: | Заглавие с экрана Введение. Пятилетняя выживаемость больных раком легких (РЛ) составляет 22 %. Успешный исход борьбы с этим заболеванием во многом зависит от его выявления на ранних стадиях. Развитие РЛ определяется факторами риска: курением, профессиональными экспозициями, инфекциями, генетической предрасположенностью, наличием хронических заболеваний и др. Принятие во внимание факторов риска позволит повысить эффективность автоматизированных газоаналитических комплексов диагностики РЛ по выдыхаемому воздуху. Такие комплексы являются перспективными для применения масштабируемых алгоритмов нейросетевой обработки данных для неинвазивной диагностики РЛ на ранних стадиях. Цель исследования - оценка эффективности метода диагностики рака легкого по выдыхаемому воздуху на основе данных от 100 добровольцев и улучшение его характеристик путем применения мультимодального подхода, учитывающего состав выдыхаемого воздуха и факторы риска заболевания. Материал и методы. В базу данных, наряду с пробами выдыхаемого воздуха, включались данные анамнеза. Для обработки данных применялись нейронные сети с вариацией архитектур, обеспечивающие улучшение показателей эффективности диагностики. Набор данных для обучения нейросестевых классификаторов включал пробы выдыхаемого воздуха от 100 добровольцев, из них 47 здоровых лиц по данным диспансеризации и 53 пациента с морфологически подтвержденным РЛ. В качестве факторов риска заболевания анализировались возраст, факт курения и наличие хронической обструктивной болезни легких (ХОБЛ) Текстовый файл |
| Мова: | Російська |
| Опубліковано: |
2025
|
| Предмети: | |
| Онлайн доступ: | https://doi.org/10.21294/18144861-2025-24-6-7-18 https://elibrary.ru/item.asp?id=88828172 |
| Формат: | MixedMaterials Електронний ресурс Частина з книги |
| KOHA link: | https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=684625 |
MARC
| LEADER | 00000naa0a2200000 4500 | ||
|---|---|---|---|
| 001 | 684625 | ||
| 005 | 20260130142837.0 | ||
| 090 | |a 684625 | ||
| 100 | |a 20260130d2025 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 Эффективность ранней диагностики рака легкого по составу выдыхаемого воздуха на основе нейросетевого и мультимодального подхода |d Effectiveness of lung cancer early diagnosis by analysing exhaled breath composition using neural network and multimodal approach. |f А. В. Обходский, Е. В. Обходская, В. С. Лаконкин [и др.] |z eng | |
| 203 | |a Текст |c электронный |b визуальный | ||
| 283 | |a online_resource |2 RDAcarrier | ||
| 300 | |a Заглавие с экрана | ||
| 320 | |a Литература: 20 назв | ||
| 330 | |a Введение. Пятилетняя выживаемость больных раком легких (РЛ) составляет 22 %. Успешный исход борьбы с этим заболеванием во многом зависит от его выявления на ранних стадиях. Развитие РЛ определяется факторами риска: курением, профессиональными экспозициями, инфекциями, генетической предрасположенностью, наличием хронических заболеваний и др. Принятие во внимание факторов риска позволит повысить эффективность автоматизированных газоаналитических комплексов диагностики РЛ по выдыхаемому воздуху. Такие комплексы являются перспективными для применения масштабируемых алгоритмов нейросетевой обработки данных для неинвазивной диагностики РЛ на ранних стадиях. Цель исследования - оценка эффективности метода диагностики рака легкого по выдыхаемому воздуху на основе данных от 100 добровольцев и улучшение его характеристик путем применения мультимодального подхода, учитывающего состав выдыхаемого воздуха и факторы риска заболевания. Материал и методы. В базу данных, наряду с пробами выдыхаемого воздуха, включались данные анамнеза. Для обработки данных применялись нейронные сети с вариацией архитектур, обеспечивающие улучшение показателей эффективности диагностики. Набор данных для обучения нейросестевых классификаторов включал пробы выдыхаемого воздуха от 100 добровольцев, из них 47 здоровых лиц по данным диспансеризации и 53 пациента с морфологически подтвержденным РЛ. В качестве факторов риска заболевания анализировались возраст, факт курения и наличие хронической обструктивной болезни легких (ХОБЛ) | ||
| 336 | |a Текстовый файл | ||
| 461 | 1 | |t Сибирский онкологический журнал |c Томск |n НИИ онкологии РАМН | |
| 463 | 1 | |t Т. 24, № 6 |v С. 7-18 |d 2025 | |
| 610 | 1 | |a рак легких | |
| 610 | 1 | |a неинвазивная диагностика | |
| 610 | 1 | |a выдыхаемый воздух | |
| 610 | 1 | |a факторы риска | |
| 610 | 1 | |a мультимодальные данные | |
| 610 | 1 | |a искусственные нейронные сети | |
| 610 | 1 | |a показатели эффективности | |
| 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 Обходская |b Е. В. |g Елена Владимировна | |
| 701 | 1 | |a Лаконкин |b В. С. |g Владислав Сергеевич | |
| 701 | 1 | |a Родионов |b Е. О. |g Евгений Олегович | |
| 701 | 1 | |a Кульбакин |b Д. Е. |g Денис Евгеньевич | |
| 701 | 1 | |a Подолько |b Д. В. |g Данил Владиславович | |
| 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 | 0 | |a RU |b 63413507 |c 20260130 |g RCR | |
| 856 | 4 | 0 | |u https://doi.org/10.21294/18144861-2025-24-6-7-18 |z https://doi.org/10.21294/18144861-2025-24-6-7-18 |
| 856 | 4 | 0 | |u https://elibrary.ru/item.asp?id=88828172 |z https://elibrary.ru/item.asp?id=88828172 |
| 942 | |c CF | ||