Нейронные сети в диагностике злокачественных новообразований по выдыхаемому воздуху; Вестник Томского государственного университета. Управление, вычислительная техника и информатика; № 73
| Parent link: | Вестник Томского государственного университета. Управление, вычислительная техника и информатика.— .— Томск: Изд-во ТГУ № 73.— 2025.— С. 122-133 |
|---|---|
| Autres auteurs: | , , , , , , , |
| Résumé: | Заглавие с экрана Рассматриваются результаты исследования набора архитектур нейронных сетей с изменяемыми параметрами обучения для обработки данных с газоаналитических медицинских приборов, предназначенных для неинвазивной диагностики рака легких и верхних дыхательных путей. Алгоритм обеспечивает структурирование формата входных паттернов для нейронной сети с учетом обеспечения критерия максимума информации во входных данных. Диагностические данные с газоаналитических медицинских приборов представляют собой массивы целочисленных значений кодов с аналого-цифровых преобразователей. Алгоритм нейросетевой обработки данных реализован на языке программирования Python. В исследовании использовались оцифрованные пробы выдыхаемого воздуха от 154 человек. Для случаев отдельной дифференциации здоровых добровольцев, пациентов с раком легких и верхних дыхательных путей алгоритм нейросетевой обработки данных показал точность, в среднем превышающую 87%. Вклад авторов: все авторы сделали эквивалентный вклад в подготовку публикации. Авторы заявляют об отсутствии конфликта интересов The results of a study the set of neural network architectures with variable learning parameters for processing data from gas-analytical medical devices designed for noninvasive diagnosis of lung and upper respiratory tract cancer are considered. The algorithm provides structuring of the input pattern format for the neural network, taking into account the criterion of maximum information in the input data. Diagnostic data from gas-analytical medical devices are arrays of integer values of codes from analog-to-digital converters. The neural network data processing algorithm is implemented in the Python programming language. The study used digitized exhaled air samples from 154 people. For cases of separate differentiation of healthy volunteers, patients with lung and upper respiratory tract cancers, the neural network data processing algorithm showed an average accuracy exceeding 86%. Contribution of the authors: the authors contributed equally to this article. The authors declare no conflicts of interests Текстовый файл |
| Langue: | russe |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | https://www.elibrary.ru/item.asp?id=88890867 https://journals.tsu.ru/informatics/&journal_page=archive&id=2683&article_id=54506 |
| Format: | Électronique Chapitre de livre |
| KOHA link: | https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=684868 |
MARC
| LEADER | 00000naa0a2200000 4500 | ||
|---|---|---|---|
| 001 | 684868 | ||
| 005 | 20260213141505.0 | ||
| 090 | |a 684868 | ||
| 100 | |a 20260213d2025 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 Нейронные сети в диагностике злокачественных новообразований по выдыхаемому воздуху |d Neural networks in the diagnosis of malignant neoplasms by exhaled air |f А. В. Обходский, Д. Е. Кульбакин, Е. В. Обходская [и др.] |z eng | |
| 203 | |a Текст |b визуальный |c электронный | ||
| 283 | |a online_resource |2 RDAcarrier | ||
| 300 | |a Заглавие с экрана | ||
| 320 | |a Список источников: 19 назв | ||
| 330 | |a Рассматриваются результаты исследования набора архитектур нейронных сетей с изменяемыми параметрами обучения для обработки данных с газоаналитических медицинских приборов, предназначенных для неинвазивной диагностики рака легких и верхних дыхательных путей. Алгоритм обеспечивает структурирование формата входных паттернов для нейронной сети с учетом обеспечения критерия максимума информации во входных данных. Диагностические данные с газоаналитических медицинских приборов представляют собой массивы целочисленных значений кодов с аналого-цифровых преобразователей. Алгоритм нейросетевой обработки данных реализован на языке программирования Python. В исследовании использовались оцифрованные пробы выдыхаемого воздуха от 154 человек. Для случаев отдельной дифференциации здоровых добровольцев, пациентов с раком легких и верхних дыхательных путей алгоритм нейросетевой обработки данных показал точность, в среднем превышающую 87%. Вклад авторов: все авторы сделали эквивалентный вклад в подготовку публикации. Авторы заявляют об отсутствии конфликта интересов | ||
| 330 | |a The results of a study the set of neural network architectures with variable learning parameters for processing data from gas-analytical medical devices designed for noninvasive diagnosis of lung and upper respiratory tract cancer are considered. The algorithm provides structuring of the input pattern format for the neural network, taking into account the criterion of maximum information in the input data. Diagnostic data from gas-analytical medical devices are arrays of integer values of codes from analog-to-digital converters. The neural network data processing algorithm is implemented in the Python programming language. The study used digitized exhaled air samples from 154 people. For cases of separate differentiation of healthy volunteers, patients with lung and upper respiratory tract cancers, the neural network data processing algorithm showed an average accuracy exceeding 86%. 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 |c Томск |n Изд-во ТГУ | |
| 463 | 1 | |t № 73 |v С. 122-133 |d 2025 | |
| 610 | 1 | |a обработка данных | |
| 610 | 1 | |a классификаторы | |
| 610 | 1 | |a нейронные сети | |
| 610 | 1 | |a входные данные | |
| 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 Лаконкин |b В. С. |g Владислав Сергеевич | |
| 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 | 0 | |a RU |b 63413507 |c 20260213 |g RCR | |
| 850 | |a 63413507 | ||
| 856 | 4 | 0 | |u https://www.elibrary.ru/item.asp?id=88890867 |z https://www.elibrary.ru/item.asp?id=88890867 |
| 856 | 4 | 0 | |u https://journals.tsu.ru/informatics/&journal_page=archive&id=2683&article_id=54506 |z https://journals.tsu.ru/informatics/&journal_page=archive&id=2683&article_id=54506 |
| 942 | |c CF | ||