Шаталова Ольга Владимировна, доктор технических наук, доцент, профессор кафедры биомедицинской инженерии
ул. 50 лет Октября, д. 94, г. Курск 305040
Researcher ID: C-3687-2015
Olga V. Shatalova, Dr. of Sci. (Engineering), Associate Professor, Professor of the Department of Biomedical Engineering
50 Let Oktyabrya Str. 94, Kursk 305040
Researcher ID: C-3687-2015
Стадниченко Никита Сергеевич, аспирант кафедры биомедицинской инженерии
Nikita S. Stadnichenko, Post-Graduate Student of the Department of Biomedical Engineering
50 Let Oktyabrya Str. 94, Kursk 305040
Ефремов Михаил Александрович, кандидат технических наук, доцент, доцент кафедры информационной безопасности
ул. 50 лет Октября, д. 94, г. Курск 305040
Mikhail A. Efremov, Cand. of Sci. (Engineering), Associate Professor, Associate Professor of the Department of Information Security
50 Let Oktyabrya Str. 94, Kursk 305040
Башмакова Ирина Алексеевна, кандидат технических наук, старший преподаватель кафедры электроснабжения
ул. 50 лет Октября, д. 94, г. Курск 305040
Irina A. Bashmakova, Cand. of Sci. (Engineering), Senior Lecturer of the Department of Electricity Supply
50 Let Oktyabrya Str. 94, Kursk 305040
Лях Антон Викторович, аспирант кафедры биомедицинской инженерии
ул. 50 лет Октября, д. 94, г. Курск 305040
Anton V. Lyakh, Post-Graduate Student of the Department of Biomedical Engineering
50 Let Oktyabrya Str. 94, Kursk 305040
Серебровский Андрей Вадимович, аспирант кафедры биомедицинской инженерии
ул. 50 лет Октября, д. 94, г. Курск 305040
Andrey V. Serebrovsky, Post-Graduate Student of the Department of Biomedical Engineering
50 Let Oktyabrya Str. 94, Kursk 305040
Цель исследования – развитие методов синтеза гибридных классификаторов для оценки риска социально значимых заболеваний с использованием биоимпедансного анализа.
Методы. Мы разработали дескрипторный подход, используя результаты импедансной спектроскопии, генерируя четыре амплитудно-фазочастотные характеристики от четырех квазиортогональных отведений. Они создают пространства признаков, необходимые для нашего гибридного классификатора в диагностике заболеваний поджелудочной железы, автономные интеллектуальные агенты которого построены на различных парадигмах: вероятностные нейронные сети; нечеткий логический вывод; полносвязные нейронные сети прямого распространения сигнала. Также мы представили структуру устройства для создания пространства информативных признаков.
Результаты. Экспериментальные исследования предложенных методов и средств классификации медицинского риска были осуществлены на задачах диагностики по классам «острый деструктивный панкреатит» ‒ «нет острого деструктивного панкреатита» и задачах дифференциальной диагностики по классам «рак предстательной железы» – «хронический панкреатит». Они показали, что включение многочастотного зондирования в классификаторы на основе нейронных сетей позволяет разрабатывать системы поддержки клинических решений для диагностики заболеваний, сопоставимые по показателям эффективности с существующими методами клинической диагностики. Результаты были подтверждены на группах пациентов мужского и женского пола на разных стадиях рака в возрасте от 25 до 80 лет с использованием различных диагностических методов, включая сбор анамнеза, физикальное обследование, оценку сопутствующей патологии, лабораторные исследования, УЗИ, лапароскопию, интраоперационную ревизию и компьютерную томографию.
Заключение. Использование метода биоимпедансной спектроскопии и гибридных моделей классификаторов открывает новые возможности для доступной и объективной диагностики заболеваний поджелудочной железы, расширяя возможности интеллектуальных систем поддержки принятия медицинских решений.
The purpose of the research is to develop methods for the synthesis of hybrid classifiers to assess the risk of socially significant diseases using bioimpedance analysis.
Methods. We developed a descriptor approach using impedance spectroscopy results, generating four amplitudephase-frequency responses from four quasi-orthogonal leads. They create the feature spaces necessary for our hybrid classifier in the diagnosis of pancreatic diseases, the autonomous intelligent agents of which are built on various paradigms: probabilistic neural networks, fuzzy logical inference, fully connected feedforward neural networks. We also presented a device structure for creating an informative feature space.
Results. Experimental studies of the proposed methods and means of classifying medical rice were carried out on diagnostic tasks according to the classes "acute destructive pancreatitis" – "no acute destructive pancreatitis" and differential diagnosis tasks according to the classes "prostate cancer" ‒ "chronic pancreatitis". They showed that incorporating multi-frequency sensing into neural network-based classifiers allows the development of clinical decision support systems for disease diagnosis that are comparable in performance to existing clinical diagnostic methods. The results were confirmed in groups of male and female patients at different stages of cancer aged 25 to 80 years using a variety of diagnostic methods, including history, physical examination, assessment of comorbidities, laboratory tests, ultrasound, laparoscopy, intraoperative exploration and computed tomography.
Conclusion. The use of bioimpedance spectroscopy and hybrid classifier models opens up new opportunities for accessible and objective diagnosis of pancreatic diseases, expanding the capabilities of intelligent medical decision support systems.
The authors declare that there are no conflicts of interest present.