uprinmatusИзвестия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроениеProceedings of the Southwest State University. Series: IT Management, Computer Science, Computer Engineering. Medical Equipment Engineering2223-1536Юго-Западный государственный университет10.21869/2223-1536-2024-14-2-142-159uprinmatus-188Research ArticleСИСТЕМНЫЙ АНАЛИЗ И ПРИНЯТИЕ РЕШЕНИЙSYSTEM ANALYSIS AND DECISION-MAKINGМультимодальный классификатор риска рака молочной железы на основе анализа импеданса биоматериалаMultimodal breast cancer risk classifier based on biomaterial impedance analysisСеребровскийА. В.SerebrovskyA. V.

Серебровский Андрей Вадимович, аспирант кафедры биомедицинской инженерии

ул. 50 лет Октября, д. 94, г. Курск 305040, Российская Федерация 

Andrey V. Serebrovsky, Post-Graduate Student of the Department of Biomedical Engineering

50 Let Oktyabrya Str. 94, Kursk 305040, Russian Federation  

kstu-bmi@yandex.ruhttps://orcid.org/0000-0002-0901-9272ШаталоваО. В.ShatalovaO. V.

Шаталова Ольга Владимировна, доктор технических наук, доцент, профессор кафедры биомедицинской инженерии

Researcher ID: C-3687-2015

ул. 50 лет Октября, д. 94, г. Курск 305040, Российская Федерация 

Olga V. Shatalova, Doctor of Sciences (Engineering), Associate Professor, Professor of the Department of Biomedical Engineering 

Researcher ID: C-3687-2015 

50 Let Oktyabrya Str. 94, Kursk 305040, Russian Federation 

shatolg@mail.ruhttps://orcid.org/0009-0008-6217-2840ЛяхА. В.LyakhA. V.

Лях Антон Викторович, аспирант кафедры биомедицинской инженерии

ул. 50 лет Октября, д. 94, г. Курск 305040, Российская Федерация 

Anton V. Lyakh, Post-Graduate Student of the Department of Biomedical Engineering 

50 Let Oktyabrya Str. 94, Kursk 305040, Russian Federation 

kstu-bmi@yandex.ruhttps://orcid.org/0009-0004-1205-2139ХалинИ. А.KhalinI. A.

Халин Игорь Алексеевич, аспирант кафедры биомедицинской инженерии

ул. 50 лет Октября, д. 94, г. Курск 305040, Российская Федерация 

Igor A. Khalin, Post-Graduate Student of the Department of Biomedical Engineering 

50 Let Oktyabrya Str. 94, Kursk 305040, Russian Federation 

russianrocket1996@yandex.ruhttps://orcid.org/0009-0001-1402-7349БашмаковаИ. А.BashmakovaI. A.

Башмакова Ирина Алексеевна, кандидат технических наук, старший преподаватель кафедры электроснабжения

ул. 50 лет Октября, д. 94, г. Курск 305040, Российская Федерация 

Irina A. Bashmakova, Candidate of Sciences (Engineering), Senior Lecturer of the Department of Electricity Supply 

50 Let Oktyabrya Str. 94, Kursk 305040, Russian Federation 

Irina92_2010@mail.ruhttps://orcid.org/0009-0001-8716-8329ПротасоваЗ. У.ProtasovaZ. U.

Протасова Зейнаб Усама, кандидат технических наук, преподаватель кафедры программной инженерии

Researcher ID: HNP-2721-2023

ул. 50 лет Октября, д. 94, г. Курск 305040, Российская Федерация 

Zeinab U. Protasova, Candidate of Sciences (Engineering), Lecturer of the Department of Software Engineering 

Researcher ID: HNP-2721-2023 

50 Let Oktyabrya Str. 94, Kursk 305040, Russian Federation 

zeinab.zeidan@yandex.ruЮго-Западный государственный университетРоссияSouthwest State UniversityRussian Federation202428062024142142159Copyright © Серебровский А.В., Шаталова О.В., Лях А.В., Халин И.А., Башмакова И.А., Протасова З.У., 20242024Серебровский А.В., Шаталова О.В., Лях А.В., Халин И.А., Башмакова И.А., Протасова З.У.Serebrovsky A.V., Shatalova O.V., Lyakh A.V., Khalin I.A., Bashmakova I.A., Protasova Z.U.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://uprinmatus.elpub.ru/jour/article/view/188

Цель исследования. Рак молочной железы является наиболее распространенной злокачественной опухолью среди женщин в Европе, и его раннее выявление играет ведущую роль в снижении уровня смертности. В настоящее время рентгеновская маммография является стандартным методом скрининга для выявления рака молочной железы. Однако из-за морфологического сходства между доброкачественными и злокачественными образованиями многие из положительных скрининговых маммограмм оказываются ложноположительными (до 40%). Поэтому автоматизация и интеллектуализация этого процесса являются актуальной задачей.Методы. В представленных исследованиях рассмотрены проблемы поиска новых, высокочувствительных, оперативных и неинвазивных методов обнаружения злокачественных образований, основанных на использовании современных компьютерных и телекоммуникационных технологий, позволяющих не только идентифицировать ранние проявления патологического очага, но и осуществлять мониторинг процесса эффективности терапии без существенного вреда здоровью пациента.Результаты. Представленная модель многоканального классификатора интегрирует возможности многочастотной биоимпедансометрии и матричного съема информации с поверхности кожи человека посредством многоэлектродных матричных систем. Для этого на основе матрицы электродов осуществляется 3D-картирование поверхности кожи в проблемных областях. За счет многочастотного сканирования получаем трехмерное биоимпедансное изображение, которое анализируется посредством сверточной нейронной сети и/или лицом, принимающим решение. Предложенное решение позволяет одновременно анализировать данные экспертом (биоимпедансное изображение) и сверточной нейронной сетью (обучаемый классификатор), что приводит к снижению ложноположительных результатов.Заключение. Возможности многоканального контроля открывают перспективы построения импедансных многомерных «портретов» злокачественных образований. Для классификации «портретов» (диагностики и доклинической диагностики) привлекаются методы и алгоритмы распознавания и классификации изображений.

Purpose of the research. Breast cancer is the most common malignant tumor among women in Europe and its early detection plays a leading role in reducing mortality rates. Currently, X-ray mammography is the standard screening method for detecting breast cancer. However, due to the morphological similarities between benign and malignant lesions, many of the positive screening mammograms are false positive (up to 40%). Therefore, automation and intellectualization of this process is an urgent task.Methods. The presented studies examine the problems of finding new, highly sensitive, prompt and non-invasive methods for detecting malignant tumors, based on the use of modern computer and telecommunication technologies, which make it possible not only to identify early manifestations of a pathological focus, but also to monitor the process of the effectiveness of therapy without significant harm to the patient’s health.Results. The presented model of a multi-channel classifier integrates the capabilities of multi-frequency bioimpedance measurements and matrix acquisition of information from the surface of human skin through multi-electrode matrix systems. To do this, based on a matrix of electrodes, 3D mapping of the skin surface in problem areas is carried out. Through multi-frequency scanning, we obtain a three-dimensional bioimpedance image, which is analyzed by a convolutional neural network and/or by a decision maker. The proposed solution allows simultaneous analysis of data by an expert (bioimpedance image) and a convolutional neural network (trained classifier), which leads to a reduction in false positive results.Conclusion. The possibilities of multichannel monitoring open up prospects for constructing impedance multidimensional "portraits" of malignant tumors. To classify “portraits” (diagnostics and preclinical diagnostics), methods and algorithms for image recognition and classification are used.

рак молочной железыбиоимпедансная спектроскопияклассификаторнейронная сетьалгоритмbreast cancerbioimpedance spectroscopyclassifierneural networkalgorithmИсследования выполнены в рамках реализации программы развития ФГБОУ ВО «ЮгоЗападный государственный университет» программы стратегического академического лидерства «Приоритет – 2030».The research was carried out within the framework of the development program of the Federal State Budgetary Educational Institution of Higher Education "Southwestern State University" of the strategic academic leadership program "Priority – 2030".ReferencesАлиева Г. С., Корженкова Г. П., Колядина И. В. Анализ ключевых рентгенологических характеристик раннего инвазивного рака молочной железы стадий T₁ₐ₋bN₀M₀ и DCIS // Онкологический журнал: лучевая диагностика, лучевая терапия. 2021. Т. 4, № 1. С. 9–19. https://doi.org/10.37174/2587-7593-2021-4-1-9-19Alieva G.S., Korzhenkova G.P., Kolyadina I.V. Analysis of Key Radiographic Characteristics of Early Invasive Breast Cancer, Stages T₁ₐ₋bN₀M₀ and DCIS. Onkologicheskii zhurnal: luchevaya diagnostika, luchevaya terapiya = Journal of Oncology: Diagnostic Radiology and Radiotherapy. 2021;4(1):9–19. (In Russ.) https://doi.org/10.37174/2587-7593-2021-4-1-9-19Объективизация топографо-анатомических показателей злокачественной опухоли молочной железы при ультразвуковом исследовании / А. Р. Хамитов, А. Х. Исмагилов, Н. А. Савельева, И. А. Киясов // Поволжский онкологический вестник. 2017. Т. 1, № 28. C. 59–64.Khamitov A.R., Ismagilov A.K., Savelyeva N.A., Kiyasov I.A. Objectification of topographic-anatomical indicators of breast cancer with ultrasound examination. Povolzhskii Onkologicheskii Vestnik = Oncology Bulletin of the Volga Region. 2017;1(28):59–64 (In Russ.)Zou Y., Guo Z. A review of electrical impedance techniques for breast cancer detection // Medical Engineering & Physics. 2003. Vol. 25, N 2. P. 79–90. https://doi.org/10.1016/s1350-4533(02)00194-7Zou Y., Guo Z. A review of electrical impedance techniques for breast cancer detection. Medical Engineering & Physics. 2003;25(2):79–90. https://doi.org/10.1016/s1350-4533(02)00194-7Пат. 2504328 Российская Федерация. Устройство для контроля анизотропии электрической проводимости биотканей / Томакова Р. А., Филист С. А., Кузьмин А. А., Кузьмина М. Н., Алексенко В. А., Волков И. И. № 2012128471/14; заявл. 06.07.12; опубл. 20.01.14.Tomakova R.A., Filist S.A., Kuz'min A.A., Kuz'mina M.N., Aleksenko V.A., Volkov I.I. Device for controlling the anisotropy of electrical conductivity of biotissues. Russian Federation Patent, 2504328, 20 January, 2014. (In Russ.)Шаталова О. В. Интеллектуальные системы мониторинга медицинских рисков с учетом биоимпедансных исследований: монография / Юго-Западный государственный университет. Курск, 2020. 356 с.Shatalova O.V. Intelligent systems for monitoring medical risks taking into account bioimpedance studies. Kursk: Yugo-Zapadnyi gosudarstvennyi universitet; 2020. 356 p. (In Russ.)Технологии биоимпедансной спектроскопии в системах поддержки принятия решений при диагностике социально значимых заболеваний / О. В. Шаталова, Н. С. Стадниченко, М. А. Ефремов, И. А. Башмакова, А. В. Лях, А. В. Серебровский // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. 2023. Т. 13, № 4. С. 148–174. https://doi.org/10.21869/2223-1536-2023-13-4-148-174Shatalova O.V., Stadnichenko N.S., Efremov M.A., Bashmakova I.A., Lyakh A.V., Serebrovsky A.V. Technologies of Bioimpedance Spectroscopy in Decision Support Systems for the Diagnosis of Socially Significant Diseases. Izvestiya Yugo-Zapadnogo gosudarstvennogo universiteta. Seriya: Upravlenie, vychislitel'naya tekhnika, informatika. Meditsinskoe priborostroenie = Proceedings of the Southwest State University. Series: Control, Computer Engineering, Information Science. Medical Instruments Engineering. 2023;13(4);148–174. (In Russ.) https://doi.org/10.21869/2223-1536-2023-13-4-148-174Биомедицинская спектроскопия в классификаторах функционального состояния органов и систем человека, построенных на основе гибридных технологий искусственного интеллекта / О. В. Шаталова, А. В. Серебровский, Н. С. Стадниченко, А. Ю. Новоселов, А. В. Лях // Системный анализ и управление в биомедицинских системах. 2023. Т. 22, № 2. С. 100-113. https://doi.org/10.36622/VSTU.2023.22.2.015Shatalova O.V., Serebrovsky A.V., Stadnichenko N.S., Novoselov A.Y., Lyakh A.V. Bioimpedance spectroscopy in classifiers of the functional state of human organs and systems based on hybrid artificial intelligence technologies. Sistemnyi analiz i upravlenie v biomeditsinskikh sistemakh = System Analysis and Management in Biomedical Systems. 2023;22(2):100–113. (In Russ.) https://doi.org/10.36622/VSTU.2023.22.2.015Модели импеданса биоматериала для формирования дескрипторов в интеллектуальных системах диагностики инфекционных заболеваний / А. В. Мирошников, Н. С. Стадниченко, О. В. Шаталова, С. А. Филист // Моделирование, оптимизация и информационные технологии. 2020. Т. 8, № 4. С. 1‒14. https://doi.org/10.26102/2310-6018/2020.31.4.018Miroshnikov A.V., Stadnichenko N.S., Shatalova O.V., Filist S.A. Biomaterial impedance models for the formation of descriptors in intelligent systems for the diagnosis of infectious diseases. Modelirovaniye, optimizatsiya i informatsionnyye tekhnologii = Modeling, Optimization and Information Technologies. 2020;8(4):1‒14. (In Russ.) https://doi.org/10.26102/2310-6018/2020.31.4.018Филист С. А., Кассим К. Д. А., Руцкой Р. В. Гибридные решающие системы для прогнозирования послеоперационных осложнений у больных с доброкачественной гиперплазией предстательной железы // Известия Юго-Западного государственного университета. 2013. № 5 (50). С. 40–49.Filist S.A., Kassim K.D.A., Rutskoi R.V. Hybrid decisive systems for forecasting of postoperative sequelae at patients with benign gyperplazia of the prostate gland. Izvestiya Yugo-Zapadnogo gosudarstvennogo universiteta = Proceedings of the Southwest State University. 2013;(5):40–49. (In Russ.)Гибридные интеллектуальные модели для сегментации изображений рентгенограмм грудной клетки / С. А. Филист, Р. А. Томакова, С. В. Дегтярев, А. Ф. Рыбочкин // Медицинская техника. 2017. № 5 (305). С. 41–45.Filist S.A., Tomakova R.A., Degtyarev S.V., Rybochkin A.F. Hybrid intelligent models for chest X-ray image segmentation. Meditsinskaya tekhnika = Medical Equipment. 2017;(5):41–45. (In Russ.)Филист С. А., Томакова Р. А., Насер А. А. Нечеткие нейросетевые технологии для выделения сегментов с патологическими образованиями и морфологическими структурами на медицинских изображениях // Биомедицинская радиоэлектроника. 2012. № 4. С. 43–50.Filist S.A., Tomakova R.A., Naser A.A. Indistinct neural-net technologies for separation of segments with pathologic formations and morphological structures in medical images. Biomeditsinskaya radioehlektronika = Journal Biomedical Radioelectronics. 2012;(4):43–50. (In Russ.)Филист С. А., Емельянов С. Г., Рыбочкин А. Ф. Нейросетевой решающий модуль для исследования живых систем // Известия Курского государственного технического университета. 2008. № 2 (23). С. 77–82.Filist S.A., Emel'yanov S.G., Rybochkin A.F. Neural network solver for the study of living systems. Izvestiya Kurskogo gosudarstvennogo tekhnicheskogo universiteta = Proceedings of Kursk State Technical University. 2008;(2):77–82. (In Russ.)Жилин В. В., Филист С. А., Аль-Муаалеми В. А. Гибридный способ классификации биосигналов на основе технологий нечеткой логики принятия решений и нейронных сетей // Биомедицинская радиоэлектроника. 2009. № 5. С. 77–82.Zhilin V.V., Filist S.A., Al'-Muaalemi V.A. A hybrid method for classifying biosignals based on fuzzy decision logic technologies and neural networks. Biomeditsinskaya radioehlektronika = Journal Biomedical Radioelectronics. 2009;(5):77–82. (In Russ.)A method for creating fuzzy neural-network models using the MATLAB package for biomedical applications / V. V. Zhilin, S. A. Filist, Kh. A. Rakhim, O. V. Shatalova // Biomedical Engineering. 2008. N 42 (2). P. 64–66. https://doi.org/10.1007/s10527-008-9019-yZhilin V.V., Filist S.A., Rakhim K.A., Shatalova O.V. A method for creating fuzzy neural-network models using the MATLAB package for biomedical applications. Biomedical Engineering. 2008;(42):64–66. https://doi.org/10.1007/s10527-008-9019-yАлгоритм оптимизации модели Войта в классификаторах функционального состояния живых систем / А. В. Мирошников, О. В. Шаталова, М. А. Ефремов, Н. С. Стадниченко, А. Ю. Новоселов, А. В. Павленко // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. 2022. Т. 12, № 2. С. 59‒75. https://doi.org/10.21869/2223-1536-2022-12-2-59-75Miroshnikov A.V., Shatalova O.V., Efremov M.A., Stadnichenko N.S., Novoselov A.Y., Pavlenko A.V. Method for Classification of the Functional State of Living Systems Based on Recurrent Voigt Models. Izvestiya Yugo-Zapadnogo gosudarstvennogo universiteta. Seriya: Upravlenie, vychislitel'naya tekhnika. Meditsinskoe priborostroenie = Proceedings of the Southwest State University. Series: Control, Computer Engineering, Information Science. Medical Instruments Engineering. 2022;12(2):59‒75. (In Russ.) https://doi.org/10.21869/2223-1536-2022-12-2-59-75Классификации биологических объектов на основе многомерного биоимпедансного анализа / А. В. Мирошников, О. В. Шаталова, Н. С. Стадниченко, Л. В. Шульга // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. 2020. Т. 10, № 3/4. С. 29–49.Miroshnikov A.V., Shatalova O.V., Stadnichenko N.S., Shulga L.V. Classification of biological objects based on multidimensional bioimpedance analysis. Izvestiya Yugo-Zapadnogo gosudarstvennogo universiteta. Seriya Upravlenie, vychislitel'naya tekhnika. Meditsinskoe priborostroenie = Proceedings of Southwest State University. Series: Control, Computer Engineering, Information Science. Medical Instruments Engineering. 2020;10(3/4):29‒49. (In Russ.)Филист С. А., Шаталова О. В., Богданов А. С. Модели биоимпеданса при нелинейной вольтамперной характеристике и обратимом пробое диэлектрической составляющей биоматериала // Бюллетень сибирской медицины. 2014. Т. 13, № 4. С. 129–135.Filist S.A., Shatalova O.V., Bogdanov A.S. Bioimpedance models at the nonlinear volt-amperе characteristic and Reversible breakdown of the dielectric component of the biomaterial. Byulleten' sibirskoi meditsiny = Bulletin of Siberian Medicine. 2014;3(4):129–135. (In Russ.)Использование гибридных нейросетевых моделей для многоагентных систем классификации в гетерогенном пространстве информативных признаков / А. Г. Курочкин, В. В. Жилин, С. А. Суржикова, С. А. Филист // Прикаспийский журнал: управление и высокие технологии. 2015. № 3 (31). С. 85–95.Kurochkin A.G., Zhilin V.V., Surzhikova S.A., Filist S.A. Use of hybrid neural network models for multi-agent systems of classification in heterogeneous space of informative signs. Prikaspiiskii zhurnal: upravlenie i vysokie tekhnologii = Caspian Journal: Management and High Technology. 2015;(3):85–95. (In Russ.)Курочкин А. Г., Протасова В. В., Филист С. А., Шуткин А. Н. Нейросетевые модели для метаанализа медико-экологических данных // Нейрокомпьютеры. Разработка, применение. 2015. № 6. С. 42–48.Kurochkin A.G., Protasova V.V., Filist S.A., Shutkin A.N. Neirosetevye modeli dlya meta-analiza mediko-ehkologicheskikh dannykh [Neural network model for meta-analysis of medical and ecological data]. Neirokomp'yutery. Razrabotka, primenenie = Journal Neurocomputers, 2015, no. 6, pp. 42–48. (In Russ.)Филист С. А., Шаталова О. В., Ефремов М. А. Гибридная нейронная сеть с макрослоями для медицинских приложений // Нейрокомпьютеры. Разработка и применение. 2014. № 6. С. 35–39.Filist S.A., Shatalova O.V., Efremov M.A. Hybrid neural network with macro layers for medical applications. Neirokomp'yutery. Razrabotka i primenenie = Journal Neurocomputers. 2014;(6):35–39. (In Russ.)Распределенные автономные интеллектуальные агенты для мониторинга и мета-анализа эффективности управления живыми системами / Т. В. Петрова, А. А. Кузьмин, Д. Ю. Савинов, В. В. Серебровский // Прикаспийский журнал: управление и высокие технологии. 2017. № 40 (4). С. 61–73.Petrova T.V., Kuz'min A.A., Savinov D.Y, Serebrovskiy V.V. Distributed autonomous intellectual agents for monitoring and metaanalysis of living systems management effectiveness. Prikaspiiskii zhurnal: upravlenie i vysokie tekhnologii = Caspian Journal: Management and High Technology. 2017;(40):61–73. (In Russ.)Структурно-функциональная модель для мониторинга влияния управляющих воздействий на функциональное состояние самоорганизующихся систем / П. С. Кудрявцев, А. Н. Шуткин, В. В. Протасова, С. А. Филист // Прикаспийский журнал: управление и высокие технологии. 2015. № 2 (30). С. 105–118.Kudryavtsev P.S., Shutkin A.N., Protasova V.V., Filist S.A. Structural functional model for monitoring the influence of control actions on self-organizing systems state. Prikaspiiskii zhurnal: upravlenie i vysokie tekhnologii = Caspian Journal: Management and High Technology. 2015;(2):105–118. (In Russ.)

The authors declare that there are no conflicts of interest present.