Лях Антон Викторович, аспирант кафедры биомедицинской инженерии
ул. 50 лет Октября, д. 94, г. Курск 305040
Anton V. Lyakh, Postgraduate at the Department of Biomedical Engineering
50 Let Oktyabrya Str. 94, Kursk 305040
Филист Сергей Алексеевич, доктор технических наук, профессор, профессор кафедры биомедицинской инженерии
Researcher ID: O-4610-2015
ул. 50 лет Октября, д. 94, г. Курск 305040
Sergey A. Filist, Doctor of Sciences (Engineering), Professor, Professor at Department of Biomedical Engineering
50 Let Oktyabrya Str. 94, Kursk 305040
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
Olga V. Shatalova, Doctor of Sciences, Associate Professor, Professor at Department of Biomedical Engineering
50 Let Oktyabrya Str. 94, Kursk 305040
Башмакова Ирина Алексеевна, кандидат технических наук, старший преподаватель кафедры электроэнергетики и электротехники
ул. 50 лет Октября, д. 94, г. Курск 305040
Irina A. Bashmakova, Candidate of Sciences (Engineering) (Engineering), Senior Lecturer at the Department of Electrical Power Engineering and Electrical Engineering
50 Let Oktyabrya Str. 94, Kursk 305040
Шульга Леонид Васильевич, доктор медицинских наук, профессор, профессор кафедры охраны труда и окружающей среды
ул. 50 лет Октября, д. 94, г. Курск 305040
Leonid V. Shulga, Doctor of Sciences (Medical), Professor, Professor at the Department of Occupational Safety and Environment
50 Let Oktyabrya Str. 94, Kursk 305040
Цель исследования. Отечественные и зарубежные исследования доказали, что электрический импеданс биоткани может быть использован в качестве предиктора заболеваний грудной клетки. Однако этот метод нуждается в совершенствовании, так как имеет ограничения в разрешающей способности, а также в несовершенстве моделей биоимпеданса, необходимых для формирования дескрипторов для систем машинного обучения.
Методы. В представленном исследовании предложена гибридная модель интеллектуальной системы биоимпедансных исследований, которая использует как модель машинного обучения, так и интеллект специалиста, который анализирует изображение анатомического объекта, полученное по результатам электроимпедансного картирования. Для получения изображения используется многополюсная модель импеданса биоматериала. Для построения такой модели были решены прямая и обратная задачи. В результате решения прямой задачи были получены уравнения, позволяющие определить потенциалы в узлах многополюсника при известном импедансе в его звеньях. В результате решения обратной задачи были определены импедансы звеньев многополюсника при известных потенциалах в его полюсах.
Результаты. В ходе исследования была разработана программа для построения тепловых карт распределения импеданса грудной клетки. Она объединяет в себе удобный графический интерфейс, модули математической обработку данных и наглядную визуализацию результатов. Программа позволяет медицинским специалистам быстро получить представление о распределении импеданса, что может быть полезно для диагностики и оценки текущего состояния пациента. Гибкость выбора метода интерполяции и возможность сохранения результатов делают программу ценным инструментом в медицинской практике.
Заключение. Предложено комплексное решение, объединяющее передовые методы математической обработки данных и современные подходы к созданию пользовательских интерфейсов, что дает медицинским специалистам мощный инструмент для анализа данных об импедансе грудной клетки.
Purpose of research. Domestic and foreign studies have proven that the electrical impedance of biotissue can be used as a predictor of chest diseases. However, this method needs to be improved, since it has limitations in resolution, as well as in the imperfection of bioimpedance models required to form input vectors for machine learning systems.
Methods. The presented study proposes a hybrid model of an intelligent bioimpedance research system that uses both a machine learning model and the intelligence of a specialist who analyzes the image of an anatomical object obtained from the results of electrical impedance mapping. To obtain an image, a multi-pole model of biomaterial impedance is used. To construct such a model, direct and inverse problems were solved. As a result of solving the inverse problem, equations were obtained that allow one to determine the potentials at the nodes of a multi-pole with a known impedance in its links. As a result of solving the inverse problem, the impedances of the multipole links were determined with known potentials at its poles.
Results. During the study, a program was developed for constructing heat maps of the chest impedance distribution. The program is a powerful tool for visualizing the impedance distribution over the chest. It combines a convenient graphical interface, modules for mathematical data processing and clear visualization of results. The program allows medical professionals to quickly get an idea of the impedance distribution, which can be useful for diagnostics and assessing the current condition of the patient. The flexibility of choosing the interpolation method and the ability to save the results make the program a valuable tool in medical practice.
Conclusion. A comprehensive solution is proposed that combines advanced mathematical data processing methods and modern approaches to creating user interfaces, which provides medical specialists with a powerful tool for analyzing chest impedance data.
The authors declare that there are no conflicts of interest present.