Диагностика злокачественных новообразований человека на основе анализа спектров комбинационного рассеяния света с использованием технологий машинного обучения

А. С. Ковтуненко; А. Р. Билялов; М. С. Сысоева

Информационные технологии интеллектуальной поддержки принятия решений, Информационные технологии интеллектуальной поддержки принятия решений 2018

А. С. Ковтуненко, А. Р. Билялов, М. С. Сысоева

Изменена: 2018-06-22

Аннотация

Статья посвящена разработке нового метода экспресс-диагностики злокачественных новообразований. В основе предлагаемого метода лежит интеллектуальный анализ спектров комбинационного рассеяния света на исследуемых тканях. Разработана методика и алгоритм идентификации пораженных тканей. Проведена экспериментальная проверка предложенного алгоритма.

Ключевые слова

диагностика; машинное обучение; методы экспресс-диагностики злокачественных новообразований

Литература

1. Павлов В.Н., Галимзянов В.З., Кутлияров Л. М., Загитов А.Р., Измайлов А.А., Измайлова С.М., Фазлетдинов А.Д. Илеоцитопластика при инвазивном раке мочевого пузыря // «Онкоурология». 2009. № 4. С. 37–41.

2. Павлов В.Н., Казихинуров А.А., Казихинуров Р.А., Мустафин А.Т. Органосохраняющие операции при опухолях почки // «Здравоохранение Башкортостана». 2005. №S3. C 257–258.

3. Crow P., Barrass B., Kendall C., Hart-Prieto M., Wright M. The Use of Raman Spectroscopy to Differentiate between Different Prostatic Adenocarcinoma Cell Lines. // British Journal of Cancer. 2005. Vol 92. №12. P. 2166–2170.

4. Введение в Рамановскую Спектроскопию//Бел-АЯВР лабораторное аналитическое оборудование. –2011.;URL: http://www.bvr.by/kscms/uploads/editor /file/vvedenie_v_raman_spektroskopiyu.pdf (дата обращения: 22.03.2018).

5. Вейвлет-преобразование // Википедия:.;URL: http://ru-wiki.org/wiki/Вейвлет-преобразование (дата обращения: 22.03.2018).

6. Отбор признаков для машинного обучения на Python//DataReview;URL: http://datareview.info/ article/otbor-priznakov-dlya-mashinnogo-obucheniya-na-python/(дата обращения: 22.03.2018).

7. Метод Главных Компонент (PCA) // Российское хемометрическое общество. – 2008.;URL: http://rcs.chemometrics.ru/Tutorials/pca.htm (дата обращения: 22.03.2018).

8. Васенков Д.В. Методы обучения искусственных нейронный сетей// Центр информатизации образования «КИО» – 2008.;URL: http://www.ipo.spb.ru/journal/content/733/Методы%20обучения%20искусственных%20нейронных%20сетей..pdf (дата обращения: 22.03.2018).

9. Ковтуненко А.С., Валеев С.С., Масленников В.А. Многоагентная платформа распределенной обработки данных реального времени // Естественные и технические науки. 2013. № 2 (64). С. 311-313.

Полный текст: PDF