Нейронные сети в диагностике злокачественных новообразований по выдыхаемому воздуху | Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2025. № 73. DOI: 10.17223/19988605/73/14

Нейронные сети в диагностике злокачественных новообразований по выдыхаемому воздуху

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.

Скачать электронную версию публикации

Загружен, раз: 5

Ключевые слова

обработка данных, классификатор, искусственная нейронная сеть, архитектура нейронной сети, формат входных данных, оптимизация входных данных, параметры обучения, признак дифференцирования, эффективность классификатора

Авторы

ФИО	Организация	Дополнительно	E-mail
Обходский Артём Викторович	Национальный исследовательский Томский политехнический университет	кандидат технических наук, доцент инженерной школы ядерных технологий	art707@yandex.ru
Кульбакин Денис Евгеньевич	Научно-исследовательский институт онкологии Томского национального исследовательского медицинского центра Российской академии наук	доктор медицинских наук, заведующий отделением	kulbakin_d@mail.ru
Обходская Елена Владимировна	Национальный исследовательский Томский государственный университет	кандидат технических наук, старший научный сотрудник лаборатории химических технологий	fil330a@yandex.ru
Лаконкин Владислав Сергеевич	Научно-исследовательский институт онкологии Томского национального исследовательского медицинского центра Российской академии наук; Национальный исследовательский Томский политехнический университет	лаборант-исследователь; студент инженерной школы ядерных технологий	vsl13@tpu.ru
Родионов Евгений Олегович	Научно-исследовательский институт онкологии Томского национального исследовательского медицинского центра Российской академии наук; Сибирский государственный медицинский университет	кандидат медицинских наук, старший научный сотрудник; ассистент кафедры онкологии	rodionov_eo@oncology.tomsk.ru
Сачков Виктор Иванович	Национальный исследовательский Томский государственный университет	доктор химических наук, заведующий лабораторией химических технологий	vicsachkov@gmail.com
Чернов Владимир Иванович	Научно-исследовательский институт онкологии Томского национального исследовательского медицинского центра Российской академии наук	профессор, доктор медицинских наук, член-корреспондент РАН, заместитель директора по научной и инновационной работе, заведующий отделением радионуклидной терапии и диагностики	chernov@tnimc.ru
Чойнзонов Евгений Лхамацыренович	Научно-исследовательский институт онкологии Томского национального исследовательского медицинского центра Российской академии наук	профессор, доктор медицинских наук, академик РАН, директор	choynzonov@tnimc.ru

Всего: 8

Ссылки

Kumar A. et al. Revolutionizing healthcare with 5G and AI: Integrating emerging technologies for personalized care and cancer management // Intelligent Hospital. 2025. V. 1 (1). Art. 100005. P. 1-10. doi: 10.1016/j.inhs.2025.100005.

Peng K. et al. Image Segmentation Network for Laparoscopic Surgery // Biomimetic Intelligence and Robotics. 2025. V. 5. P. 1-12 doi: 10.1016/j.birob.2025.100236.

Paithankar V., Devnani D., Nimburkar T.A. A Review Article on “AI-Guided Discovery of Novel Antiinflammatory Agents for Cancer Therapy: A New Era in Drug Development” // Intelligent Hospital. 2025. V. 1 (1). Art. 100007. doi: 10.1016/j.inhs.2025.100007.

Feng S., Yin X., Shen Y. Artificial intelligence powered precision: Unveiling the tumor microenvironment for a new frontier in personalized cancer therapy // Intelligent Medicine. 2025. V. 5. P. 95-98. doi: 10.1016/j.imed.2025.02.001.

Zhang L. et al. Osteosarcoma knowledge graph question answering system: deep learning-based knowledge graph and large language model fusion // Intelligent Medicine. 2025. V. 5. P. 99-110. doi: 10.1016/j.imed.2024.12.001.

Asadi O., Hajihosseini M., Shirzadi S. et al. Improvement of classification accuracy of functional near-infrared spectroscopy signals for hand motion and motor imagery using a common spatial pattern algorithm // Intelligent Medicine. 2025. V. 5. P. 123-131. doi: 10.1016/j.imed.2024.05.004.

Feng Y. et al. Application of artificial intelligence-based computer vision methods in liver diseases: a bibliometric analysis // Intelligent Medicine. 2025. V. 5. P. 111-122. doi: 10.1016/j.imed.2024.09.008.

Li T. et al. Application of multimodal deep learning in the auxiliary diagnosis and treatment of dermatological diseases // Intelligent Medicine. 2025. V. 5. P. 132-140. doi: 10.1016/j.imed.2024.10.002.

Ram U.S., Pogue J.A., Soike M. et al. Assessing quantitative performance and expert review of multiple deep learning-based frameworks for computed tomography-based abdominal organ auto-segmentation // Intelligent Oncology. 2025. V. 1. P. 160-171. doi: 10.1016/j.intonc.2025.03.003.

Wang S., Guo X., Ma J. et al. AWCDL: Automatic weight calibration deep learning for detecting HER2 status in whole-slide breast cancer image // Intelligent Oncology. 2025. V. 1. P. 128-138. doi: 10.1016/j.intonc.2025.03.008.

Adeoye J., Su Y. Deep learning with data transformation improves cancer risk prediction in oral precancerous conditions // Intelligent Medicine. 2025. V. 5. P. 141-150. doi: 10.1016/j.imed.2024.11.003.

Chen X., Xiang J., Lu S. et al. Evaluating large language models and agents in healthcare: key challenges in clinical applications // Intelligient Medicine. 2025. V. 5. P. 151-163. doi: 10.1016/j.imed.2025.03.002.

Wei M., Teh B.S., Xu B. The new paradigm for global oncologists in the era of generative AI // Intelligent Oncology. 2025. V. 1. P. 189-192. doi: 10.1016/j.intonc.2025.06.002.

Cai W. DeepSeek AI: Transforming medical AI with cost-efficiency, transparency, and privacy preservation // Intelligent Oncology. 2025. V. 1. P. 172-175. doi: 10.1016/j.intonc.2025.03.006.

Chernov V.I., Choynzonov E.L., Kulbakin D.E., Obkhodskaya E.V., Obkhodskiy A.V., Popov A.S., Sachkova A.S., Sachkov V.I. Cancer Diagnosis by Neural Network Analysis of Data from Semiconductor Sensors // Diagnostics. 2020. V. 10 (9). Art. 677. doi: 10.3390/diagnostics10090677.

Обходский А.В., Обходская Е.В., Кульбакин Д.Е., Чойнзонов Е.Л., Родионов Е.О., Сачков В.И., Чернов В.И., Попов А.С. Программный комплекс нейросетевой классификации данных газоаналитического обследования дыхательной системы // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2024. № 69. С. 112-123. doi: 10.17223/19988605/69/12.

Сорокоумова Д.А., Корелин О.Н., Сорокоумов А.В. Построение и обучение нейронной сети для решения задачи распознавания речи // Труды Нижегородского государственного технического университета им. Р. Е. Алексеева. 2015. № 3 (110). С. 77-84.

Maaten van der L.J.P., Hinton G.E. Visualizing High-Dimensional Data Using t-SNE // J. of Machine Learning Research. 2008. V. 9. P. 2579-2605.

Sokolova М., Japkowicz N., Szpakowicz S. Beyond Accuracy, F-Score and ROC: A Family of Discriminant Measures for Performance Evaluation // Advances in Artificial Intelligence. 2006. V. 4304. P. 1015-1021.