Машинне навчання в діагностиці захворювань легеневої системи
DOI:
https://doi.org/10.25140/2411-5363-2022-2(28)-76-87Ключові слова:
медицина; штучний інтелект; захворювання легень; інновації; діагностикаАнотація
Метою дослідження було порівняти точність постановки діагнозу нейромережею зі встановленим лікарями захворюванням, а також протестувати поточний метод обстеження на здорових людях. У процесі дослідження було використано теоретичні методи, діагностичні, емпіричні, методи математичної статистики та глибокого машинного навчання. Розроблена модель досягла високого рівня продуктивності, чутливість методу становила 99 %.
Пропоноване авторами дослідження забезпечує досить точне розпізнавання досліджуваних хвороб легень за звуками легень. Це дослідження демонструє позитивні результати машинного навчання на обмеженій вибірці.
Посилання
Labaki W. W. Chronic respiratory diseases: a global view / W. W. Labaki, M. K. Han // Lancet Respiratory Medicine. – 2020. – Vol. 8, No. 6. – Pр. 531-533.
Cho S. J. Aging and Lung Disease / S. J. Cho, H. W. Stout-Delgado // Annual Review of Physiology. – 2020. – Vol. 82. – Pр. 433-459.
Greenes R. A. Medical informatics. An emerging academic discipline and institutional priority / R. A. Greenes, E. H. Shortliffe // JAMA. – 1990. – Vol. 263, No. 8. – Pр. 1114-1120.
Reiner B. I. Improving healthcare delivery through patient informatics and quality centric data / B. I. Reiner // Journal of Digital Imaging. – 2011. – Vol. 24, No. 2. – Pр. 177-178.
Kaul V. History of artificial intelligence in medicine / V. Kaul, S. Enslin, S. A. Gross // Gastrointestinal Endoscopy. – 2020. – Vol. 92, No. 4. – Pр. 807-812.
Aykanat M. Classification of lung sounds using convolutional neural networks / M. Aykanat, Ö. Kılıç, B. Kurt // EURASIP Journal on Image and Video Processing. – 2017. – Vol. 65, No. 1. – Pр. 65-69.
Bardou D. Lung sounds classification using convolutional neural networks / D. Bardou, K. Zhang, S. M. Ahmad // Artificial Intelligence in Medicine. – 2018. – Vol. 88, No. 1. – Pр. 58-69.
Detecting Respiratory Pathologies Using Convolutional Neural Networks and Variational Autoencoders for Unbalancing Data / M. T. García-Ordás, J. A. Benítez-Andrades, I. García-Rodríguez, C. Benavides, H. Alaiz-Moretón // Sensors. – 2020. – Vol. 20, No. 4. – Аrt. 1214.
Özçelik N. Artificial intelligence applications in pulmonology and its advantages during the pandemic period / N. Özçelik, İ. Selimoğlu // Tuberk Toraks. – 2021. – Vol. 69, No. 3. – Pр. 380-386.
Mekov E. Artificial intelligence and machine learning in respiratory medicine / E. Mekov, M. Miravitlles, R. Petkov // Expert Review of Respiratory Medicine. – 2020. – Vol. 14, No. 6. – Pр. 559-564.
Applications of artificial intelligence and machine learning in respiratory medicine / S. Gonem, W. Janssens, N. Das, M. Topalovic // Thorax. – 2020. – Vol. 75, No. 8. – Pр. 695-701.
Emmanouilidou D. Characterization of noise contaminations in lung sound recordings / D. Emmanouilidou, M. Elhilal // On Conference proceedings: Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. – Osaka: Osaka International Convention Center, 2013. – Pр. 2551-2554.
A wavelet-based ECG delineator: evaluation on standard databases / J. P. Martínez, R. Almeida, S. Olmos, A. P. Rocha, P. Laguna // IEEE Transactions on Biomedical Engineering. – 2004. – Vol. 51, No. 4. – Pр. 570-581.
Understanding and using sensitivity, specificity and predictive values / R. Parikh, A. Mathai, S. Parikh, G. Chandra Sekhar, R. Thomas // Indian Journal of Ophthalmology. – 2008. – Vol. 56, No. 1. – Pр. 45-50.
CNN-based transfer learning-BiLSTM network: A novel approach for COVID-19 infection detection / M. F. Aslan, M. F. Unlersen, K. Sabanci, A. Durdu // Applied Soft Computing. – 2021. – Vol. 98. – Аrt. 106912.
Ghaderzadeh M. Deep Learning in the Detection and Diagnosis of COVID-19 Using Radiology Modalities: A Systematic Review / M. Ghaderzadeh, F. Asadi // Journal of Healthcare Engineering. – 2021. – Vol. 2021. – Аrt. 6677314.
Machine Learning and Deep Neural Networks in Thoracic and Cardiovascular Imaging / T. A. Retson, A. H. Besser, S. Sall, D. Golden, A. Hsiao // Journal of Thoracic Imaging. – 2019. – Vol. 34, No. 3. – Pр. 192-201.
Radiomics and deep learning in lung cancer / M. Avanzo, J. Stancanello, G. Pirrone, G. Sartor // Strahlentherapie und Onkologie. – 2020. – Vol. 196, No. 10. – Pр. 879-887.
Systematic review of machine learning for diagnosis and prognosis in dermatology / K. Thomsen, L. Iversen, T. L. Titlestad, O. Winther // Journal of Dermatological Treatment. – 2020. – Vol. 31, No. 5. – Pр. 496-510.
Artificial Intelligence Surgery: How Do We Get to Autonomous Actions in Surgery? / A. A. Gumbs, I. Frigerio, G. Spolverato, R. Croner, A. Illanes, E. Chouillard, E. Elyan // Sensors. – 2021. – Vol. 21, No. 16. – Аrt. 5526.
Stanford Medicine. Harnessing the Power of Data in Health. Stanford Medicine [Electronic resource]. – 2017. – Accessed mode: https://med.stanford.edu/content/dam/sm/smnews/ documents/StanfordMedicineHealthTrendsWhitePaper2017.pdf.
Khemasuwan D. Artificial intelligence in pulmonary medicine: computer vision, predictive model and COVID-19 / D. Khemasuwan, J. S. Sorensen, H. G. Colt // European Respiratory Review. – 2020. – Vol. 29, No. 157. – Аrt. 200181.
Yu K.-H. Artificial intelligence in healthcare / K.-H. Yu, A. L. Beam, I. S. Kohane // Nature Biomedical Engineering. – 2018. – Vol. 2, No. 10. – Pр. 719-731.
Chin-Yee B. Three Problems with Big Data and Artificial Intelligence in Medicine / B. Chin-Yee, R. Upshur // Perspectives in Biology and Medicine. – 2019. – Vol. 62, No. 2. – Pр. 237-256.
Naylor C. D. On the Prospects for a (Deep) Learning Health Care System / C. D. Naylor // JAMA. – 2018. – Vol. 320, No. 11. – Pр. 1099-1100.
eDoctor: Machine learning and the future of medicine / G. S. Handelman, H. K. Kok, R. V. Chandra, A. H. Razavi, M. J. Lee, H. Asadi // Journal of Internal Medicine. – 2018. – Vol. 284, No. 6. – Pp. 603-619.
Upshur R. E. If not evidence, then what? Or does medicine really need a base? / R. E. Upshur // Journal of Evaluation in Clinical Practice. – 2002. – Vol. 8, No. 2. – Pp. 113-119.
Effect of Data Augmentation and Lung Mask Segmentation for Automated Chest Radiograph Interpretation of Some Lung Diseases / P. Gang, W. Zeng, Yu. Gordienko, Yu. Kochura, O. Alienin, O. Rokovyi, S. Stirenko // Neural Information Processing. ICONIP 2019. Communications in Computer
and Information Science / Edited by T. Gedeon, K. Wong, M. Lee. – Cham: Springer, 2019.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.