利用机器学习对呼吸样本进行低成本肺癌检测
摘要：电子鼻系统在近年来成为一种快速识别呼吸系统疾病，包括肺癌的流行方法。传统的电子鼻系统具有一致的原则和传感器响应模式。当意识到早期检测癌症可以挽救99%的生命时，急需设计一种能够以经济有效和准确的方式快速检测肺癌（最常见的癌症）。设计一种Al电子鼻是解决这个问题的完美方式。该研究创建了一个具有14个气体传感器的微型电子鼻系统，并对50个呼吸样本进行了分析。使用了五种特征提取技术和两种分类器来测试系统在识别和区分肺癌和其他呼吸系统疾病以及健康对照组方面的效率。最后，研究了不同传感器类型对电子鼻系统识别物体能力的影响。当使用DA模糊5-NIN分类方法时，将肺癌患者与健康对照组区分的敏感性、特异性和准确率分别为91.58％、91.72％和91.59％。研究结果表明，特定类型的传感器可以极大地提高电子鼻设备的诊断准确性。该研究中描述的电子鼻系统在肺癌筛查中可能表现出良好的结果。此外，在创建电子鼻系统时，考虑到不同类型的传感器是至关重要的。这种机器涵盖了开发一种用户友好且低成本的能够检测肺癌的机器的所有方面。
作者：Jayanth Mokkapati
论文ID：2307.12170
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2023-07-25