АГРЕГИРОВАННАЯ ОЦЕНКА РЕЗУЛЬТАТОВ ДИЭЛЕКТРИЧЕСКОЙ ИМПЕДАНСНОЙ СПЕКТРОСКОПИИ НА ОСНОВЕ СТАТИСТИЧЕСКИХ ПАРАМЕТРОВ И МЕТРИКИ ХАУСДОРФА

Обложка

Цитировать

Полный текст

Аннотация

Актуальность и цели. В работе рассматривается метод неинвазивной диагностики рака молочной железы с помощью диэлектрической импедансной спектроскопии. Предлагается способ формирования по результатам обследования методом диэлектрической импедансной спектроскопии агрегатированной оценки состояния молочной железы, которая повышает достоверность обнаружения новообразований. Материалы и методы. Для оценки результатов биоимпедансной спектроскопии был разработан следующий алгоритм: на основе результатов многократных измерений активной и реактивной составляющих комплексного сопротивления молочной железы в информативном частотном диапазоне 20 Гц – 20 МГц рассчитываются статистические параметры и метрика Хаусдорфа частотных характеристик составляющих относительной диэлектрической проницаемости, которые нормируются методом MinMаx. Агрегатированная оценка состояния молочной железы формируется из нормированных оценок статистических параметров и метрик Хаусдорфа методом PCA/LOO. Результаты. В результате исследования были ранжированы три объекта согласно объему неоднородных включений. Полученные результаты совпали с экспериментальными данными. Выводы. Применение статистических параметров и метрики Хаусдорфа позволяет провести сравнительную оценку объектов с неоднородными включениями и на основе агрегированной оценки определить динамику развития раковой клетки.

Об авторах

Ксения Михайловна Демушкина

Пензенский государственный университет

Автор, ответственный за переписку.
Email: riabova.ksenija@yandex.ru

аспирант

(Россия, г. Пенза, ул. Красная, 40)

Список литературы

  1. Федеральная служба государственной статистики. URL: https://rosstat.gov.ru/ (дата обращения: 17.03.2025).
  2. Jossinet J. The impedivity of freshly excised human breast tissue // Physiol. Meas. 1998. Vol. 19, № 1. P. 61–75.
  3. Zarafshani A. Feasibility Test of Quantitative Assessment of Breast Density Based on Dielectric Impedance Spectroscopy // JABB. 2017. Vol. 2, № 6.
  4. Grzegorczyk T. M. [et al.]. Fast 3-D Tomographic Microwave Imaging for Breast Cancer Detection // IEEE Trans. Med. Imaging. 2012. Vol. 31, № 8. P. 1584–1592.
  5. Safronov M. [et al.]. Mobile ECG Monitoring Device with Bioimpedance Measurement and Analysis // 2019 24th Conference of Open Innovations Association (FRUCT). Moscow, 2019. P. 375–380. doi: 10.1109/DSPA60853.2024.10510118
  6. Kuzmin A., Baranov V. Bioimpedance spectroscopy of breast phantoms // Journal of Electrical Bioimpedance. 2025. Vol. 16, № 1. P. 50–55. doi: 10.2478/joeb-2025-0007
  7. Косякова Н. В. Оценка регионального здравоохранения методом Minmax с целью изучения опыта организации лекарственного обеспечения больных с орфанными заболеваниями // Здоровье и образование в XXI веке. 2017. № 12. URL: https://cyberleninka.ru/article/n/otsenka-regionalnogo-zdravoohraneniya-metodomminmax-s-tselyu-izucheniya-opyta-organizatsii-lekarstvennogo-obespecheniya-bolnyh-s (дата обращения: 09.06.2025).
  8. Rodriguez A., Wright G., Emrich S., Clark P. L. MinMax: A versatile tool for calculating and comparing synonymous codon usage and its impact on protein folding // Protein Sci. 2018. № 27 (1). P. 356–362. doi: 10.1002/pro.3336
  9. Haque Md. S. Hassan Md. R., Binmakhashen G. M. [et al.]. Breast Density Classification for Cancer Detection Using DCT-PCA Feature Extraction and Classifier Ensemble // Intelligent Systems Design and Applications. 2018. March. P. 702–711. doi: 10.1007/978- 3-319-76348-4_68
  10. Ibrahim S., Nazir S., Velastin S. Feature Selection Using Correlation Analysis and Principal Component Analysis for Accurate Breast Cancer Diagnosis // Journal of Imaging. 2021. Vol. 7. P. 225. doi: 10.3390/jimaging7110225
  11. Yuan J., Li Y., Liu C., Zha X. Leave-One-Out Cross-Validation Based Model Selection for Manifold Regularization // 7th International Symposium on Neural Networks. 2010. P. 457–464.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).