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 с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».