Дослідження роботи класифікаторів для оптимізації постановки діагнозів бронхолегеневих захворювань

Скорочена інформація про документ
dc.contributor.authorПорєва, Г. С.
dc.contributor.authorГончарова, Д.
dc.contributor.authorPorieva, Hanna S.
dc.contributor.authorHoncharova, D.
dc.contributor.authorПорева, А. С.
dc.contributor.authorГончарова, Д.
dc.date.accessioned2017-08-02T14:12:50Z
dc.date.available2017-08-02T14:12:50Z
dc.date.issued2016
dc.description.abstractenThis article considers the possibility of using classifiers, which are the basis of machine learning to diagnoses bronchopulmonary diseases optimization. The work of a few qualifiers was considered and as a result of the research the nearest neighbor method was chosen for the task classifier. As the parameters of this method numerical characteristics of breathing sounds signals were chosen. This characteristics was calculated on the basis of poyspectral analysis. It was found that this classifier is simple to implement and to operate with the data base of breathing sounds. The resulting accuracy of the classifier is high enough. The algorithm is designed to greatly simplify the work of the doctor-pulmonologist for setting a timely diagnosis.en
dc.description.abstractruВ данной статье рассмотрена возможность применения классификаторов, являющихся основой машинного обучения, для оптимизации постановки диагнозов бронхолегочных заболеваний. Рассмотрено работу нескольких классификаторов, и в результате исследования для поставленной задачи был выбран классификатор на основе метода ближайших соседей. В качестве параметров данного метода были выбраны рассчитанные на основе полиспектрального анализа численные характеристики сигналов звуков дыхания. Было установлено, что данный классификатор является простым для реализации и для работы с базой звуков дыхания. Полученная точность работы классификатора является достаточно высокой. Разработанный алгоритм призван существенно упростить работу врача-пульмонолога для постановки своевременного диагноза.ru
dc.description.abstractukУ статті розглянуто можливість застосування класифікаторів, що є основою машинного навчання, для оптімізації постановки діагнозів бронхолегеневих захворювань. Розглянуто роботу декількох класифікаторів, і в результаті дослідження для поставленого завдання обраний класифікатор на основі методу найближчих сусідів. В якості параметрів методу обрані розраховані на основі поліспектрального аналізу чисельні характеристики сигналів звуків дихання. Встановлено, що даний класифікатор є простим для реалізації і роботи з базою звуків дихання. Отримана точність роботи класифікатора є досить високою. Розроблений алгоритм покликаний істотно спростити роботу лікаря-пульмонолога для постановки своєчасного діагнозу.uk
dc.format.pagerangeС. 44-48uk
dc.identifier.citationПорєва Г. С. Дослідження роботи класифікаторів для оптимізації постановки діагнозів бронхолегеневих захворювань / Г. С. Порєва, Д. Гончарова // Електроніка та зв'язок : науково-технічний журнал. – 2016. – Т. 21, № 4(93). – С. 44–48. – Бібліогр.: 8 назв.uk
dc.identifier.doihttp://dx.doi.org/10.20535/2312-1807.2016.21.4.81930
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/20183
dc.language.isoukuk
dc.publisherНТУУ «КПІ»uk
dc.publisher.placeКиївuk
dc.sourceЕлектроніка та зв'язок : науково-технічний журнал, Т. 21, № 3(94)uk
dc.status.pubpublisheduk
dc.subjectзвуки диханняuk
dc.subjectкласифікаторuk
dc.subjectметод k-найближчих сусідівuk
dc.subjectполіспектральний аналізuk
dc.subjectclassifieren
dc.subjectmethod k-nearest neighborsen
dc.subjectbreath soundsen
dc.subjectpolyspectral analysisen
dc.subjectклассификаторru
dc.subjectметод k-ближайших соседеru
dc.subjectзвуки дыханияru
dc.subjectполиспектральный анализru
dc.subject.udc004.9uk
dc.titleДослідження роботи класифікаторів для оптимізації постановки діагнозів бронхолегеневих захворюваньuk
dc.title.alternativeResearch of classifiers’ work to optimize diagnoses bronchopulmonary diseasesuk
dc.title.alternativeИсследование работы классификаторов для оптимизации постановки диагнозов бронхолегочных заболеванийuk
dc.typeArticleuk
thesis.degree.level-uk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
EiS2016-4_8Poreva.pdf
Розмір:
361.97 KB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
7.8 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Електроніка та зв'язок: науково-технічний журнал, Т. 21, № 4(93)