Машинне навчання в діагностиці захворювань легеневої системи

Панаскін, Д. В.; Бабко, Д. С.; Білоконь, Є. О.

dc.contributor.author	Панаскін, Д. В.
dc.contributor.author	Білоконь, Є. О.
dc.contributor.author	Бабко, Д. С.
dc.date.accessioned	2022-12-08T11:08:28Z
dc.date.available	2022-12-08T11:08:28Z
dc.date.issued	2022
dc.identifier.uri	http://ir.stu.cn.ua/123456789/26341
dc.description	Панаскін, Д. Машинне навчання в діагностиці захворювань легеневої системи / Д. Панаскін, Є. Білоконь, Д. Бабко // Технічні науки та технології. - 2022. - № 2 (28). - С. 76-87.	en_US
dc.description.abstract	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.	en_US
dc.language.iso	uk	en_US
dc.publisher	Чернігів : НУ "Чернігівська політехніка"	en_US
dc.relation.ispartofseries	Технічні науки та технології;№ 2 (28)
dc.subject	medicine	en_US
dc.subject	Artificial Intelligence	en_US
dc.subject	lung disease	en_US
dc.subject	innovation	en_US
dc.subject	diagnostics	en_US
dc.subject	медицина	en_US
dc.subject	штучний інтелект	en_US
dc.subject	захворювання легень	en_US
dc.subject	інновації	en_US
dc.subject	діагностика	en_US
dc.title	Машинне навчання в діагностиці захворювань легеневої системи	en_US
dc.title.alternative	Machine learning for diagnosis оf diseases of pulmonary system	en_US
dc.type	Article	en_US
dc.description.abstractalt1	The relevance of the presented article is due to the fact that, although there is data on the effectiveness of using artificial intelligence (AI) for diagnosis of diseases, there is not enough information about the ability of deep learning, illustrated by deep convolutional neural networks and long-term units of short-term memory, in recognizing diseases of the respiratory system by sound signals of the lungs. A deep learning model based on convolutional neural networks and bidirectional long-term short-term memory was used to classify lung sounds and, on its basis, detect the presence of pulmonary system pathology. The aim of the study was to compare the accuracy of a neural network diagnosis with a disease already established by doctors, and to test the current method of examination on healthy people. In the course of the research, theoretical, diagnostic, empirical, methods of mathematical statistics and deep machine learning were used. The developed model reached a high level of productivity; the sensitivity of the method was 97.5 %. The number of negative results that were correctly identified as such was 56 %, and the specificity of the method was 98.2 %. The best results have been achieved in the diagnosis of asthma. The study proposed by the authors provides a fairly accurate recognition of the studied lung diseases by the sounds of the lungs. In the course of the research, new questions and problems arose that needed their solution. This study demonstrates good machine learning results in a limited sample. An important aspect remains to focus on further work with an increased dataset size to include more parameters and a wider range of diseases, such as COVID-19. Future AI research and learning technologies should focus on increasing the productivity and power of artificial intelligence.	en_US