Registration Number
2100U000185, Article
popup.category
Стаття, Рецензовано
Title
Neural network analysis of mammary gland thermograms using the estimate of fractal dimension in field temperature distribution (AI translated)
popup.author
Лях Ю. Є. (Y. Liakh)
Гур’янов В. Г. ( V. Hurianov)
Білошенко В. О. (V. Biloshenko)
Лях М. В. (M. Liakh)
Мельничук В. О. ( V. Melnichuk)
Lyakh Yu. Ye. (Y. Liakh)
Huryanov V. H. ( V. Hurianov)
Biloshenko V. O. (V. Biloshenko)
Lyakh M. V. (M. Liakh)
Melnychuk V. O. ( V. Melnichuk)
popup.publication
01-01-2000
popup.source_user
Національний університет "Острозька академія" МОН України
popup.source
https://eprints.oa.edu.ua/id/eprint/9612/
popup.publisher
Description
Перспективним методом обстеження молочних залоз жіночого населення є термомамографія. Неінвазивність та безпечність і ефективність визначення патологічних змін в МЗ дозволяють вважати цей метод доцільним для широкого застосування. Методи оцінки та аналізу термограм. Для аналізу термограм використано 68 показників, до яких включені: вік, мінімальна температура і розмір поля температур МЗ; 32 параметри відносної площі підвищення температур і 33 за алгоритмом оцінки показника Херста для фракталів високої розмірності. Для проведення аналізу були використані регресійні моделі та криві операційних характеристик (ROC). Кількісний аналіз результатів термографії молочних залоз. Побудовано лінійну модель прогнозування ризику патології МЗ, AUC=0,85 (95% CI 0,82–0,87) та нелінійну модель прогнозування ризику патології, AUC=0,89 (95% CI 0,87–0,92). Висновки. Побудована нейромережева MLP модель прогнозування ризику патології МЗ, а її чутливість складає 90,2% (95% CI 86,7%–93,0%) і специфічність — 85,1% (95% CI 80,6–88,9).
(Thermography is one of the promising additional standard methods of mammary glands screening in a large group of population. This method is considered to be suitable for widespread use due to its non-invasiveness, lack of radiation exposure and thus safety for the health of patients, accessibility to patients and high detection effectiveness of pathological changes of the mammary gland. Methods of thermograms evaluation and analysis. To identify the risk of mammary gland pathology we analyzed thermograms using 68 features, among which three indicators of general characteristics: age of the patient, minimal temperature of theMG field, size of the MG temperature field; 32 features of the relative area of temperature rise; and 33 features of thermograms characteristics according to Hurst exponent of high dimensional fractals. To analyze distribution of MG field temperature and to identify signs of thermograms associated with the risk of pathology, methods of constructing one-factor and multifactor regression models were used, as well as method of operating characteristic curves (ROC). Quantitative analysis of the thermography results. On the basis of the selected factor signs, a linear model for predicting the risk of MG pathology was built — AUC=0,85 (95% CI 0,82–0,87) and a nonlinear model (was used a multilayer perceptron — MLP, with one hidden layer with sigmoid activation functions) for predicting the risk of MG pathology AUC=0,89 (95% CI 0,87–0,92). A nonlinear neural network model on a reduced set of traits had better)
popup.nrat_date
2026-05-01
