<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Застосування згорткових нейронних мереж для підвищення діагностичної точності та ефективності лікування хворих на діабет в пульсодіагностиці

Ескіз

Файли

177015.pdf (947,12 KB)

Дата

2025

Автори





Назва журналу

Номер ISSN

Назва тому

Видавець

Вінницький національний технічний університет

DOI

Анотація

It has been shown that the use of this photoplethysmographic method in maxillofacial surgery by integrating it into advanced models of deep neural networks, such as ResNet architectures, allows: to accurately determine the effectiveness of treatment; to specify the duration of the rehabilitation period; to identify all kinds of vascular disorders in patients with diabetes; to assess the effectiveness of local anesthesia (since anesthesia causes vasospasm, the effectiveness of anesthesia can be judged by a decrease in the amplitude).

Опис

Ключові слова

pulse diagnostics , photoplethysmography , convolutional neural networks , diabetes mellitus

УДК

615.47: 616–072.7

Тип документа

Thesis

Мова

uk_UA

Є частиною

Матеріали Міжнародної науково-технічної конференції з оптико-електронних інформаційних технологій «ФОТОНІКА − ODS 2025», Вінниця, 23 -24 квітня 2025 р.

ISSN

Бібліографічний опис

Ян Лунінь, Павлов С. В., Шкільняк Л. І., Скорюкова Я. Г., Канішина Т. М. Застосування згорткових нейронних мереж для підвищення діагностичної точності та ефективності лікування хворих на діабет в пульсодіагностиці // Матеріали Міжнародної науково-технічної конференції з оптико-електронних інформаційних технологій «ФОТОНІКА − ODS 2025», Вінниця, 23-24 квітня 2025 р. Електрон. текст. дані. 2025. URI: https://conferences.vntu.edu.ua/index.php/ods/ods_2025/paper/view/24698.

URI

https://ir.lib.vntu.edu.ua/handle/123456789/50748

Зібрання

Наукові видання каф. ОМТМІГ

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (5)

  1. He, K.; Zhang, X.; Ren, S.; Sun, J. Deep residual learning for image recognition. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, Las Vegas, NV, USA, 27–30 July 2016; pp. 770–778
  2. Yeh, W.-C.; Kuo, C.-Y.; Chen, J.-M.; Ku, T.-H.; Yao, D.-J.; Ho, Y.-C.; Lin, R.-Y. Pioneering Data Processing for Convolutional Neural Networks to Enhance the Diagnostic Accuracy of Traditional Chinese Medicine Pulse Diagnosis for Diabetes. Bioengineering 2024, 11, 561. https://doi.org/ 10.3390/bioengineering11060561.
  3. Wójcik, W., Pavlov, S., Kalimoldayev, M. (2019). Information Technology in Medical Diagnostics II. London: Taylor & Francis Group, CRC Press, Balkema book. – 336 Pages, https://doi.org/10.1201/ 9780429057618. eBook ISBN 9780429057618.
  4. Pavlov, S.V., Kozhukhar, A. T., Electro-optical system for the automated selection of dental implants according to their colour matching, Przegląd elektrotechniczny, ISSN 0033-2097, R. 93 NR 3, 2017, pp. 121-124.
  5. Fu, S.E.; Lai, S.P. A system for pulse measurement and analysis of Chinese medicine. In Proceedings of the IEEE Engineering in Medicine & Biology Society’s 11th Annual International Conference, Seattle, WA, USA, 9–12 November 1989; pp. 1695–1696. 2. Yu, Y.C.; Yeh, S.J.; Chiu, C.C. Analysis of autonomic nervous system by applying artificial neural network to categorize pulse signals from Finapres. Clin. Auton. Res. 1996, 5, 295–1996.