Аналіз методів підтримки прийняття рішень в системах поляризаційної інтроскопії біологічних тканин та рідин

Автор(и)

  • В.В. Шолота Вінницький національний технічний університет

DOI:

https://doi.org/10.31649/1681-7893-2025-49-1-185-192

Ключові слова:

метод підтримки прийняття рішень, машинне навчання, нейронні мережі, нечітка логіка, біологічний шар, система, поляризаційна інтроскопія

Анотація

В статті розглянуто особливості застосування методів підтримки прийняття рішень на основі машинного навчання, нечіткої логіки та нейронних мереж в системах поляризаційної інтроскопії біологічних об’єктів. Наводиться порівняльний аналіз їх  характеристик точності з урахуванням вхідних даних, програмної реалізації та типу діагностованих в системі інтроскопії  патологій. Було визначено, що такі методи, як нечітка логіка, деякі методи машинного навчання (дерева рішень, XGBoost) та нейронні мережі (багатошаровий перцептрон) дозволяють досягти підвищення точності поляризаційної діагностики БШ до рівня 81-98%. Проте отримані результати точності можуть бути завищеними через недосконалість моделей оцінювання та способи формування вибірок, що потребує подальшого дослідження. 

Біографія автора

В.В. Шолота, Вінницький національний технічний університет

асистент

Посилання

Alalia, S., Vitkin, A., “Polarized light imaging in biomedicine: emerging Mueller matrix methodologies for bulk tissue assessment,” J. Biomed. Opt. 20(6), 061104 (2015).

Znan, H., Voelz, G., and M. Kupinski, “Parametr-based imaging from passive multispectral polarimetric measurements,” Opt. Express 27, 28832 (2019).

Lee, H. R., Li, P., Yoo, T.S. et al., “Digital histology with Mueller microscopy: how to mitigate an impact of tissue cut thickness fluctuations,” J. Biomed. Opt. 27 (7), 076004 (2019).

Vasyuk, V.L., Kalashnikov, A.V., Ushenko, A.G. et al., “Digital Information Methods of Polarization, Mueller-Matrix and Fluorescent Microscopy,” Springer Nature Singapore, 2023. 102 p.

Zabolotna, N.I., Sholota, V.V., Okarskyi H.H., “Methods and systems of polarization reproduction and analysis of the biological layers structure in the diagnosis of pathologies,” Proceedings of SPIE. 11369, 113691S, P. 501-513 (2020).

Khan, S., Qadir, M., Khalid, A. et al., “Characterization of cervical tissue using Mueller matrix polarimetry,” Lasers in Med Scienc. 38 (1) (2023)

Jiao, S., Wang, L. V. “Jones-matrix imaging of biological tissues with quadruple-channel optical coherenct tomography,” J. Biomed. Opt. 7(3), 350–358 (2002) doi: 10.1117/1.1483878.

Zabolotna, N. I., Radchenko, K. O. and Karas, O.V., “Method and system of Jones-matrix mapping of blood plasma films with “fuzzy” analysis in differentiation of breast pathology changes,” Proc. SPIE 10612, 106121P (2018).

Ushenko, A.G., Zhytaryuk V.G., Vanchulyak, Ya. O. et al., "Statistical and cross-correlation structure of Jones-matrix images of polycrystalline films of biological fluids," Proc. SPIE 10977, Advanced Topics in Optoelectronics, Microelectronics, and Nanotechnologies IX, 109773T, December 2018. https://doi.org/10.1117/12.2323586.

Zabolotna, N.I., Dovhaliuk, R.Y., “Orientational tomography of optical axes directions distributions of multilayer biological tissues birefringent polycrystalline networks,” Proc. SPIE 8873, 887313 (2013).

Zabolotna, N.I., Oliinychenko, B.P., Radchenko, K.O. et al., “System of polarization phasometry of polycrystalline blood plasma networks in mammary gland pathology diagnostics,” Proc. of SPIE 9613, 961311; (2015).

Ushenko, Y. A. et al., “Diagnostics of Structure and Physiological State of Birefringent Biological Tissues: Statistical, Correlation and Topological Approaches,” Handbook of Coherent_Domain Optical Methods, New York: Springer Science+Business Media, 107–148 (2013).

Qin, Z. et. al., “How convolutional neural network see the world: a survey of convolutional neural network visualization methods,” CoRR abs/1804.11191 (2018).

Zadeh, Lotfi A., “Fuzzy logic: principles, applications, and perspectives,”. Proc. SPIE. Vol.1468. (1991).

Osisanwo, F. et al., “Supervised machine learning algorithms: classification and comparison”, Int. J. Comput. Trends Technol. 48 (3), 128-138 (2017).

Majumdar, A., Lad, J., Tumanova, K. et al., “Machine learning based local recurrence prediction in colorectal cancer using polarized light imaging,” J. Biomed. Opt. 29(15), 052915 (2024).

Robinson, D., Hoong, K., Kleijn, W. B. et al., “Polarimetric imaging for cervical pre-cancer screening aided by machine learning: ex vivo studies,” J. Biomed. Opt. 28(10), 102904 (2023).

Radchenko, O.K., “Intellectualized Mueller-Jones matrix system of laser polarimetry for breast fibroadenoma diagnosis,” Proc. SPIE 10750, 107500M (2018); doi: 10.1117/12.2320130.

Zabolotna, N.I., Sholota, V.V. “Metod ta pidsystema pidtrymky pryiniattia rishennia dlia miuller-matrychnoi lazernoi poliaryzatsiinoi diahnostyky biolohichnykh tkanyn”, Optyko-elektronni informatsiino-enerhetychni tekhnolohii 1, 43-52 (2022).

Zabolotna, N. I., Sholota, V. V., Satymbekov, M., Komada, P., “Azimuthally invariant system of Mueller-matrix polarization diagnosis of biological layers with fuzzy logical methods of decision-making,” Proc.of SPIE, 12476, 1247608 (2022) doi: 10.1117/12.2659208.

Zabolotna, N., Sholota, V., Zhumagulova, S. et. al., “System of polarization mapping and intellectual analysis of Mueller matrix invariants of biological layers in the assessment of pathologies,” Proc. SPIE 12985, 129850Q. (2023) doi.org/10.1117/12.3023049.

##submission.downloads##

  • pdf
    Завантажень: 2
Переглядів анотації: 2

Опубліковано

2025-06-18

Як цитувати

[1]
В. Шолота, «Аналіз методів підтримки прийняття рішень в системах поляризаційної інтроскопії біологічних тканин та рідин», Опт-ел. інф-енерг. техн., вип. 49, вип. 1, с. 185–192, Чер 2025.

Номер

Том 49 № 1 (2025)

Розділ

Біомедичні оптико-електронні системи та прилади

Метрики

Завантаження

Дані завантаження ще не доступні.

Ліцензія

Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:

  1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
  2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
  3. Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).