Ключевые слова
классификация
гемодиализ
спектральный признак
аудиосигнал
Как цитировать
Аннотация
в современном мире пациентам, состоящим на гемодиализе, необходимо постоянно следить за состоянием своей фистулы либо самостоятельно, либо посещая специалиста. Это может вызывать определенные трудности у человека, так как у каждого может быть свое восприятие состояния артериовенозной фистулы. В статье представлена разработанная автором модель машинного обучения, позволяющего классифицировать фистулу. Также рассмотрены различные методы фильтрации признаков для использования этих обработанных данных в классификации состояния фистулы. Кроме этого, автором предложена новая методика с использованием спектральных признаков, позволяющих более точно определять состояние пациента, находящегося на гемодиализе.
Литература
Kovesdy C. P. Epidemiology of Chronic Kidney Disease: an Update 2022. Kidney International Supplements. 2022;12(1):7–11. DOI: 10.1016/j.kisu.2021.11.003.
Коннер К. Сосудистый доступ для гемодиализа. Нефрология. 2009;13(4):9–17. Режим доступа: https://cyberleninka.ru/article/n/sosudistyy-dostup-dlya-gemodializa.
Николаев Е. Н., Мазайшвили К. В., Лобанов Д. С., Демина А. В., Блохина А. В. Современное состояние проблемы тромбоза сосудистого доступа у больных на гемодиализе. Вестник СурГУ. Медицина. 2019;3:8–14. Режим доступа: https://cyberleninka.ru/article/n/sovremennoe-sostoyanie-problemytromboza-sosudistogo-dostupa-u-bolnyh-na-gemodialize.
Ota K., Nishiura Y., Ishihara S., Adachi H., Yamamoto T., Hamano T. Evaluation of Hemodialysis Arteriovenous Bruit by Deep Learning. Sensors. 2020;20:4852. DOI: 10.3390/s20174852.
Gromov V. A., Zvorykina E. I., Beschastnov Y. N., Sohrab M. Date-Driven Approach for Identifying State of Hemodialysis Fistulas: Entropy-Complexity and Formal Concept Analysis. Режим доступа: https://arxiv.org/abs/2309.14399.
Munguía M., Vásquez P., Mattsson E., Mandersson B. Acoustical Detection of Venous Stenosis in Hemodialysis Patients Using Principal Component Analysis. Annual International Conference of the IEEE Engineering in Medicine and Biology; 2010. Р. 3654–3657. DOI: 10.1109/IEMBS.2010.5627439.
Grochowina M., Leniowska L. Comparison of SVM and k-NN Classifiers in the Estimation of the State of the Arteriovenous Fistula Problem. Federated Conference on Computer Science and Information Systems. 2015;5:249–254. DOI: 10.15439/2015F194.
Зайляпова О. С., Заикин П. В., Федоров Д. А. Модели исследования звуковых данных артериовенозной фистулы. Наука, образование, инновации: актуальные вопросы и современные аспекты: сб. ст. XV Международ. научно-практич. конф. в 2 ч. Ч. 1. Пенза: Наука и Просвещение (ИП Гуляев Г.Ю.); 2022. С. 55–57. Режим доступа: https://elibrary.ru/download/elibrary_50055026_53743111.pdf.
Федоров Д. А., Назина Н. Б., Кучин И. А. Преобразование и анализ сигнала АВ-фистулы в информационной системе мониторинга сосудистого доступа у больных на гемодиализе. Современная наука и молодые ученые: Сб ст. XIII Международ. научно-практич. конф. Пенза: МЦНС «Наука и просвещение»; 2023. С. 48–57. Режим доступа: https://naukaip.ru/wp-content/uploads/2023/06/MK1741.pdf.
Турлай А. А., Заикин П. В., Назина Н. Б. Применение методов машинного обучения и анализа данных при оценке состояния фистулы. Вестник кибернетики. 2019;4:61–65. Режим доступа: https://elibrary.ru/item.asp?id=42316208.