Аналіз методів підтримки прийняття рішень в системах поляризаційної інтроскопії біологічних тканин та рідин
The article discusses the features of the application of decision support methods based on machine learning, fuzzy logic and neural networks in polarization introscopy systems of biological objects. It was determined that methods such as fuzzy logic, some machine learning methods (decision trees, XG...
Збережено в:
| Дата: | 2025 |
|---|---|
| Автор: | |
| Формат: | Стаття |
| Мова: | Ukrainian |
| Опубліковано: |
Vinnytsia National Technical University
2025
|
| Теми: | |
| Онлайн доступ: | https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/760 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Optoelectronic Information-Power Technologies |
Репозитарії
Optoelectronic Information-Power Technologies| id |
oai:oeipt.vntu.edu.ua:article-760 |
|---|---|
| record_format |
ojs |
| spelling |
oai:oeipt.vntu.edu.ua:article-7602025-06-19T11:44:36Z Analysis of decision support methods in polarization introscopy systems of biological tissues and fluids Аналіз методів підтримки прийняття рішень в системах поляризаційної інтроскопії біологічних тканин та рідин Шолота, В.В. decision support method machine learning neural networks fuzzy logic biological layer system polarization introscopy метод підтримки прийняття рішень машинне навчання нейронні мережі нечітка логіка біологічний шар система поляризаційна інтроскопія The article discusses the features of the application of decision support methods based on machine learning, fuzzy logic and neural networks in polarization introscopy systems of biological objects. It was determined that methods such as fuzzy logic, some machine learning methods (decision trees, XGBoost) and neural networks (multilayer perceptron) allow to achieve an increase in the accuracy of polarization diagnostics of BS to the level of 81-98%. However, the obtained accuracy results may be overestimated due to the imperfection of the evaluation models and methods of sample formation, which requires further research. A comparative analysis of their accuracy characteristics is presented, taking into account the input data, software implementation and the type of pathologies diagnosed in the introscopy system. 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. Vinnytsia National Technical University 2025-06-18 Article Article application/pdf https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/760 10.31649/1681-7893-2025-49-1-185-192 Optoelectronic Information-Power Technologies; Vol. 49 No. 1 (2025); 185-192 Оптико-електроннi iнформацiйно-енергетичнi технологiї; Том 49 № 1 (2025); 185-192 Оптико-електроннi iнформацiйно-енергетичнi технологiї; Том 49 № 1 (2025); 185-192 2311-2662 1681-7893 10.31649/1681-7893-2025-49-1 uk https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/760/691 |
| institution |
Optoelectronic Information-Power Technologies |
| baseUrl_str |
|
| datestamp_date |
2025-06-19T11:44:36Z |
| collection |
OJS |
| language |
Ukrainian |
| topic |
метод підтримки прийняття рішень машинне навчання нейронні мережі нечітка логіка біологічний шар система поляризаційна інтроскопія |
| spellingShingle |
метод підтримки прийняття рішень машинне навчання нейронні мережі нечітка логіка біологічний шар система поляризаційна інтроскопія Шолота, В.В. Аналіз методів підтримки прийняття рішень в системах поляризаційної інтроскопії біологічних тканин та рідин |
| topic_facet |
decision support method machine learning neural networks fuzzy logic biological layer system polarization introscopy метод підтримки прийняття рішень машинне навчання нейронні мережі нечітка логіка біологічний шар система поляризаційна інтроскопія |
| format |
Article |
| author |
Шолота, В.В. |
| author_facet |
Шолота, В.В. |
| author_sort |
Шолота, В.В. |
| title |
Аналіз методів підтримки прийняття рішень в системах поляризаційної інтроскопії біологічних тканин та рідин |
| title_short |
Аналіз методів підтримки прийняття рішень в системах поляризаційної інтроскопії біологічних тканин та рідин |
| title_full |
Аналіз методів підтримки прийняття рішень в системах поляризаційної інтроскопії біологічних тканин та рідин |
| title_fullStr |
Аналіз методів підтримки прийняття рішень в системах поляризаційної інтроскопії біологічних тканин та рідин |
| title_full_unstemmed |
Аналіз методів підтримки прийняття рішень в системах поляризаційної інтроскопії біологічних тканин та рідин |
| title_sort |
аналіз методів підтримки прийняття рішень в системах поляризаційної інтроскопії біологічних тканин та рідин |
| title_alt |
Analysis of decision support methods in polarization introscopy systems of biological tissues and fluids |
| description |
The article discusses the features of the application of decision support methods based on machine learning, fuzzy logic and neural networks in polarization introscopy systems of biological objects. It was determined that methods such as fuzzy logic, some machine learning methods (decision trees, XGBoost) and neural networks (multilayer perceptron) allow to achieve an increase in the accuracy of polarization diagnostics of BS to the level of 81-98%. However, the obtained accuracy results may be overestimated due to the imperfection of the evaluation models and methods of sample formation, which requires further research. A comparative analysis of their accuracy characteristics is presented, taking into account the input data, software implementation and the type of pathologies diagnosed in the introscopy system. |
| publisher |
Vinnytsia National Technical University |
| publishDate |
2025 |
| url |
https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/760 |
| work_keys_str_mv |
AT šolotavv analysisofdecisionsupportmethodsinpolarizationintroscopysystemsofbiologicaltissuesandfluids AT šolotavv analízmetodívpídtrimkiprijnâttâríšenʹvsistemahpolârizacíjnoííntroskopííbíologíčnihtkanintarídin |
| first_indexed |
2025-09-24T17:29:39Z |
| last_indexed |
2025-09-24T17:29:39Z |
| _version_ |
1850410281075736576 |