Машинне навчання в спектроскопічному аналізі слини: оцінка ефективності кластеризації та глибоких нейронних мереж для визначенні раку ротової порожнини

Abstract

Мета – оцінити ефективність кластеризації та згорткових нейронних мереж у спектроскопічному аналізі слини для скринінгу раку ротової порожнини та визначити оптимальний підхід до класифікації спектрів. Висновки. Неконтрольовані методи є неефективними через високе перекриття спектрів різних груп. Натомість CNN забезпечує високу точність класифікації, що робить її перспективним інструментом для автоматизованого скринінгу РРП.

Objective – to evaluate the effectiveness of clustering methods and CNNs in the saliva spectroscopic analysis for OC screening and determine the optimal approach for spectral classification. Conclusions. Unsupervised clustering methods proved in effective due to the high overlap of spectra from different groups. In contrast, CNNs demonstrated high classification accuracy, making them a promising tool for automated OC screening.