Abstract: В статье рассматривается принципиальная возможность применения нейросетевых моделей для прогнозирования состояния оксидативного стресса (ОС) по биомаркерам перекисного окисления липидов (ПОЛ), идентифицируемых во выдыхаемом воздухе (ВВ) здорового человека. Проведено экспериментальное моделирование ОС путем нормобарического, 2-часового дыхания 100%-ным кислородом с участием 12 испытуемых (мужчины в возрасте 24–40 лет). Испытуемые находились в антиорто статическом положении тела с углом наклона тела -6° в течение 21 сут. Пробы ВВ отбирались с применением маски ReCiva производства компании Owlstone и анализировались методом газовой хромато-масс-спектрометрии (ГХ-МС). Обработка полученных данных проводилась с использованием собственной нейросети, разработанной c применением высокоуровневого языка программирования Python, библиотеки TensorFlow компании Google и модуля Keras. В статье описаны основные этапы разработки нейросетевой модели. Показано, что предподготовка и разметка данных имеют решающее значение для повышения точности алгоритма нейросети. В целом применение нейросетевых технологий для анализа биомаркеров ВВ представляет собой перспективный подход для неинвазивной оценки процессов ПОЛ в организме человека, что может существенно улучшить диагностику и прогнозирование патологических состояний, связанных с ОС.

Cite: Орлов О.И. , Озеров Д.С. , Мухамедиева Л.Н. , Лашуков П.В. , Носовский А.М.
Нейросетевые модели анализа биомаркеров выдыхаемого воздуха для неинвазивной оценки процессов липопероксидации в организме здорового человека
Авиакосмическая и экологическая медицина. 2024. Т.58. №5. С.39-46. DOI: 10.21687/0233-528X-2024-58-5-39-46 Scopus РИНЦ OpenAlex

Dates:

Submitted:

Jun 24, 2024

Identifiers:

Scopus:	2-s2.0-105001868851
Elibrary:	74211021
OpenAlex:	W4404122812

Citing: Пока нет цитирований

Altmetrics: