人工智能增强优化无线呼吸传感器阵列用于检测肺癌使用模糊逻辑引导的遗传算法和多模式机器学习
Dong Dinh1, Guojun Shang2, Lei Cai3,4
1Systems Science and Industrial Engineering, State University of New York at Binghamton, Binghamton, New York 13902, United States.
ACS sensors
|March 4, 2026
概括
一个新的无线呼吸传感器平台使用人工智能早期检测肺癌. 这种非侵入性工具分析挥发性有机化合物 (VOCs),以改善患者的生存率和可访问的查.
科学领域:
- 生物医学工程 生物医学工程
- 纳米技术纳米技术
- 人工智能的人工智能
背景情况:
- 早期发现肺癌对于患者的生存至关重要,但目前的方法昂贵且难以获得.
- 需要使用非侵入性查方法来改善可访问性和减少医疗保健负担.
研究的目的:
- 开发和验证一个完全集成的无线呼吸传感平台,用于早期检测肺癌.
- 利用人工智能驱动的优化来增强呼吸样本中的挥发性有机化合物 (VOC) 检测.
主要方法:
- 开发了一个无线平台,将纳米结构化化学复制 (NC) 传感器阵列与人工智能驱动的 Fuzzy 逻辑引导遗传算法 (Fuzzy-GA) 结合起来.
- 从肺癌患者 (n=35) 和非癌症参与者 (n=47) 收集的呼吸样本.
- 应用监督机器学习模型 (KNN,SVM,随机森林,XGBoost,CNN) 来分析VOC模式.
主要成果:
- Fuzzy-GA 算法优化了传感器阵列大小,同时保持了高诊断性能.
- 优化的平台在将肺癌患者与对照患者区分时达到高达96%的分类准确度.
- 证明了系统复杂性降低,成本降低,并改善了现实世界部署的可扩展性.
结论:
- 开发的无线呼吸传感平台为早期肺癌检测提供了一个临床上可行的,非侵入性的工具.
- 由人工智能驱动的优化显著提高了诊断性能和系统效率.
- 该平台具有家庭监测和更广泛的疾病查应用的潜力.
