This article analyzed the application of Electrical Impedance Tomography (EIT) in diagnosing lung diseases using the Lung Electrical Tomography System (LETS), which consists of a vest equipped with 32 electrodes and the LETSWEB analytical module. A comparison was made between the classification models Multi-layer Perceptron (MLP) and Gradient Boosting Classifier (GBC). In classifying pathological conditions based on simulated EIT data, the MLP model achieved a higher accuracy (87.5%) compared to the GBC model, which reached 80.5%. The study employed the Boruta algorithm for feature selection and dimensionality reduction techniques, significantly improving classification efficiency. The results highlight the potential of LETS and EIT as non-invasive diagnostic methods for detecting respiratory diseases.
PL
W artykule dokonano analizy zastosowania tomografii impedancyjnej (EIT) w diagnostyce chorób płuc, z wykorzystaniem systemu Lung Electrical Tomography System (LETS), który składa się z kamizelki wyposażonej w 32 elektrody oraz modułu analitycznego LETSWEB. Porównano modele klasyfikacyjne Multi-layer Perceptron (MLP) i Gradient Boosting Classifier (GBC). W klasyfikacji stanów patologicznych na podstawie symulowanych danych EIT model MLP osiągnął wyższą dokładność (87,5%) w porównaniu z modelem GBC, który uzyskał 80,5%.. W badaniu zastosowano algorytm Boruta do selekcji cech oraz techniki redukcji wymiarowości, co znacząco poprawiło efektywność klasyfikacji. Wyniki wskazują na duży potencjał LETS i EIT jako nieinwazyjnych metod diagnostycznych w wykrywaniu chorób układu oddechowego.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.