Wyniki wyszukiwania - BazTech

1

Pulmonary Functions of Welders in Gas Transmission Pipelines in Iran

Golbabaei F., Khadem M., Ghahri A., Babai M., Hosseini M., SeyedSomea M., Dinari B.

International Journal of Occupational Safety and Ergonomics

|

2013

|

Vol. 19, No. 4

647--655

EN

This study evaluated the influence of welding on pulmonary functions in welders. Spirometry tests were performed before and after work shift in 91 welders and 25 clerks (control group). We examined forced vital capacity (FVC), forced expiratory volume in 1 s (FEV1), FEV1/FVC ratio and forced expiratory flow 25%–75%(FEF 25–75). Significant differences were found for FVC and FEV1/FVC between welders and the control group in pre- and post-shift measurements (p < .001). In welders, smoking and nonsmoking habit had no significant effects on any pulmonary indices before or after shift. Work experience and fume concentrations also had no significant effects on the majority of spirometric indices (p > .05). Most welders had at least 1 of the respiratory symptoms. Significant differences were found between pre- and post-shift indices (as percentage of predicted values calculated with spirometer) and between the welders engaged in some welding tasks and the control group before work shift. This study documented work-related changes in pulmonary functions in the welders and marked drops in these functions without symptoms in some welders.

2

Porównanie metody kNN i techniki sieci neuronowych w klasyfikacji badań spirometrycznych

Grabska-Chrząstowska J., Libuszowski W., Tomalak W.

Bio-Algorithms and Med-Systems

|

2005

|

Vol. 1, no. 1/2

9--12

PL

Praca przedstawia porównanie sieci neuronowych z metodą najbliższych sąsiadów, zastosowanych do klasyfikacji wyników badania spirometrycznego. Sieci neuronowe okazały się lepszym klasyfikatorem niż metoda kNN.

EN

This paper presents a comparison of neural networks and the kNN method in spirometric tests classification. Neural networks proved to be a better classifier than the kNN method.

3

Analiza wpływu parametrów wejściowych na klasyfikację wyników badania spirometrycznego za pomocą sieci neuronowych

Grabska-Chrząstowska J., Libuszowski W., Tomalak W.

Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

|

2004

|

T. 8, z. 3

469-475

PL

Badanie spirometryczne, polegające na pomiarze objętości i przepływów w układzie oddechowym, jest najczęściej wykonywanym badaniem przy podejrzeniu jakichkolwiek zmian w układzie oddechowym spowodowanych przez proces chorobowy. Interpretacja wyniku badania polega najczęściej na porównaniu wyników pomiarów z wartościami należnymi (normami) i ewentualnym rozpoznaniu zaburzenia. Praca przedstawia próbę zastosowania sieci neuronowych z algorytmem wstecznej propagacji do klasyfikacji wyników badania spirometrycznego. Eksperymenty przeprowadzono na podstawie 1803 wyników badań spirometrycznych wykonanych w Zakładzie Fizjopatologii Układu Oddychania Instytutu Gruźlicy i Chorób Płuc w Rabce. Dla sieci o różnej liczbie wejść (zawierających wyniki pomiarów spirometrycznych i parametry antropometryczne badanych) uzyskano zgodność z klasyfikacją przeprowadzoną przez eksperta rzędu 85,4-89,1%.

EN

Spirometric test, during which flows and volumes of respiratory system are measured is one of the most common diagnostic procedures performed to evaluate any changes in the respiratory system. The interpretation of the results is based on the comparison with predicted values and on recognition of eventual disturbance. The paper presents an attempt to use artificial neural networks with back-propagation algorithm to the classification of spirometric examination. The study was performed on the results of 1803 spirometric tests made in Department of Physiopathology of the Respiratory System, Institute for TBC and Lung Diseases, Rabka Branch. For networks of different numbers of inputs (including spirometric parameters and anthropological measurements) the agreement with expert classification ranged 85.4—89.1%.