Электронный каталог

Статья

Зарудских, М.А.
Исследование эффективности различных моделей машинного обучения в задаче предсказания свойств экзогенных флуорофторов / М.А. Зарудских, С.А. Безносюк // Фундаментальные проблемы современного материаловедения. – 2024. – Т. 21 №3. – С. 325-330: ил. - Библиогр.: 12 назв.

Эффективность использования различных моделей машинного обучения для предсказания спектральных свойств экзогенных флуорофоров, ключевых в диагностике онкозаболеваний. Исследуется применение алгоритмов ИИ для быстрого и экономически эффективного поиска новых флуорофоров, способствующих раннему выявлению рака. Оценивается эффективность различных моделей машинного обучения в предсказании свойств экзогенных флуорофоров, используемых в диагностике онкологических заболеваний. Исследуется применение алгоритмов искусственного интеллекта для быстрого поиска новых флуорофоров, способствующих раннему обнаружению рака. Особое внимание уделено оптической биопсии как неинвазивному методу исследования тканей для ранней диагностики патологий. Данные из базы данных PubChem и GeoMcNamara, анализируются молекулярные свойства флуорофоров и их спектральные характеристики. Используя модели машинного обучения, получены результаты предсказания длины волны излучения для образцов флуорофоров. Результаты обучения и тестирования моделей свидетельствуют о высокой точности работы XGBoost и Random Forest. Исследование подчеркивает важность разработки эффективных флуорофоров для ранней диагностики рака и представляет модели машинного обучения в качестве инструментов для обработки и анализа данных в этой области, что позволяет акцентировать внимание на перспективности и применимости прогрессивных методов исследования в онкологии и медицинской химии.



Ключевые слова РП = моделирование компьютерное
Ключевые слова РП = обучение машинное
Ключевые слова = ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ
Ключевые слова РП = флуорофор экзогенный
Ключевые слова РП = химия медицинская