MAPress
ترجمه فارسی مقاله تجزیه و تحلیل تنفس سریع و غیر تهاجمی برای افزایش تشخیص سیلیکوزیس با استفاده از طیف سنجی جرمی و یادگیری ماشینی قابل تفسیر

ترجمه فارسی مقاله تجزیه و تحلیل تنفس سریع و غیر تهاجمی برای افزایش تشخیص سیلیکوزیس با استفاده از طیف سنجی جرمی و یادگیری ماشینی قابل تفسیر

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Rapid, Non-Invasive Breath Analysis for Enhancing Detection of Silicosis Using Mass Spectrometry and Interpretable Machine Learning
عنوان مقاله به فارسی تجزیه و تحلیل تنفس سریع و غیر تهاجمی برای افزایش تشخیص سیلیکوزیس با استفاده از طیف سنجی جرمی و یادگیری ماشینی قابل تفسیر
نویسندگان ProfileMerryn J Baker, Jeff Gordon, Aruvi Thiruvarudchelvan, ProfileDeborah Yates, ProfileWilliam A Donald
فرمت مقاله انگلیسی PDF
تعداد صفحات 24
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Respiratory Medicine داروهای تنفسی

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Occupational lung diseases, such as silicosis, are a significant global health concern, especially with increasing exposure to engineered stone dust. Early detection of silicosis is helpful for preventing disease progression, but existing diagnostic methods, including X-rays, CT scans, and spirometry, often detect the disease only at late stages. This study investigates a rapid, non-invasive diagnostic approach using atmospheric pressure chemical ionization-mass spectrometry (APCI-MS) to analyse volatile organic compounds (VOCs) in exhaled breath from 31 silicosis patients and 60 healthy controls. Six different interpretable machine learning (ML) models with Shapley additive explanations (SHAP) were applied to classify these samples and determine VOC features that contribute the most significantly to model accuracy. The extreme gradient boosting (XGB) classifier demonstrated the best performance, achieving an area under the receiver-operator characteristic curve of 0.933 with the top ten SHAP features. The m/z 442 feature, potentially corresponding to leukotriene-E3, emerged as a significant predictor for silicosis. The VOC sampling and measurement process takes less than five minutes per sample, highlighting its potential suitability for large-scale population screening. Moreover, the ML models are interpretable through SHAP, providing insights into the features contributing to the model’s predictions. This study suggests that APCI-MS breath analysis could enable early and non-invasive diagnosis of silicosis, helping to improve disease outcomes.

چکیده به فارسی (ترجمه ماشینی)

بیماریهای ریه شغلی ، مانند سیلیکوز ، یک نگرانی مهم در مورد سلامت جهانی است ، به ویژه با افزایش قرار گرفتن در معرض گرد و غبار سنگ مهندسی شده.تشخیص زودرس سیلیکوز برای جلوگیری از پیشرفت بیماری مفید است ، اما روشهای تشخیصی موجود ، از جمله اشعه ایکس ، سی تی اسکن و اسپیرومتری ، اغلب بیماری را فقط در مراحل دیررس تشخیص می دهند.این مطالعه به بررسی یک روش تشخیصی سریع و غیر تهاجمی با استفاده از طیف سنجی یونیزاسیون شیمیایی فشار اتمسفر (APCI-MS) برای تجزیه و تحلیل ترکیبات آلی فرار (VOC) در نفس بازدم از 31 بیمار سیلیکوز و 60 کنترل سالم می پردازد.شش مدل مختلف یادگیری ماشین قابل تفسیر (ML) با توضیحات افزودنی Shapley (ShAP) برای طبقه بندی این نمونه ها و تعیین ویژگی های VOC که مهمترین آنها را در دقت مدل می کند ، استفاده شد.طبقه بندی کننده شیب شدید (XGB) بهترین عملکرد را نشان داد و به یک منطقه تحت منحنی مشخصه گیرنده-اپراتور 0.933 با ده ویژگی برتر شکل رسید.ویژگی M/Z 442 ، به طور بالقوه مربوط به Leukotriene-E3 ، به عنوان یک پیش بینی کننده مهم برای سیلیکوز ظاهر شد.فرآیند نمونه برداری و اندازه گیری VOC در هر نمونه کمتر از پنج دقیقه طول می کشد ، و مناسب بودن بالقوه آن را برای غربالگری جمعیت در مقیاس بزرگ نشان می دهد.علاوه بر این ، مدل های ML از طریق Shap قابل تفسیر هستند و بینش هایی در مورد ویژگی های کمک به پیش بینی های مدل ارائه می دهند.این مطالعه نشان می دهد که تجزیه و تحلیل نفس APCI-MS می تواند تشخیص زودرس و غیر تهاجمی سیلیکوز را فراهم کند و به بهبود نتایج بیماری کمک می کند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.