PulmoPred

Pulmopred

根据机器学习（ML）的肺活量测定法，阻塞性和非刺激性肺部疾病的分类。

使用支持向量机（SVM） ，随机森林（RF） ，多层感知器（MLP）和Naive Bayes（NB）算法开发了有监督的学习分类器。这些模型接受了印度加尔各答Pulmocare and Research研究所（IPCR）患者的肺活量测定数据培训。 MLP模型显示出最佳性能，并在Web应用程序中使用。

引用为：

Bhattacharjee，S.，Saha，B.，Bhattacharyya，P。，＆Saha，S。（2022）。使用机器学习技术根据肺活量测定法对阻塞性和非刺激性肺部疾病进行分类。计算科学杂志，63，101768。
https://doi.org/10.1016/j.jocs.2022.101768。

使用该工具

PulMopred可在以下网址获得：http：//dibresources.jcbose.ac.in/ssaha4/pulmopred。

要了解有关肺活量测量特征和方法的更多信息，请参考“关于”页面。请参阅“帮助”页面以了解Web应用程序的输入和输出。用于培训和测试模型的数据集可在此处提供。

发展

用于开发ML模型的Python库：

• numpy（版本1.16.6 ）
• Scikit-Learn（版本0.20.3 ）
• Joblib（版本0.14.1 ）
• Scipy（版本1.2.3 ）
• 统计信息（版本1.0.3.5 ）

它部署在运行Python的Apache HTTP服务器（版本3.4 ）中。

团队

• sudipto bhattacharjee （[email protected]）
  博士学者，
  计算机科学与工程系，
  加尔各答大学，印度加尔各答。
  
• Banani Saha博士（[email protected]）
  副教授，
  计算机科学与工程系，
  加尔各答大学，印度加尔各答。
• Parthasarathi Bhattacharyya博士（[email protected]）
  顾问口水学家
  Pulmocare与研究研究所
  印度加尔各答。
• Sudipto Saha博士（[email protected]）
  副教授，
  生物信息学划分，
  印度加尔各答的Bose Institute。

有关进一步的查询，请联系Sudipto Saha博士。