PulmoPred

Pulmopred

根據機器學習（ML）的肺活量測定法，阻塞性和非刺激性肺部疾病的分類。

使用支持向量機（SVM） ，隨機森林（RF） ，多層感知器（MLP）和Naive Bayes（NB）算法開發了有監督的學習分類器。這些模型接受了印度加爾各答Pulmocare and Research研究所（IPCR）患者的肺活量測定數據培訓。 MLP模型顯示出最佳性能，並在Web應用程序中使用。

引用為：

Bhattacharjee，S.，Saha，B.，Bhattacharyya，P。 ，＆Saha，S。 （2022）。使用機器學習技術根據肺活量測定法對阻塞性和非刺激性肺部疾病進行分類。計算科學雜誌，63，101768。
https://doi.org/10.1016/j.jocs.2022.101768。

使用該工具

PulMopred可在以下網址獲得：http：//dibresources.jcbose.ac.in/ssaha4/pulmopred。

要了解有關肺活量測量特徵和方法的更多信息，請參考“關於”頁面。請參閱“幫助”頁面以了解Web應用程序的輸入和輸出。用於培訓和測試模型的數據集可在此處提供。

發展

用於開發ML模型的Python庫：

• 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 ）
• 統計信息（版本1.0.3.5 ）

它部署在運行Python的Apache HTTP服務器（版本3.4 ）中。

團隊

• sudipto bhattacharjee （[email protected]）
  博士學者，
  計算機科學與工程系，
  加爾各答大學，印度加爾各答。
  
• Banani Saha博士（[email protected]）
  副教授，
  計算機科學與工程系，
  加爾各答大學，印度加爾各答。
• Parthasarathi Bhattacharyya博士（[email protected]）
  顧問口水學家
  Pulmocare與研究研究所
  印度加爾各答。
• Sudipto Saha博士（[email protected]）
  副教授，
  生物信息學劃分，
  印度加爾各答的Bose Institute。

有關進一步的查詢，請聯繫Sudipto Saha博士。