Introducción
El conjunto de datos y sus desafíos
Antecedentes de la simulación
Ejemplo de uso y resultados
Conclusión
Referencias
Simulación
Conjunto de datos
Enseñanza
el
Los desafíos
Datos
Obtenido
Desde
Múltiples
Espacialmente
Resolución
Reflexión
Espectroscopio
Alquitrán
Martín .
Magnussen
El Maik
El nombre de la persona
Cláudio
Stern
y
Bernhard
Estoy enfermo.
biozoom
Servicios
GmbH
Kassel,
Alemania
Inteligente
Incorporado
Sistemas
Universidad
Kassel
Kassel,
Alemania
FOM
Alquiler
hule
Economía
¿Qué es eso?
cimentado
Instituto de Educación Superior
Kassel
Kassel,
Alemania
correo electrónico:
[E-mail protegido]
por ejemplo,
Enfermedad
@uni-kassel.de,
[E-mail protegido]
Abstracto
Optico
sensores
basado en
espectroscopia
ocasion-
ally
utilizado
el consumidor
auto de salud
y
bienestar
Las aplicaciones incluyen aplicaciones tales como la medición de la concentración de carotenoides cutáneos utilizando sensores basados en la oscopia del espectro de reflexión de resolución múltiple espacial (MSRRS).
¿Cuándo?
el uso de
máquina
aprendizaje
datos
el procesamiento,
especializado
Modelos
de este tipo
continuidad
característico
redes
requisito
logros
muy bien
En este artículo, se introdujo un conjunto de datos simulados, que resaltan los retos de los datos de los sensores basados en MSRRS. Más adelante se analizarán los principios subyacentes utilizados en la simulación.
Por fin .
sobre todo
modelo
arquitectura
incluidos
continuidad
característica
redes
entrenado
el
conjunto de datos,
que demuestre
el
varios
Desafíos. Index erms dataset, datos simulados, oscopia del espectro de reflexión NTR ODUCTION Tecnología múltiple de espectroscopia de reflexión espacialmente resuelta (MSRRS) para el análisis de tejido biológico. Un caso de uso común para sensores basados en MSRRS que mide la concentración de carotenoides cutáneos humanos [1].
Basado en el MSRRS
sensores
Consiste en
múltiple
luz
emisores
y
luz
Cuando la muestra de medición se coloca en esta matriz de detector, la luz emitida por el emisor pasará a través de la muestra antes de ser detectada el detector de luz El brillo medido el detector de luz depende entonces de la longitud de luz, la distancia entre el emisor y el detector bien las propiedades ópticas de la muestra.
análisis
el
luminosidad
observado
para
Todo el mundo
Consiguió
el
Estado
Hessen
a través de
Financiamiento
parte
el
Distr@l
Investigación
subvención
2B. parejas de emisores y detectores, es posible hacer predicciones sobre la muestra de medición [2], tales como la concentración de carotenoides cutáneos. Este análisis de los alúes de brillo observados se pueden realizar utilizando el aprendizaje automático. para este propósito, se han desarrollado arquitecturas de redes neuronales especializadas, tales redes de características continuas [3], [4].
Estos
continuidad
característica
redes
son
diseñado
el acoplamiento
el
dif
ficciones
datos
producido
Basado en el MSRRS
Los emisores de luz utilizaron sensores basados en MSRRS de longitudes de velos discretas. Como resultado, el espectro observado no se muestra continuamente, sino más bien puntos de muestreo discretos. Además, estos puntos no se distribuyen de manera equitativa sino que son intervalos irregulares.
El emisor
Velocidad
(nm)
El emisor
- El detector.
distancia
(mm)
Fig. ejemplo de los datos de estructura de los sensores basados en MSRRS [4]. situación similar observada con los pares de detectores de emisores de distancia. ejemplo de este tipo de datos irregulares se puede ver Fig. adición de la irregularidad cualquier sensor basado en MSRRS puede evitar las inexactitudes de fabricación.
Esto .
puede
resultado
el
las longitudes de veleno
el
luz
emisores
desplazamiento
ligeramente
entre
Indi
vidual
En la actualidad, el sistema de detección y detección de la presencia de sustancias en el tejido humano se ha convertido en un sistema de detección y detección de la presencia de sustancias en el tejido humano.
Por lo tanto,
simulado
conjunto de datos
llamado
Para la creación de un sensor virtual basado en MSRRS con detectores y emisores asumidos, se realizaron cuatro conjuntos de mediciones simuladas cada una.
adición,
el
Velocidad
el
emisor
y
el
emisor
- detector
distancia
son
Los puntos de datos en conjunto realizan una medición. Para cada medida, se dispone de tres etiquetas de verdad de tierra. La concentración cutánea beta-caroteno la muestra simulada miligramos por litro La concentración de hemoglobina en la sangre la muestra gramos por litro La oxigenación vel la sangre el factor de la muestra de los etiquetas de verdad de tierra para cada conjunto se almacenan un archivo llamado dataset_meta.json Este archivo JSON contiene un único top-le vel array en el que se encuentran múltiples objetos JSON, cada uno representando una medición simulada, con para cada etiqueta y nombre llamado que contiene el nombre del archivo de los datos de medición en sí.
El Parlamento Europeo
archivo
que contiene
el
medición
datos
VCS
archivo
con
lista
datos
Cada punto de datos incluye la longitud de luz emitida, la distancia del detector de emisores y la intensidad medida Los cuatro conjuntos disponibles en el conjunto de datos representan diferentes retos.
Esto
el conjunto,
el
virtual
Basado en el MSRRS
sensores
perfectamente
De la misma manera, la muestra de medición simulado el ruido otros factores negativos que afectan a los datos. Los únicos factores que pueden influir en los valores de brillo simulados son las sustancias con etiquetas de verdad al suelo. Este conjunto es así útil para comprender la estructura de los datos basados en MSRRS y establecer una línea de base para el rendimiento del modelo.
2_ ruido
El ruido
Muestras
El Parlamento Europeo
segundo
conjunto
aumentos
el
predicción
dif
la ficticia
introducción
medición
Además, el ruido aleatorio contribuye a la absorción de la luz dentro de la muestra simulada.
3_length_wavelength_shift
Inconsistentes
El emisor
de las partes inferiores a las partes inferiores a las partes inferiores a las partes inferiores a las partes inferiores a las partes inferiores a las partes inferiores a las partes inferiores a las partes inferiores a las partes inferiores a las partes inferiores a las partes inferiores a las partes inferiores a las partes inferiores a las partes inferiores a las partes inferiores a las partes inferiores a las partes inferiores a las partes inferiores a las partes inferiores a las partes inferiores a las partes inferiores a las partes inferiores a las partes inferiores a las partes inferiores a las partes inferiores a las partes inferiores a las partes inferiores a las partes inferiores a las partes inferiores a las partes inferiores a las partes inferiores a las partes inferiores
El Parlamento Europeo
el tercero
conjunto
Introduce
Producción
Las inexactitudes
el
sensores
adición
el
ruido
el
segundo
En este conjunto, las longitudes de los emisores de cada medida son más idénticas. en su lugar, son simuladas fluctúan un pequeño gión alrededor del alquitrán nominal obtenga la longitud de los conjuntos anteriores. 4_missing_data Missing Data Detectors El cuarto conjunto expande la dificultad del tercer conjunto.
adición
el
muestra
ruido
y
Incoherencia
emisor
la longitud del veleno,
el
cuarto
conjunto
al
para
inoperable
En cambio, algunos puntos de datos pueden sustituir a los detectores NaN-v. Esto simula los detectores que podrían ser desactivados debido a que superan las tolerancias de ser defectuosos de otro modo. III. IMULA TION La simulación el brillo detectó los detectores de luz simulación muy simplificada.
lo hace
No
objetivo
con precisión
Recreación
el
medición
Apuestas
¿Cuándo
medición
verdadero
humano
tejido
más bien
Objetivos
Recreación
Algunos
el
el núcleo
los desafíos
verdadero
Basado en el MSRRS
La simulación rastrea las vías de luz de los emisores de luz muy detectores de luz semicirculares. Estos semicirculares se dividen en fragmentos equidistantes. Figure sho ejemplos de estas vías de luz para emisores y un detector Comenzando con el emisor de luz la atenuación de la luz sobre los segmentos de la ruta de luz calculada.
Esto
la simulación,
la atenuación
Compuesto por
dos
En primer lugar, dado que el emisor de luz no emite luz de haz enfocado, la luz atenua basándose en la distancia del emisor con la ley cuadrada ver la distancia del emisor de luz y la longitud de la trayectoria luminosa la relación entre la intensidad de la luz antes del segmento de trayectoria luminosa y la figura luminosa.
de carreras
luz
caminos
dividido
en el
equidistante
segmentos
dos
emisores
uno de ellos
luz
detector
intensidad
después
el
luz
trayectoria
segmento
puede
Descrito
el seguimiento
ws:
(1) El número de personas
El Parlamento Europeo
segundo
componente
el
la absorción
luz
el
muestra,
calculado
el uso de
el
Cerveza
- Lambert, ¿qué quieres decir?
derecho
El Parlamento Europeo
La cerveza...
Lambert
derecho
se describe
el
luz
la atenuación
debido
el
en el caso de los Estados miembros.
la sorbancia
luz
el
La ley Beer-Lambert calcula la relación logarítmica entre la intensidad de la luz antes del segmento de la trayectoria luminosa y la intensidad de la luz después del segmento de la trayectoria luminosa puede describir la siguiente [5]: log (2) La constante de material dependiente de la longitud de la trayectoria luminosa de la absorción.
El Parlamento Europeo
óptica
trayectoria
longitud
puede
calculado
el
producto
el
luz
trayectoria
segmento
longitud
y
el
refracciones
inde
humano
la piel
(aproximadamente
Este conjunto de datos simula el tejido a medir tres componentes primarios. Primero, el tejido supuesto consiste en agua base. Además, el tejido contiene hemoglobina encontrada en sangre, tanto oxigenada como no oxigenada. Finalmente, la concentración de carotenoides ven contribuye a la luz de absorción.
Para
el
base
de los demás
el
absorbidos
de la ciudad
utilizado
el
simulación
basado en
el
mediciones
¿Qué es eso?
Labrie, ¿qué es eso?
y
Cíclicas
Para la hemoglobina contenida en la sangre dentro del tejido simulado, se utilizaron las mediciones compiladas por Prahl [8] y los valores de absorción de la simulación.
El Parlamento Europeo
olume
sangre
presente
humano
las extremidades
las pérdidas
el
tejido
olume
[9]. Para la concentración de hemoglobina en la sangre humana, los alues se muestran a partir de mediciones basadas en la distribución de Kim al. [10] y almacenan etiquetas los datos de la verdad de la tierra. Del mismo modo, para la proporción de sangre oxigenada no oxigenada, se muestran a partir de mediciones basadas en la distribución de Epstein y Haghenbeck [11] y se almacenan etiquetas de los datos de la verdad de la tierra.
Para
el
carotenoides
predicido
el ven
máquina
aprendizaje
el algoritmo,
Concentración
muestras
de
las distric-
de la Unión Europea.
el
betacaroteno
concentraciones
los humanos
basado en
mediciones
de
Matsumoto
Para la simulación se utilizó el beta-caroteno del espectro de absorción de Prahl [13]. Para el conjunto de ruido dos y posterior, se utilizó el ruido basado en OpenSimplex [14].
El Parlamento Europeo
Primero
tres
dimensiones
representan
el
posición
el
simulado
espacio
mientras que
el
cuarto
Dimensión
representa
el
corriente
Velocidad
Este mapa de ruido utilizado añade ruido de fondo absorbido localizado y dependiente de la longitud de luz, representando otras sustancias presentes en el tejido. La longitud del emisor de luz desplaza el tercer y cuarto conjunto de muestras recogidas de la distribución gaussiana alrededor de la longitud de luz objetivo para el emisor de luz con visión estándar el cuarto conjunto, la probabilidad de que un solo detector esté desactivado para la simulación fija el 10% Esta proporción superior a la esperada para los sensores reales basados en MSRRS sirve de desafío adecuado para el modelo de predicción en el peor de los casos.
Para
pruebas,
tres
dif
ferente
máquina
aprendizaje
Modelos
fueron
entrenado
cada uno
el
Cuatro
conjuntos
dentro de
el
Los tres modelos incluyen el modelo de gresión lineal simple, la red neural de transmisión de alimentación de múltiples capas y la red de características continuas propuesta por Magnussen, Stern y Sick [3], [4]. Para este experimento, cada conjunto de datos se dividió en mediciones de entrenamiento y mediciones de alidación.
Para
los dos
métodos
basado en
Neural
redes,
el
Alidación
mediciones
fueron
más adelante
dividido
en el
Pruebas
mediciones
y
sólo
final
Alidación
Las mediciones de prueba se utilizaron para seleccionar el modelo con mejor rendimiento durante el entrenamiento, mientras que las mediciones de alidación son la base para la puntuación final del modelo. El entrenamiento se repitió diez veces para cada modelo y cada conjunto, con entrenamiento aleatorio, pruebas y divisiones de datos de alidación para cada repetición.
El Parlamento Europeo
lineal
Regresión
modelo
y
el
de varias capas
alimentación de animales
hacia adelante
de la red
orc
son
No
de capacidad
acuerdo
con
Desaparecido
Ingresos
datos
para
el
cuarto
conjunto
En su lugar,
el
Señorita...
Ing
Apuestas
fueron
imputado
de forma lineal
Interpolación
Valores
comparable
Velocidad
y
emisor
- detector
La red de características continuas capaz de manejar los datos de entrada faltantes sin imputación y, por lo tanto, ven los datos de entrada el cuarto conjunto sin modificar.
El Parlamento Europeo
datos
borrado
el
diez
corriendo,
con
el
Respecto
estándar
Víación
el ven
para
cada uno
calidad
En cambio, el fracaso tric indica el porcentaje de carreras que dieron lugar a una determinación negativa del coeficiente, indicando modelos con resultado de entrenamiento inutilizable.
Desde
el
datos
de capacidad
puede
observado
¿Qué es eso?
el cálculo
el
Concentración
carotenoides
simplificado
simulación
de este tipo
utilizado
para
sencillo
tarea
ruido
El modelo de regresión lineal y el modelo de regresión lineal ABLE S-MSRRS5000 red de transmisión de alimentación de múltiples capas de red de red continua RMSE fallo RMSE fallo RMSE fallo limpiar datos ruidosos cambios de longitud de luz 40% 100% datos faltantes 60% 100% la red de transmisión de alimentación de múltiples capas orc.
El Parlamento Europeo
de varias capas
alimentación de animales
hacia adelante
de la red
orc
No
de capacidad
logros
positivo
el coeficiente
la determinación
para
un solo
capacitación
repetición
para
el
el tercero
y
cuarto
La red de características continuas es capaz de tener en cuenta la distancia exacta entre el sol y el detector de emisores para cada brillo de entrada.
similares
hecto
puede
observado
para
el
cuarto
el conjunto,
donde
el
Desaparecido
datos
significativamente
disminuye
el
Precisión
el
lineal
Regresión
modelo,
Considerando que
el
continuidad
característica
red
de capacidad
acuerdo
con
el
Desaparecido
datos
y
todavía
ejemplos
comparaciones
por ejemplo:
alto
cuero de vacuno
ficiente
Estos resultados, en particular la capacidad de la red de características continuas de alcanzar un alto rendimiento debido a la capacidad de compensar las longitudes de velo inconsistentes y los datos faltantes consistentes con los datos reales de los hallazgos recientes [3], [4].
Esto .
artículo
se discute
el
contenido
el
conjunto de datos
y
el
Cuatro
desafío
conjuntos
la fabricación
el
En el presente artículo, también se detallan los principios físicos subyacentes, así como las fuentes de los datos espectrales utilizados. Finalmente, el conjunto de datos utilizado forma diferentes modelos de muestra cada uno de los conjuntos de desafíos.
El Parlamento Europeo
Resultados
de
estos
- ¿Qué es eso?
En el caso de los Estados miembros
son
consistente
con
Resultados
verdadero
datos. EFERENCES [1] Darvin, Magnussen, Lademann y ocher Múltiples espectroscopio de reflexión de resolución espacial para la determinación de carotenoides en la piel y la sangre humana, Letras de Física láser ol. 13, no. 095601, agosto 2016. [2] Magnussen, Stern y ocher orrichtung und verf ahren zur Bestimmung einer Konzentration einer Sonde, European atent B1, 2016.
En el caso de los Estados miembros,
Magnussen,
Stern,
y
Estoy enfermo.
Utilizar
continuidad
cereales
para
procesamiento
irregularmente
y
de manera inconsistente
muestras
datos
con
La posición...
dependiente
características,
Océanos
El Parlamento Europeo
El décimo noveno
En el ámbito internacional
Conferencias
Enfermedad
Autónomo
y
Autónomo
Sistemas
Behn, ¿qué es eso?
Ed, ¿qué es eso?
IARIA. ThinkMind, marzo 2023, pp. 4953. [4] Magnussen, Stern, and Sick, Continuous feature networks: nov method processes irregularly and inconsistently sampled data with position-dependent features, International ournal Advances Intelligent Systems ol.
16 años.
No. 3&4, pp. 4350, 2023. [5] Swinehart, The beer-lambert law Journal Chemical Education vol. 39, no. 333, julio 1962. [6] Ding, Lu, ooden, Kragel, y X.-H. Hu, Refracti indices tejidos de la piel humana ocho velongths y relaciones de dispersión estimadas entre y nm, Física Medicina Biología ol.
51 años,
No. 1479, Mar. 2006. [7] ou, Labrie, y Chylek, Refractiv indica el agua y el hielo en el rango espectral de 0.65- 2.5, Applied Optics ol. 32, no. 19, pp. 35313540, julio de 1993. [8] Prahl. (1999) Absorción óptica de la hemoglobina. [En línea].
No. pp. 483489, 1955. [10] Kim, Kang, Kim y Kim, La anemia prevalente y el agotamiento del hierro de la población en edad de años mayor The ean Journal Hematolo vol. 46, no. pp. 196199, 2011. [11] Epstein y Haghenbeck, Evaluación de la saturación de oxígeno de los tejidos de la cama monitoreo de adultos enfermos críticos: integrati ver la literatura, Critical Car Research and Practice ol.
En el año 2014,
El 1 de mayo
2014. [12] Matsumoto, Suganuma, Shimizu, Hayashi, Sawada, Okuda, Ihara y Nakaji, Skin carotenoid vel alternati marker serum concentración total de carotenoides y ingesta obtenible se correlacionan con biomarcadores de enfermedades circulatorias y síndrome metabólico, Nutrientes ol.
12 años.
No. 2020. [13] Prahl. (2017) Beta-caroteno. [en línea]. disponible: https://omlc.org/ spectra/PhotochemCAD/html/041.html [14] KdotJPG. (2019) Opensimplex [en línea]. disponible: https://github com/KdotJPG/OpenSimplex2