Introduzione
Il set di dati e le sue sfide
Fondo di simulazione
Esempio di uso e risultati
Conclusione
Referenze
Simulazione
Dataset
Sottolineare
il
Le sfide
Dati
Ottenuto
Da:
Multiplici
Spazialmente
Risoluzione
Riflessione
Spectroscopo
Birra
Martin
Magnussen
Maik
Jessulat
Claudio
Stern
e
Bernhard
Malata
biozoom
Servizi
GmbH
Kassel,
Germania
Intelligente
Inserito
Sistemi
Università
Kassel
Kassel,
Germania
FOM
Fabbricazione
culla
Economia
Mana
di cui all'allegato
Hochschulzentrum
Kassel
Kassel,
Germania
e-mail:
[email protected]
MJessulat,
malattia
@uni-kassel.de,
[email protected]
Abstract
Optica
sensori
basato
spectroscopia
occasione -
Ally
usato
consumatore
auto sanitaria
e
benessere
Le applicazioni includono applicazioni come la misurazione della concentrazione di carotenoidi cutanei utilizzando sensori basati su oscopia dello spettro di riflessione a risoluzione multipla spaziale (MSRRS).
Quando
utilizzando
macchine
apprendimento
dati
trasformazione,
specialistici
modello
di questo tipo
continuità
caratteristica
reti
esigenza
Atteggiamenti
buona
In questo articolo, introdotto un set di dati simulati, si evidenziano le sfide derivanti dai dati dei sensori basati su MSRRS. In seguito verranno discussi i principi sottostanti utilizzati nella simulazione.
Finalmente .
in particolare
modello
architettura
compreso
continuità
caratteristica
reti
addestrato
il
set di dati,
dimostrazione
il
vari
sfide. Index erms dataset, dati simulati, oscopia dello spettro di riflessione NTR ODUCTION Tecnologia dello spettro di riflessione a risoluzione multipla (MSRRS) per l'analisi dei tessuti biologici. Un caso di utilizzo comune per i sensori basati su MSRRS che misura la concentrazione di carotenoidi cutanei umani [1].
Basato su MSRRS
sensori
Consistono
moltiplicato
luce
emettitori
e
luce
La luminosità misurata dal rilevatore di luce dipende quindi dalla lunghezza della luce, dalla distanza tra l'emittente e il rilevatore e dalle proprietà ottiche del campione.
analisi
il
luminosità
osservato
per
tutti
Sostenuto
il
Stato
Hessen
attraverso
Finanziamento
parte
il
Distr@l
Ricerca
sovvenzione
2B. coppie emettitore-detettore, è possibile fare previsioni sul campione di misura [2], come la concentrazione di carotenoidi cutanei.
Questi
continuità
caratteristica
reti
sono
progettato
connessione
il
dif
Storie fittizie
dati
cessione
Basato su MSRRS
I sensori basati su MSRRS hanno utilizzato sensori basati su MSRRS di lunghezze distinte. Il risultato è che lo spettro osservato non è campionato continuamente, ma piuttosto punti di campionamento discreti. Inoltre, questi punti non sono distribuiti ugualmente ma sono intervalli irregolari.
Emitter
lunghezza
(nm)
Emitter
- Detettore.
Distanza
(mm)
Fig. esempio i dati di struttura da sensori basati su MSRRS [4]. situazione simile osservata con le coppie di sensori di emissione a distanza. esempio questo tipo di dati irregolari può essere visto Figura aggiungere l'irregolarità qualsiasi sensore basato su MSRRS può ignorare le imprecisioni di fabbricazione.
Questo
può
risultato
il
lunghezze di veleno
il
luce
emettitori
trasformazione
leggermente
tra
indi
Vittorio
In particolare, il modello di apprendimento automatico che gestisce i dati provenienti da sensori basati su MSRRS deve essere in grado di compensare queste fluttuazioni.
Pertanto,
simulazione
set di dati
chiamato
Per la creazione di un sensore virtuale basato su MSRRS con sensori e emittenti presunti, sono stati effettuati quattro set di misurazioni simulate ciascuno. Ogni misurazione è composta da punti dati di serie.
aggiunta,
il
lunghezza
il
emettitore
e
il
emettitore
- detettore.
Distanza
sono
La concentrazione del beta-carotene cutaneo il campione simulato milligrammi per litro La concentrazione dell'emoglobina del sangue il campione grammi per litro L'ossigenamento vel il fattore del sangue il campione da ciascun set Le etichette della verità del terreno sono archiviati file chiamato dataset_meta.json Questo file JSON contiene un unico top-le vel array.
La Commissione
archivio
contenente
il
misurazione
dati
CSV
archivio
con
elenco
dati
Ogni punto di dati elencato con la lunghezza della luce emessa, la distanza del rilevatore dell'emittente e l'intensità misurata I quattro set disponibili nel set di dati rappresentano diverse sfide.
questo
set,
il
virtuale
Basato su MSRRS
sensore
Perfetto .
Il modello di misurazione simula il rumore e altri fattori negativi che influenzano i dati. Gli unici fattori che possono influenzare i valori di luminosità simulati sono le sostanze con etichette di verità sul suolo.
2_ rumore
Rumoroso
I campioni
La Commissione
secondo
set
incrementi
il
Previsione
dif
ficulty
di introduzione
misurazione
La concentrazione di carotenoidi simulata con fluttuazioni localizzate e più a lungo omogenea nell'intero campione.
3_lenghe d'onda_shift
Inconsistenti
Emitter
di cui all'allegato I, paragrafo 1, del regolamento (CE) n.
La Commissione
terzo
set
introduce
produzione
inaccuratezza
il
sensore
aggiunta
il
rumore
il
secondo
In questo set, le lunghezze degli emettitori di ciascuna misurazione sono più identiche. Invece, sono simulate fluttuazione di piccole gioni attorno al terro nominale ottenere lunghezze che hanno utilizzato i set precedenti. 4_missing_data Missing Data Detectors Il quarto set espandono la diffuculty il terzo set.
aggiunta
il
campione
rumore
e
incoerenti
emettitore
lunghezza di veleno,
il
Quarto
set
allo
per
inoperabile
I sistemi di rilevazione dei dati possono essere utilizzati per il rilevamento dei dati e per il rilevamento dei dati e per il rilevamento dei dati e per il rilevamento dei dati e per il rilevamento dei dati e per il rilevamento dei dati e per il rilevamento dei dati e per il rilevamento dei dati e per il rilevamento dei dati e per il rilevamento dei dati e per il rilevamento dei dati e per il rilevamento dei dati e per il rilevamento dei dati e per il rilevamento dei dati e per il rilevamento dei dati e per il rilevamento dei dati e per il rilevamento dei dati e per il rilevamento dei dati e per il rilevamento dei dati e per il rilevamento dei dati e per il rilevamento dei dati e per il rilevamento dei dati e per il rilevamento dei dati.
che
non
obiettivo
con precisione
ricreare
il
misurazione
Allues
quando
misurazione
reale
Uomo
tessuto
Piuttosto
obiettivi
ricreazione
Alcune
il
nucleare
Le sfide
reale
Basato su MSRRS
La simulazione traccia i percorsi luminosi dai semicircoli di emissione di luce molto luminosi. Questi semicircoli sono suddivisi in gmenti equidistanti. Figura 2 esempio di questi percorsi luminosi per emittenti e un rilevatore Partendo dall'emissione di luce l'attenuazione della luce sui segmenti del percorso luminoso calcolato.
questo
simulazione,
attenuazione
composto
due
In primo luogo, poiché l'emittente di luce non emette luce di fascio focalizzato, la luce attenua basandosi sulla distanza tra l'emittente con la legge quadrata di versa e la distanza tra l'emittente di luce e la lunghezza del percorso luminoso il rapporto tra l'intensità luminosa prima del segmento del percorso luminoso e la figura luminosa.
corse
luce
percorsi
divisione
in
equidistante
segmenti
due
emettitori
uno
luce
rilevatore
intensità
dopo
il
luce
percorso
segmento
può
descritto
Follo
ws:
1°)
La Commissione
secondo
componente
il
assorbimento
luce
il
campione,
calcolato
utilizzando
il
Birra
- Lambert.
Giurisprudenza
La Commissione
Birra...
Lambert
Giurisprudenza
descrive
il
luce
attenuazione
dovuta
il
ab-
sorbanza
luce
il
La legge di Beer-Lambert calcola il rapporto logaritmico tra l'intensità luminosa prima del segmento di percorso luminoso e l'intensità luminosa dopo il segmento di percorso luminoso.
La Commissione
ottica
percorso
lunghezza
può
calcolato
il
prodotto
il
luce
percorso
segmento
lunghezza
e
il
rifrazioni
Indirizzo
Uomo
pelle
(approssimativamente)
Questo set di dati simula il tessuto da misurare tre componenti primari. In primo luogo, il tessuto presunto è costituito da acqua di base Inoltre il tessuto contiene emoglobina trovata nel sangue, sia ossigenato che non ossigenato. Infine, la concentrazione di carotenoidi ven contribuisce alla luce di assorbimento.
Per
il
base
Ater
il
Assorbimento
Vittà
usato
il
simulazione
basato
il
misurazioni
Oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh, oh,
Labrie,
e
Chylek
Per l'emoglobina contenuta nel sangue all'interno del tessuto simulato, le misurazioni compilate da Prahl [8] sono state utilizzate i valori di assorbimento della simulazione.
La Commissione
Olume
sangue
presente
Uomo
Gli arti
erages
il
tessuto
Olume
[9]. Per la concentrazione di emoglobina nel sangue umano, gli alui vengono prelevati da misurazioni basate sulla distribuzione di Kim al. [10] e memorizzati etichette dati della verità del terreno.
Per
il
carotenoidi
preveduto
Veno
macchine
apprendimento
algoritmo,
concentrazione
campionati
da
distri-
Uzione
il
beta-carotene
concentrazioni
esseri umani
basato
misurazioni
da
Matsumoto
Per la simulazione è stato utilizzato il beta-carotene dello spettro di assorbimento [13]. Per il set di rumore due e dopo, il rumore basato su OpenSimplex [14] è stato utilizzato.
La Commissione
in primo luogo
tre
dimensioni
rappresentare
il
posizione
il
simulazione
spazio
mentre
il
Quarto
dimensione
rappresenta
il
corrente
lunghezza
Questa mappa del rumore utilizzata aggiunge rumore di sfondo assorbente localizzato e dipendente dalla lunghezza del rumore, che rappresenta altre sostanze presenti nel tessuto.
Per
test,
tre
dif
ferente
macchine
apprendimento
modello
sono stati
addestrato
ciascuno
il
Quattro
set
all'interno
il
I tre modelli includono un modello di trasformazione lineare semplice, una rete neurale di alimentazione avanzata a più livelli e una rete di funzionalità continue proposta da Magnussen, Stern e Sick [3], [4]. Per questo esperimento, ciascun set di dati è stato suddiviso in misurazioni di allenamento e misurazioni di alidazione.
Per
entrambe
metodi
basato
neurale
reti,
il
Aldificazione
misurazioni
sono stati
ulteriori
divisione
in
test
misurazioni
e
esclusivamente
finale
Aldificazione
Le misure di prova sono state utilizzate per selezionare il modello con le migliori prestazioni durante l'allenamento, mentre le misure di alidazione sono la base per il punteggio finale del modello.
La Commissione
lineare
Regressione
modello
e
il
a più strati
Fabbricazione
in avanti
Rettura
orc
sono
non
in grado di
Trattamento
con
mancante
input
dati
per
il
Quarto
set
Invece,
il
Signorina...
Ing Ing Ing Ing Ing Ing Ing Ing Ing Ing Ing Ing Ing Ing Ing Ing Ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing ing
Allues
sono stati
imputato
lineare
interpolazione
Valori
comparabile
lunghezza
e
emettitore
- detettore.
La rete di caratteristiche continue è in grado di gestire i dati di ingresso mancanti senza imputation ed è stato quindi ven i dati di ingresso il quarto set non modificato.
La Commissione
dati
cancellato
il
dieci
corse,
con
il
Rispetto
standard
Variazione
Veno
per
ciascuno
qualità
In particolare, il metodo di valutazione della qualità delle prestazioni è stato utilizzato per determinare la qualità delle prestazioni e per determinare la qualità delle prestazioni e per determinare la qualità delle prestazioni.
Da:
il
dati
in grado di
può
osservato
che
calcolo
il
concentrazione
carotenoidi
semplificato
simulazione
di questo tipo
usato
per
semplice
compito
rumore
L'introduzione di variazioni della lunghezza di velocezza degli emettitori luminosi ha un impatto significativo sul modello di regressione lineare e sul modello di regressione lineare ABLE S-MSRRS5000 rete di alimentazione a più strati RMSE fallimento RMSE fallimento RMSE fallimento RMSE fallimento dati puliti Distanza di lunghezza di velocezza dati rumorosi 40% 100% dati mancanti 60% 100% la rete di alimentazione a più strati ork.
La Commissione
a più strati
Fabbricazione
in avanti
Rettura
orc
non
in grado di
Atteggiamenti
positivo
coefficiente
determinazione
per
singolare
formazione
ripetizione
per
il
terzo
e
Quarto
La rete di caratteristiche continue è in grado di prendere in considerazione l'esatta lunghezza e la distanza tra emittente e rilevatore per ogni luminosità di ingresso.
simili
Fatto
può
osservato
per
il
Quarto
set,
dove
il
mancante
dati
significativamente
riduce
il
accuratezza
il
lineare
Regressione
modello,
considerando che
il
continuità
caratteristica
rete
in grado di
Trattamento
con
il
mancante
dati
e
ancora
eps
comparati
di cui trattasi)
alti
coef
Fiduciario
Questi risultati, in particolare la capacità della rete di funzionalità costanti di raggiungere elevate prestazioni a causa della capacità di compensare le lunghezze di velocozza incoerenti e i dati mancanti coerenti con i risultati recenti dati reali [3], [4].ONCLUSIONE Il set di dati simulato ha ottimizzato la struttura e ha sfidato i dati basati su MSRRS.
Questo
Articolo
Discussioni
il
contenuti
il
set di dati
e
il
Quattro
Sfida
set
di fabbricazione
il
La relazione tra ciascuna sfida e le sfide evidenziate dai dati reali. Questo articolo include anche i principi fisici sottostanti, nonché le fonti dei dati spettrali utilizzati. Infine, il set di dati utilizzato fornisce modelli di campionamento diversi per ciascun set di sfide.
La Commissione
Risultati
da
questi
- l'esperienza
di cui alla lettera a)
sono
coerente
con
Risultati
reale
dati. EFERENCES [1] Darvin, Magnussen, Lademann e ocher Spettroscopio di riflessione a risoluzione multipla spaziale per la determinazione dei carotenoidi della pelle umana e del sangue, Laser Physics Letters ol. 13, n. 095601, agosto 2016. [2] Magnussen, Stern, and ocher orrichtung und verf ahren zur bestimmung einer Konzentration einer Sonde, European atent B1, 2016.
[3]
Magnussen,
Stern,
e
Malata,
Utilizzare
continuità
i kernel
per
trasformazione
in modo irregolare
e
incoerente
campionati
dati
con
La posizione...
dipendente
caratteristiche,
Acciaio di acciaio
La Commissione
Il diciannovesimo
Internazionale
Conferenza
Connessione
Autonomia
e
Autonomo
Sistemi
Behn,
Ed.
IARIA. ThinkMind, marzo 2023, pag. 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,
No. 3&4, pp. 4350, 2023. [5] Swinehart, The beer-lambert law Journal Chemical Education vol. 39, no. 333, luglio 1962. [6] Ding, Lu, ooden, Kragel, e X.-H. Hu, Refracti indici tessuti della pelle umana otto lunghezze e rapporti di dispersione stimati tra e nm, Physics Medicine Biology ol.
51
N. 1479, Mar. 2006. [7] ou, Labrie, e Chylek, Refractiv indici acqua e ghiaccio la gamma spettrale 0,65- 2,5, Applied Optics ol. 32, n. 19, pp. 35313540, luglio 1993. [8] Prahl. (1999) Assorbimento ottico dell'emoglobina. [Online]. ailable: https://omlc.org/spectra/hemoglobin/inde x.html [9] Karpeles e Huff, L'olume del sangue porzioni rappresentative del sistema muscolo-scheletrico uomo, Circulation Resear vol.
N. pp. 483489, 1955. [10] Kim, Kang, Kim e Kim, L'anemia prevalenziale e l'esaurimento del ferro la popolazione anziana di anni The ean Journal Hematolo vol. 46, n. pp. 196199, 2011. [11] Epstein e Haghenbeck, Assessment bedding tissue saturation monitoring critically ill adults: integrati view the literature, Critical Car Research and Practice ol.
2014,
Maggio
2014. [12] Matsumoto, Suganuma, Shimizu, Hayashi, Sawada, Okuda, Ihara e Nakaji, Skin carotenoid vel alternati marker serum concentrazione totale di carotenoidi e assunzione ottenuta correlazioni con biomarcatori malattie circolatorie e sindrome metabolica, Nutrients ol.
12,
No. 2020. [13] Prahl. (2017) Beta-carotene. [Online]. disponibile: https://omlc.org/ spectra/PhotochemCAD/html/041.html [14] KdotJPG. (2019) Opensimplex [Online]. disponibile: https://github com/KdotJPG/OpenSimplex2