Classification lung diseases with electrical impedance tomography

This article analyzed the application of Electrical Impedance Tomography (EIT) in diagnosing lung diseases using the Lung Electrical Tomography System (LETS), which consists of a vest equipped with 32 electrodes and the LETSWEB analytical module. A comparison was made between the classification models Multi-layer Perceptron (MLP) and Gradient Boosting Classifier (GBC). In classifying pathological conditions based on simulated EIT data, the MLP model achieved a higher accuracy (87.5%) compared to the GBC model, which reached 80.5%. The study employed the Boruta algorithm for feature selection and dimensionality reduction techniques, significantly improving classification efficiency. The results highlight the potential of LETS and EIT as non-invasive diagnostic methods for detecting respiratory diseases.

---

W artykule dokonano analizy zastosowania tomografii impedancyjnej (EIT) w diagnostyce chorób płuc, z wykorzystaniem systemu Lung Electrical Tomography System (LETS), który składa się z kamizelki wyposażonej w 32 elektrody oraz modułu analitycznego LETSWEB. Porównano modele klasyfikacyjne Multi-layer Perceptron (MLP) i Gradient Boosting Classifier (GBC). W klasyfikacji stanów patologicznych na podstawie symulowanych danych EIT model MLP osiągnął wyższą dokładność (87,5%) w porównaniu z modelem GBC, który uzyskał 80,5%.. W badaniu zastosowano algorytm Boruta do selekcji cech oraz techniki redukcji wymiarowości, co znacząco poprawiło efektywność klasyfikacji. Wyniki wskazują na duży potencjał LETS i EIT jako nieinwazyjnych metod diagnostycznych w wykrywaniu chorób układu oddechowego.