Применение машинного обучения для диагностики некоторых социально значимых заболеваний по выдыхаемому человеком воздуху методом инфракрасной лазерной спектроскопии

Исследованы инфракрасные спектры воздуха, выдыхаемого несколькими группами волонтеров: страдающих диабетом первого типа, бронхиальной астмой и пневмонией. Для регистрации инфракрасных спектров применен перестраиваемый квантово-каскадный лазер, излучающий в диапазоне длин волн от 5.3 до 12.8 $\mu$m в импульсном режиме с шириной импульса 50 ns, мощностью до 150 mW и шагом перестройки 1 cm$^{-1}$. Лазер оптически сопряжен с астигматической газовой кюветой типа Эрриота с длиной оптического пути 76 m. Обнаружено отличие интенсивности селективных линий молекул-биомаркеров в спектрах выдыхаемого воздуха здоровых волонтеров от аналогичных показателей волонтеров, страдающих определенным заболеванием. На примере таких методов, как метод опорных векторов (SVM), метод $k$-ближайших соседей ($k$-NN) и алгоритм случайного леса (RandomForest), показана возможность классификации волонтеров по инфракрасным спектрам их выдыхаемого воздуха. Применение методов понижения размерности (PCA и $t$-SNE) позволило повысить точность классификации болезней до 98% по метрике accuracy.