การวิเคราะห์แบบการแยกส่วนประกอบรูปแบบเชิงประจักษ์ของข้อมูลการไหลของเลือดสำหรับการจำแนกมะเร็งผิวหนัง

สัญญาณการไหลของเลือดเป็นสัญญาณทางสรีรวิทยาหนึ่งที่แสดงให้เห็นว่าสามารถใช้ในการจำแนกตัวอย่างที่เป็นมะเร็งผิวหนังชนิดเมลาโนมาได้ ในวิทยานิพนธ์นี้ วิธีการแยกส่วนประกอบรูปแบบเชิงประจักษ์ถูกนำมาใช้เพื่อแยกส่วนประกอบของสัญญาณการไหลของเลือดออกเป็นฟังก์ชันภาวะภายในอันดับต่าง ๆ ซึ่งมีองค์ประกอบเชิงความถี่แตกต่างกัน คุณลักษณะเฉพาะของฟังก์ชันภาวะภายในของสัญญาณการไหลของเลือดถูกสกัดออกมาเพื่อใช้ในการจำแนกตัวอย่างที่เป็นมะเร็งผิวหนังชนิดเมลาโนมา คุณลักษณะเฉพาะที่เป็นที่นิยมซึ่งนพมาใช้ในการจำแนกตัวอย่างที่เป็นมะเร็งผิวหนังชนิดเมลาโนมารวมถึงค่ารากที่สองของค่าเฉลี่ยกำลังสอง ค่าเฉลี่ย ค่าสัมบูรณ์เฉลี่ย และค่าความแปรปรวน ชุดข้อมูลการไหลของเลือดที่ศึกษาในวิทยานิพนธ์นี้ประกอบด้วยสัญญาณการไหลของเลือดที่ตรวจวัดมาจาก 4 กลุ่มตัวอย่าง คือ ตัวอย่างที่เป็นมะเร็งผิวหนังชนิดเมลาโนมา จำนวน 10 ตัวอย่าง ตัวอย่างที่เป็นตัวอย่างของโรคสะเก็ดเงิน จำนวน 9 ตัวอย่าง ตัวอย่างที่เป็นไฝไม่ตรงแบบจำนวน 33 ตัวอย่าง และตัวอย่างที่เป็นไฝตรงแบบที่ไม่ร้ายแรง จำนวน 37 ตัวอย่าง การวิเคราะห์เส้นโค้งคุณลักษณะปฏิบัติการของตัวรับถูกนำมาใช้ในการประเมินประสิทธิภาพของการจำแนกตัวอย่างที่เป็นมะเร็งผิวหนังชนิดเมลาโนมา โดยค่าพื้นที่ใต้เส้นโค้งคุณลักษณะปฏิบัติการของตัวรับเป็นตัวชี้วัดประสิทธิภาพ ผลการทดลองแสดงให้เห็นว่าโดยทั่วไปแล้วการจำแนกตัวอย่างที่เป็นมะเร็งผิวหนังชนิดเมลาโนมาโดยใช้คุณลักษณะเฉพาะของฟังก์ชันภาวะภายในของสัญญาณการไหลของเลือดมีประสิทธิภาพสูงกว่าการจำแนกตัวอย่างที่เป็นมะเร็งผิวหนังชนิดเมลาโนมาโดยใช้ค่าคุณลักษณะเฉพาะของสัญญาณการไหลของเลือด การจำแนกระหว่างตัวอย่างที่เป็นมะเร็งผิวหนังชนิดเมลาโนมาและตัวอย่างจากทั้งสามกลุ่มตัวอย่างมีประสิทธิถาะสูงสุดเมื่อใช้ค่าสัมบูรณ์เฉลี่ยของฟังก์ชันภาวะภายในอันดับที่ 1 ของสัญญาณการไหลของเลือดที่ขนาดเท่ากับ 1024 จุด โดยมีค่าพื้นที่ใต้เส้นโค้งเท่ากับ 0.9228