https://urc.tums.ac.ir/admin/contentsdetail.aspx?csrf=BQSD549M&id=289401هدف از گنجاندن اطلاعات حسگر در مداخلات پزشکی، کمک به جراحان برای تصمیم گیری در مورد مراحل اقدام بعدی با ارزیابی بافت در حین عمل است. در مورد سرطان مثانه، یک مسئله مهم عود تومور به دلیل عدم حذف کل تومور است. اندازه‌گیری تداخل می‌تواند به طبقه‌بندی بافت مثانه کمک کند و به جراحان نشان دهد که چه مقدار بافت باید برداشته شود. در طول سال‌ها تحقیق، مشخص شد که طیف‌سنجی تداخل الکتریکی یک ابزار بسیار امیدوارکننده برای تمایز بافت است، اما همچنین ابزاری بسیار حساس است. در حالی که تمایز در مطالعات اولیه پتانسیل زیادی را نشان می‌دهد، چالش‌هایی هنگام انتقال این مفهوم به شرایط واقعی حین عمل به وجود می‌آیند، که عمدتاً به دلیل تأثیر رادیوتراپی قبل از عمل، احتمالاً انواع مختلف تومور و تغییر شکل‌های بافت مکانیکی ناشی از پریستالسیس یا نیروی تماس ناپایدار حسگر است. این کار یک رویکرد طبقه‌بندی مبتنی بر بیمار را پیشنهاد می‌کند که فاصله یک اندازه‌گیری ناشناخته را تا مرجع سالم همان بیمار ارزیابی می‌کند، اساساً یک طبقه‌بندی نسبی از تفاوت در تداخل است که در برابر تفاوت‌های بین فردی و خطاهای سیستماتیک قوی است. یک مجموعه داده متنوع که سناریوهای اختلال چندگانه را پوشش می‌دهد، ثبت می‌شود. دو گزینه برای تعریف ویژگی‌ها از داده‌های تداخل بررسی می‌شوند، یعنی استفاده از نقاط اندازه‌گیری و پارامترهای مبتنی بر مدل. بر اساس فاصله بردار ویژگی یک اندازه گیری ناشناخته تا یک مرجع سالم، یک طبقه بندی فرآیند گاوسی آموزش داده می شود. این رویکرد به دقت طبقه بندی بالایی تا 100٪ در داده های تداخل بدون نویز ثبت شده در شرایط کنترل شده دست می یابد. حتی زمانی که تمایز به دلیل اختلالات خارجی مبهم تر است، رویکرد ارائه شده هنوز به دقت طبقه بندی 80٪ دست می یابد. این نتایج نقطه شروعی برای مقابله با خصوصیات بافت مثانه حین عمل و کاهش میزان عود است.