Embodiments described relate to techniques for identifying and characterizing biological structures using machine learning techniques. These techniques may be employed to enable a device to identify the particular type of tissue and/or cells (e.g., platelets, smooth muscle cells, or endothelial cells) in, for example, a biological structure, which may be a tissue or a lesion of a duct (e.g., vasculature) in an animal (e.g., a human or non-human animal), among other structures. The machine learning techniques may use raw impedance spectroscopy measurement data in addition to values derived from that raw data. In addition, the machine learning techniques may be used to select frequencies at which to measure impedance and select features to extract from the measured impedance at the selected frequencies to arrive at a small set of frequencies that allow for reliable differentiation.Des modes de réalisation de l'invention concernent des techniques d'identification et de caractérisation de structures biologiques grâce à des techniques d'apprentissage automatique. Ces techniques peuvent être utilisées pour permettre à un dispositif d'identifier le type particulier de tissu et/ou de cellules (par exemple, des plaquettes, des cellules de muscle lisse ou des cellules endothéliales) dans, par exemple, une structure biologique, qui peut être un tissu ou une lésion d'un conduit (par exemple, un système vasculaire) chez un animal (par exemple, un être humain ou un animal non humain), parmi d'autres structures. Les techniques d'apprentissage automatique peuvent utiliser des données de mesure de spectroscopie d'impédance brutes ainsi que des valeurs dérivées de ces données brutes. De plus, les techniques d'apprentissage automatique peuvent être utilisées pour sélectionner des fréquences auxquelles mesurer l'impédance et sélectionner des caractéristiques à extraire de l'impédance mesurée aux fréquences sélectionnées pour obtenir un petit ensemble de fréquences qui permettent une di
