ارسل ملاحظاتك

ارسل ملاحظاتك لنا







Tuning Approach to Improve Multilayer Perceptron for Breast Cancer Prediction

العنوان بلغة أخرى: أسلوب ضبط لتحسين التنبؤ بسرطان الثدي باستخدام قاعدة الإدراك متعددة الطبقات
المؤلف الرئيسي: الشامي، فداء موسي (مؤلف)
مؤلفين آخرين: الشرجبي، بسام (مشرف)
التاريخ الميلادي: 2019
موقع: عمان
الصفحات: 1 - 68
رقم MD: 1013880
نوع المحتوى: رسائل جامعية
اللغة: الإنجليزية
الدرجة العلمية: رسالة ماجستير
الجامعة: جامعة الشرق الأوسط
الكلية: كلية تكنولوجيا المعلومات
الدولة: الاردن
قواعد المعلومات: Dissertations
مواضيع:
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

39

حفظ في:
المستخلص: تحول سرطان الثدي إلى مرض شائع في جميع أنحاء العالم عند النساء الشابات والمصدر الرئيسي لوفيات السرطان وتسبب في 22.9% من مجموعة واسعة من أنواع السرطان لدى النساء. أدى تطور الفحص الشامل لسرطان الثدي إلى التشخيص المبكر والإدارة السريعة مع تحسن كبير في معدل البقاء على قيد الحياة. هناك حاجة ملحة لمشكلة البحث التلقائي عن المعلومات الموجودة في الصور الطبية. فهناك صعوبة في تفسير هذه الصور بالإضافة إلى أعدادها الكبيرة، مما يولد عملا شاقا لأولئك الذين يجب عليهم تفسيرها. لمعالجة هذا الحجم الكبير من المعلومات، يلجأ الأطباء حاليا إلى استخدام الأنظمة للمساعدة في تحليل وتفسير هذه الصور. يمكن تحقيق ذلك من خلال تقنيات التعلم الآلي. يقارن النهج المقترح في هذه الأطروحة خوارزميات التعلم الآلي (خوارزمية أقرب جار، خوارزمية الغابة العشوائية، وخوارزمية قاعدة الإدراك متعددة الطبقات) للتصنيف على قاعدة بيانات سرطان الثدي WDBC للحصول على أفضل الخوارزميات في النتائج. ثم تحديد السمات الأكثر تحديدا والأكثر صلة بتصنيف الورم الخبيث من خلال أكثر من خوارزميات اختيار الميزة. بعد ذلك، تقييم النتائج حسب المقاييس الخاصة بالتقييم على نتيجة قاعدة الإدراك متعددة الطبقات للوصول إلى نتيجة أكثر دقة. وأخيرا، مقارنة نتائج مقاييس التقييم في التعلم الآلي على قاعدة الإدراك متعددة الطبقات المعدل ونتائج قاعدة الإدراك متعددة الطبقات الأصلي. أظهرت النتائج التجريبية على مجموعة بيانات WDBC أن تحسين دقة قاعدة الإدراك متعددة الطبقات المعدل المقترحة مقارنة بـ قاعدة الإدراك متعددة الطبقات الأصلي يبلغ حوالي 1.07%.