Mammogram Image Classification Using K-Nearest Neighbor "KNN" Algorithm and Mutual Information "MI" Feature Selection
| العنوان بلغة أخرى: |
تصنيف صور الثدي الشعاعية باستخدام خوارزمية الجار الأقرب واختيار الخصائص بواسطة طريقة تبادل المعلومات |
|---|---|
| المؤلف الرئيسي: | Hassan, Waleed Mohammed Abdalla (Author) |
| مؤلفين آخرين: | Abdalla, Ali Ahmed Alfaki (Advisor) |
| التاريخ الميلادي: |
2018
|
| موقع: | الخرطوم |
| الصفحات: | 1 - 31 |
| رقم MD: | 1103825 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة النيلين |
| الكلية: | كلية الدراسات العليا |
| الدولة: | السودان |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
16
| المستخلص: |
يعتبر سرطان الثدي أحد أهم أسباب الوفاة لدي النساء في العالم. عند إجراء الكشف المبكر والدقيق لهذا المرض ترتفع نسبة الشفاء من 56% إلى 86%. تعتمد دقة التصنيف في معظم المصنفات على الخصائص المهمة المستخلصة من الصورة وعلى خوارزمية التصنيف في حد ذاتها. تفترض هذه الدراسة طريقة تصنيف باستخدام خوارزمية الجار الأقرب وأهم الخصائص المختارة من مجموعة الخصائص المستخلصة من الصورة الشعاعية للثدي يتم اختيار أهم الخصائص بناء على طريقة الــــــ Mutual information (MI) تهدف هذه الدراسة إلي تحسين دقة تصنيف خوارزمية الجار الأقرب باستخدام أهم الخصائص لتحديد إذا كانت الصورة الشعاعية للندي طبيعية أم مصابة بالسرطان. في هذه الدراسة عملية التصنيف تتضمن خمسة خطوات أساسية تبدأ بجمع صور الأشعة، تجهيز الصور، استخلاص خصائص الصور، التصنيف في المرحلة الأولى باستخدام جميع الخصائص المستخلصة. تم التصنيف في المرحلة الثانية باستخدام أفضل الخصائص المحددة باستخدام طريقة (MI) وأخيرا الاختبار والتقييم. استخدمت هذه الدراسة مجموعة من الخصائص مستخرجة من صور الأشعة التي أخذت من قاعدة بيانات مجتمع المعلومات ومن ثم استنادا إلى طريقة التصنيف طبقت الدراسة خوازرمية أقرب الجيران (KNN). هذه الدراسة قسمت قاعدة البيانات إلي قسمين هما: التدريب والاختبار. وبعد بناء المصنف علي أساس بيانات التدريب يتم اختبار النموذج المقترح باستخدام بيانات الاختبار لقياس الدقة. أفضل دقة تم الحصول عليها 76% عند استخدام نسبة 85% و15% على التوالي للتدريب والاختبار وذلك عند استخدام أفضل خمسة خصائص عند عملية التصنيف. وتوصى الدراسة لتحسين دقة نتيجة المصنف استخدام طريقة أخرى لاختيار أفضل الخصائص. |
|---|
عناصر مشابهة
-
Automated Algorithm for Mammogram Image Analysis: Tumor Segmentation and Classification
بواسطة: سعد، معتز موسى سعيد منشور: (2015) -
Instantly Enhanced Image Selection for Mammogram Images Segmentation
بواسطة: محمد، سري جاسم منشور: (2019) -
Molecular Characterization of Breast Cancer in Sudanese Women Using PvuII, XbaI, and HinfI Single Nucleotide Polymorphisms of ESR1 Gene
بواسطة: Abo-Albasher, Khalid Mohammed Adam Abd Allah منشور: (2012) -
Mammogram Images Enhancement Using Fuzzy Histogram Equalization Technique
بواسطة: Abbas, Amel Hussain منشور: (2018) -
An Improved BIRCH Algorithm for Breast Cancer Clustering
بواسطة: برهم، ميسرة محمد حسين منشور: (2020)
