| LEADER |
04760nam a2200325 4500 |
| 001 |
1531126 |
| 041 |
|
|
|a eng
|
| 100 |
|
|
|9 613028
|a Qteat, Haneen Omar Ismail
|e Author
|
| 245 |
|
|
|a Using Enhanced Artificial Neural Networks Model for Classification and Prediction of Diabetes
|
| 260 |
|
|
|a جنين
|c 2019
|
| 300 |
|
|
|a 1 - 119
|
| 336 |
|
|
|a رسائل جامعية
|
| 502 |
|
|
|b رسالة ماجستير
|c الجامعة العربية الأمريكية - جنين
|f كلية الدراسات العليا
|g فلسطين
|o 0287
|
| 520 |
|
|
|a أحد أهم القضايا التي يتوجب أخذها في عين الاعتبار عند تطوير حلول للمشكلات الصحية هي قضية التحكم في داء السكري الذي بات يعرف كأحد أكثر عشرة أمراض فتكا حول العالم. تم اعتبار داء السكري على أنه وباء قاتل لذلك يتوجب الكشف المبكر عنه لمساعدة حامله في التحكم فيه. قامت العديد من الدراسات السابقة بتطبيق عدة نماذج التعلم الآلي "Machine Learning" لتحسين القدرة على الكشف عن وجود أو عدم وجود مرض السكري لدى الأشخاص. في المقابل هناك قلة قاموا باستخدام نماذج التعلم الآلي للتنبؤ بالنوع الثاني من مرض السكري "T2DM". حيث ينقسم حاملو مرض السكر إلى عدة أنواع وأكثرها انتشارا هما النوع الأول "T1DM" والنوع الثاني من المرض"T2DM". حيث يعد النوع الأول هو النوع الأكثر خطورة على حياة الإنسان من ما يسببه من مضاعفات وأمراض نتيجة انخفاض مستويات هرمون الأنسولين في الجسم. حيث يكون البنكرياس غير قادر على إنتاج هرمون الأنسولين الضروري للاستفادة من جلوكوز الدم وتحويله إلى طاقة. ويعتبر التشخيص الخاطئ لأحد أنواع المرض أمر خطير قد لا يتم تداركه والذي يتسبب بعدم تزويد المريض بالعلاج الوقائي المناسب. نظرا لذلك، قمنا في هذه الأطروحة بجمع مجموعة بيانات محلية فلسطينية "DataPal" لاستخدامها في تدريب وتقييم أداء نموذجنا الهجين المقترح بالإضافة إلى مجموعة بيانات عالمية أخرى "PIDD" لتصنيف وجود المرض وعدمه. في هذه الأطروحة قدمنا نهج ما قبل المعالجة "Preprocessing" الذي يعتمد على تقدير القيم المفقودة داخل مجموعات البيانات باستخدام خوارزمية "K-nn" بالإضافة إلى خوارزمية "SVM" التي تم استخدامها لاختيار أكثر الميزات "Dataset attributes" تأثيرا في نتيجة التنبؤ. كما تم استخدام النموذج الهجين "PSO-FFNN" الذي يعمل على بناء حلول تساعد على تحسين دقة تشخيص مرض السكري وأنواعه. تم تطبيق العديد من خوارزميات التعلم الآلي لإثبات قدرة نموذج "PSO-FFNN " على التنبؤ بمرض السكري وأنواعه. تم تطبيق قاعدة البيانات "PIDD" لإثبات قدرة النموذج المقترح على تشخيص وجود أو عدم وجود مرض السكري لدى المرضى. كانت خوارزمية "MLP-BPNN" الأكثر منافسة وبالرغم من ذلك قد أثبت النموذج المقترح أنه الأفضل في تشخيص وجود مرض السكري وفي تصنيفه إلى النوعين "T1DM" و"T2DM".
|
| 653 |
|
|
|a الشبكة العصبية
|a الشبكة الاصطناعية
|a مرضى السكري
|a التعلم الآلي
|
| 700 |
|
|
|a Awad, Mohammed
|e Advisor
|9 551750
|
| 856 |
|
|
|u 9808-002-001-0287-T.pdf
|y صفحة العنوان
|
| 856 |
|
|
|u 9808-002-001-0287-A.pdf
|y المستخلص
|
| 856 |
|
|
|u 9808-002-001-0287-C.pdf
|y قائمة المحتويات
|
| 856 |
|
|
|u 9808-002-001-0287-F.pdf
|y 24 صفحة الأولى
|
| 856 |
|
|
|u 9808-002-001-0287-1.pdf
|y 1 الفصل
|
| 856 |
|
|
|u 9808-002-001-0287-2.pdf
|y 2 الفصل
|
| 856 |
|
|
|u 9808-002-001-0287-3.pdf
|y 3 الفصل
|
| 856 |
|
|
|u 9808-002-001-0287-4.pdf
|y 4 الفصل
|
| 856 |
|
|
|u 9808-002-001-0287-5.pdf
|y 5 الفصل
|
| 856 |
|
|
|u 9808-002-001-0287-R.pdf
|y المصادر والمراجع
|
| 856 |
|
|
|u 9808-002-001-0287-S.pdf
|y الملاحق
|
| 930 |
|
|
|d y
|
| 995 |
|
|
|a Dissertations
|
| 999 |
|
|
|c 1142647
|d 1142647
|
