ارسل ملاحظاتك

ارسل ملاحظاتك لنا







Machine Learning-Based Breast Cancer Detection and Survival Prediction Using Complete Blood Count Information

المؤلف الرئيسي: Alazri, Alshima Salim Hilal (Author)
مؤلفين آخرين: Mesbah, Mostefa (Advisor) , Al-Tarhuni, Nasser Juma (Advisor) , Boulassel, Mohammed Rachid (Advisor)
التاريخ الميلادي: 2020
موقع: مسقط
الصفحات: 1 - 52
رقم MD: 1175122
نوع المحتوى: رسائل جامعية
اللغة: الإنجليزية
الدرجة العلمية: رسالة ماجستير
الجامعة: جامعة السلطان قابوس
الكلية: كلية الهندسة
الدولة: عمان
قواعد المعلومات: Dissertations
مواضيع:
رابط المحتوى:
صورة الغلاف QR قانون
حفظ في:
المستخلص: هذا العمل يتحدث عن سرطان الثدي والذي يسبب العدد الأكبر من الوفيات. التشخيص المبكر لهذا المرض هو عامل أساسي لتحسين فرصة النجاة للمريض. في هذا المشروع لدينا جزأين أساسيين: الجزء الأول عن تشخيص سرطان الثدي باستخدام خصائص مستخرجة من فحص الدم الشامل. الجزء الثاني يناقش التنبؤ بحياة مريض سرطان الثدي. يضم كل جزء من الجزأين الأساسيين المراحل التالية: المرحلة الأولى هي استخراج الخصائص المهمة من خصائص فحص الدم الشامل وذلك باستخدام خوارزميات معينة لاستخراج وترتيب هذه الخصائص حسب أهميتها. المرحلة الثانية تكون بتصنيف البيانات باستخدام تقنيات معينة للتصنيف. تصنف البيانات في حالة التشخيص إلى سليم أو مريض بالسرطان، أما في حالة التنبؤ بحياة مريض السرطان فسوف تصنف البيانات إلى شخص ناجي من المرض أو شخص غير ناجي منه. وهذه البيانات تضم المصابين بالسرطان فقط. إن المرحلة الأخيرة هي حساب معايير التقييم لتحديد أفضل تقنية تصنيف وتضم هذه المعايير: الدقة، الحساسية، النوعية، والمساحة تحت المنحنى وبعض المعايير الأخرى. تتضمن نتائج تشخيص سرطان الثدي أن فحص الدم الشامل الأول عند دخول المريض للمستشفى تعطي أفضل النتائج بدقة 78.8% ومساحة تحت المنحنى 0.89 وفي حالة التنبؤ بحياة مريض سرطان الثدي فإن أفضل النتائج تكون في حالة فحص الدم الشامل عند تاريخ التشخيص بدقة تساوي 90.5 % ومساحة تحت المنحنى تساوي 0.93.

عناصر مشابهة