يجب تسجيل الدخول أولا
Using Video Oculography Technique and Neural Networks to Detect Strabismus
| العنوان بلغة أخرى: |
استخدام تقنية تصوير العين بالفيديو والشبكات العصبية لاكتشاف الحول |
|---|---|
| المؤلف الرئيسي: | المخادمة، مهند عبدالقادر (مؤلف) |
| مؤلفين آخرين: | كليب، أحمد فضل (مشرف) |
| التاريخ الميلادي: |
2021
|
| موقع: | إربد |
| الصفحات: | 1 - 89 |
| رقم MD: | 1189801 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة اليرموك |
| الكلية: | كلية تكنولوجيا المعلومات وعلوم الحاسوب |
| الدولة: | الاردن |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
26
| المستخلص: |
ينتشر مرض حول العينين بنسبة كبيرة بين الأطفال وبسبب أمراض معينه عند البالغين، ويسبب هذا المرض أحيانا حالة نفسية سيئة لمن يعانون منه بسبب نظرة المجتمع لهم وشعورهم بالحرج أمام الأخرين. لذا فإن إكتشاف هذا المرض في وقت مبكر بالطريقة الصحيحة ومعالجته ومتابعة حالة التحسن أثناء العلاج يقلل من آثاره ومدته لدى الأشخاص اللذين يعانون منه ويقلل أيضا من تكاليف العلاج. يعتمد تشخيص الحول على الطرق التقليدية واليدوية والخبرات لدى طبيب العيون، وهي تختلف من طبيب لآخر مما يسبب أحيانا إختلاف بالآراء أو التشخيص الخاطئ وأحيانا العلاج بطريقة خاطئة. لذا إستدعت الحاجة في هذا البحث إلى إستخدام تقنية تصوير العين بالفيديو (VOG) وتقنيات التعلم الآلي (ML) لما يتميزان به من طرق وميزات رائدة في التعامل مع البيانات وخصوصا في المجالات الطبية. حيث سيتم تطوير خوارزمية تقوم بحساب فرق المسافة بين البؤبؤ ومركز العين والحد الداخلي والخارجي للعين، وعليه يتم إكتشاف حالات الحول من عدمها في الوقت الحقيقي إما في إحدى العينين أو كلاهما وكذلك تحديد نوع الحول في حال وجوده. تمحورت منهجية البحث عبر طريقتين، الطريقة اليدوية والآلية، حيث أن الطريقة اليدوية تعتمد على المستخدم في تحديد الحد الداخلي والخارجي ومركز البؤبؤ للعين، بينما الطريقة الآلية يتم تحديد الحدود الداخلية والخارجية فيها من خلال تقنيات تعلم الآلة بإستخدام الشبكة العصبية التلافيفية (CNN). حيث تم بناء وتدريب ال CNN بإستخدام ملف التدريب تم تحميله من موقع Kaggle يحتوي على 7049 صورة، ومن ثم تم فحص هذه الشبكة بإستخدام ملف الفحص يحتوي على 1783 صورة. ومن خلال نتائج التجارب تم ضبط مكونات ال CNN وتم الحصول على نتائج الدقة Accuracy 99.19% والحساسية Sensitivity 99.9%. ولغاية تجربة الطريقتين تم تسجيل فيديوهات ل 4 مشاركين وكذلك إضافة 7 صور تم جمعهم من الأنترنت وصورة واحدة من ملف فحص ال CNN. تم تطبيق الطريقة اليدوية والآلية عليها ومن ثم تم عرض النتائج على طبيب العيون وتبين بأن الطريقة اليدوية مع الخوارزمية المطورة استطاعت إكتشاف جميع حالات الحول بشكل صحيح وبنسبة 100%، بينما كانت نسبة الأكتشاف في الطريقة الآلية 66%. |
|---|
عناصر مشابهة
-
Skin Cancer Detection Using Statistical Features and Back Propagation Neural Networks
بواسطة: أحمد، حسن عبدالحسين منشور: (2016) -
Heart Disease Prediction Model Using Naïve Bayes Algorithm and Machine Learning Techniques
بواسطة: يوسف، ماريا محمد فوزي منشور: (2020) -
Evasion of Phishing Detection Techniques Using Generative Adversarial Deep Learning Networks
بواسطة: القرشي، راية محمد منشور: (2021) -
Road Traffic Congestion Measurement Using Video, Stereo Image Matching and Artificial Neural Network: Case Study: Some of Amman / Jordan Intersections
بواسطة: السكارنة، حياة عبد موسى منشور: (2016) -
Intrusion Detection Using Feed- Forward Neural Networks
بواسطة: ألعبيدي، خطاب معجل علي منشور: (2008)
