Predicting Breast Cancer Treatment Response Using Deep Learning
| العنوان بلغة أخرى: |
التنبؤ باستجابة علاج سرطان الثدي باستخدام التعلم العميق |
|---|---|
| المؤلف الرئيسي: | العزام، قيس هيثم (مؤلف) |
| مؤلفين آخرين: | الزبيدي، محمد عبدالهادي (مشرف) , العتوم، موفق نايف (مشرف) |
| التاريخ الميلادي: |
2021
|
| موقع: | إربد |
| الصفحات: | 1 - 59 |
| رقم MD: | 1189840 |
| 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
40
| المستخلص: |
السرطان هو السبب الرئيسي للوفاة في العالم. في الوقت الحاضر، تتزايد التحديات التي يواجهها الأطباء في مكافحة السرطان. واستنادا إلى إحصائيات جمعية السرطان الأمريكية، فقد كان من المتوقع أن يصل عدد الوفيات بسبب سرطان الجلد إلى 96480 في عام 2020، ومن المتوقع أن يصل عدد وفيات سرطان الرئة إلى 142640، ومن المتوقع أن يصل عدد وفيات سرطان الثدي إلى 42260. وبما أن سرطان الثدي هو موضوع هذه الأطروحة، فهناك حاجة حقيقية لأنظمة تشخيص دقيقة بمساعدة الكمبيوتر ليس فقط للكشف عن سرطانات الثدي بشكل عام، ولكن للذهاب بعيدا لتوقع استجابة المرضى للعلاج، لمساعدة أخصائيي الأشعة وكذلك مرضى سرطان الثدي من تشخيص ومتابعة مرض السرطان وعلاجه لاحقا. في هذه الأطروحة، سيتم اعتماد استخدام خوارزمية معروفة وهي الشبكة العصبية التوافقية (CNN) كآلية / استراتيجية للتعامل مع حزمة من الصور لثدي النساء التي تم فحصها بالأشعة التي تشير إلى وجود سرطان الثدي من عدمه، وما هو الإجراء الذي سيتخذه الاختصاصي لهذا المريض المحدد، من أجل بناء وتصميم نظام قائم على نهج التعلم العميق للتنبؤ باستجابة المرضى للعلاج في وقت لاحق. باختصار، تم اقتراح المنهجية لإنشاء نظام من صور الثدي الشعاعية المجمعة مع بعض المتطلبات الخاصة (سيتم ذكرها بالتفصيل لاحقا) وتصنيفها يدويا إلى مرحلتين رئيسيتين: المرحلة الأولى من التصوير والمرحلة الثانية، ثم استخراج الكلمات المفتاحية من التقرير المرفق لكل مريض لتحديد أنه طبيعي أو غير طبيعي. بعد ذلك سيكون لدينا مجموعة بيانات مصنفة للتعامل معها بطريقة خاصة تتعلق بمتطلبات النظام، للتوصل إلى نتائج محاكاة بعد إجراء البرمجة على مجموعة البيانات المصنفة. المنهجية المقترحة لها فوائد كبيرة لأخصائيي الأشعة والأطباء كآلية جديدة لدعم وتقييم الاستجابة التنبؤية لعلاج مرض سرطان الثدي باستخدام تقنية بسيطة ودقيقة وفعالة، تفوقت الأنظمة المقترحة في نموذج (MobileNet) مع تطبيق التحقق من الصحة ذات العشر تبادلات (10K cross validation) في مرحلتين لمجموعة بيانات 213 مريضا مع 1705 صورة وبعد إجراء عملية زيادة البيانات للوصول إلى 5100 صورة. وجاءت النتائج بدقة 93.7% للمرحلة الأولى، و93.0% للمرحلة الثانية. |
|---|
عناصر مشابهة
-
Early Detection of Breast Cancer with Microcalcifications on Mammography Using Deep Learning
بواسطة: Abuharaz, Hafia Mamoun Ismail منشور: (2020) -
Automatic Breast Cancer Detection Using Machine Learning Techniques
بواسطة: عبدالحليم، أحمد غالب عمر عبدالرحمن منشور: (2017) -
Measuring proliferation rate of breast cancer using medical image analysis
بواسطة: Al Lahham, Heba Z. منشور: (2012) -
The Prognostic and Predictive Potential of Neuropilin-1 in Human Breast Cancer and its Role in Cells Survival with Acquired Chemoresistance
بواسطة: Al-Zeheimi, Noura Salim Ali منشور: (2019) -
MELT 2015 Inhibits Tumour Growth and Prevents Triple Negative Breast Cancer Invasion in Model System through Disregulation of Ran-GTP
بواسطة: البشتاوي، أحلام سعد منشور: (2021)
