ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > Detection and Classification o...>الوصف

Detection and Classification of Pregnancy Start Using Deep Learning Technique

المصدر: مجلة جامعة أم درمان الإسلامية
الناشر: جامعة أم درمان الإسلامية - معهد البحوث والدراسات الإستراتيجية
المؤلف الرئيسي: Mohammed, Hassan Abdel Rhman (Author)
مؤلفين آخرين: Sharif, Mahir Mohammed (Co-Author) , Hussein, El-Tahir Mohmmed (Co-Author)
المجلد/العدد: ع34
محكمة: نعم
الدولة: السودان
التاريخ الميلادي: 2021
التاريخ الهجري: 1443
الشهر: أكتوبر
الصفحات: 71 - 85
ISSN: 1858-5361
رقم MD: 1263350
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: IslamicInfo
مواضيع:
الصحة الانجابية | مرحلة ما قبل الحمل | مضاعفات الحمل | التصوير السريري | النمو السليم
كلمات المؤلف المفتاحية:
Ultrasound Image | Recognition | Fetus Detection | Deep Learning CNN
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

4

حفظ في:
المستخلص: الهدف من هذا العمل هو تصميم وتطوير نموذج يكتشف ويصنف الحالة الصحية للحمل. الموجات فوق الصوتية هي واحدة من أكثر تطورات التصوير السريري انتشارا؛ حيث تمكن الطبيب من تقييم الأمراض وتحليلها وعلاجها. تؤدي معظم مضاعفات الحمل إلى مشاكل خطيرة تقيد النمو السليم الذي يسبب الضعف أو الوفاة. في هذا العمل تم تطوير نموذج معالجة الصور للتعرف على صحة الجنين أثناء الحمل وتصنيفه لجميع مراحل نموه. تم تنفيذ التقنيات في التعلم العميق حيث تم تطبيق نموذج CNN (Resnet50) للتعرف على الصور لاكتشاف وتصنيف الحالة الصحية للجنين من صور الموجات فوق الصوتية. النموذج المقترح ساهم بتقديم حل متكامل لكل فترة الحمل يعمل على التعرف على كل مراحل نمو الجنين ابتداء من مرحلة ما قبل الحمل (وهنا يتعرف على صلاحية الرحم للحمل وحجم البويضة وقابليتها لتكوين الجنين) وحتى مرحلة الولادة وذلك من خلال التدريب والتحقق والاختبار باستخدام تقنية التحقق المتقاطع التي استخدمت فيها خمس طيات لدفة التشخيص وذلك وفقا للأنماط التي تميز كل مرحلة عن الأخرى والتحقق من أنه سليم أو غير سليم في المرحلة المعنية. عززت هذه الدراسة دقة التشخيص باستخدام نقل التعليم واستخدامه للصور المدخلة الجديدة التي لم يتم التدريب عليها كتغذية عكسية. حقق النظام دقة بلغت نسبة 96.5% في الكشف عن الجنين وتصنيفه إلى أي من المراحل التي تم تقسيمها وفقا الميزات التي تظهر من مرحلة إلى أخرى إلى إحدى عشر فئة.

This work aims to design and develop a model that detects and classifies pregnancy health status. Ultrasound is one of the most prevalent developments in clinical imaging, as it enables a doctor to evaluate, analyze and treat diseases. Most complications from pregnancy lead to serious problems that restrict healthy growth, causing weakness or death. In this work, an image processing system was developed to recognize the health during pregnancy and classify it for all stages of its development. The technique in deep learning has been implemented, as CNN (Resnet50) image recognition model was applied to detect and classify fetal health status from ultrasound images. The proposed model contributed to providing an integrated solution for each pregnancy period that works to identify all stages of fetal development, starting from the pre-pregnancy stage (here it is known about the suitability of the uterus for pregnancy, the size of the ovum, and its ability to form the fetus) and up to the stage of birth, through training, verification and testing using the cross-verification technique that five folds of the diagnostic rudder were used under the patterns that distinguish each stage from the other and to verify that it is sound or unsound in the concerning stage. This study enhanced diagnostic accuracy by using transfer learning and novel accessory images that were not trained as feedback. The model achieved an accuracy of 96.5% in detecting the fetus and classifying it into any of the stages that were divided according to the features that appear from one stage to the next to eleven categories.
ISSN: 1858-5361

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.