ارسل ملاحظاتك

ارسل ملاحظاتك لنا







Computer-Aided Diagnosis of Melanoma Using Enhanced ABCD Rule

العنوان بلغة أخرى: تشخيص سرطان الجلد بمساعدة الحاسوب باستخدام قاعدة ABCD المحسنة
المؤلف الرئيسي: طاهات، مجد زهير (مؤلف)
مؤلفين آخرين: نصير، مريم ساري (مشرف), أبو عطا، بلال مصطفى (مشرف)
التاريخ الميلادي: 2018
موقع: اربد
الصفحات: 1 - 57
رقم MD: 954491
نوع المحتوى: رسائل جامعية
اللغة: الإنجليزية
الدرجة العلمية: رسالة ماجستير
الجامعة: جامعة اليرموك
الكلية: كلية الدراسات العليا
الدولة: الاردن
قواعد المعلومات: Dissertations
مواضيع:
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

21

حفظ في:
المستخلص: الميلانوما هو أخطر أشكال سرطان الجلد، في حين يمكن الشفاء منه عن طريق الكشف المبكر عن المراحل المبكرة. وإلى جانب المتخصصين المحترفين القادرين على تحديد المرض بدقة، فإن الأنظمة الآلية قادرة على التعرف على المرض الذي قد ينقذ الأرواح ويقلل من التكاليف. لتحقيق هذا الهدف، في هذا البحث لغايات تصنيف المرض، تم تغذية النموذج باستخدام دعم آلة ناقلات (SVM)‏ مع شعاعي وظيفة أساس نواة بخصائص الصورة وتصنيفها، من أجل التنبؤ بوجود أو عدم وجود الورم الخبيث في الصور المخبرية. وبناء على هذا المصنف، قد تم دراسة كل من خصائص ABCD والملمس المستمدة من طريقة Haralick للعثور على أفضل الخصائص التي يمكن زيادة دقة عملية التشخيص. تعامل هذا البحث مع 220 صورة والتي تم جمعها من قواعد بيانات دولية متخصصة. لذلك، وللتحقق من فعالية الدراسة، تم استخدام مصفوفة الارتباك لحساب مقاييس الأداء المختلفة مثل الدقة والتذكير والانضباط ونتيجة F1. في النهاية، أظهرت النتائج الخمس نقاط التالية: أولا، أدت ميزات النسيج المضافة الجديدة إلى تحسين الدقة بنسبة 9.6% على قاعدة ABCD‏ الشائعة من 84% إلى 93.6%. ثانيا، خصائص النسيج التي رفعة الكفاءة هي: التباين، الدورة الدموية، الارتباط، التجانس، الترابط الذاتي، التجمع العنقودي، تباين المجموع، انتروبيا الفرق، وقياس المعلومات للعلاقة 1، قياس المعلومات للارتباط 2، الفرق المعكوس، والفارق العكسي. ثالثا، كلما أضيفت المزيد من عينات البيانات إلى المصنف، كلما زادت دقة نتائج التشخيص. رابعا، أثبتت خوارزمية التحسين النظرية أنها تعمل بشكل أفضل مع مجموعات كبيرة من مجموعات صغيرة من عينات البيانات. وأخيرا، لا يكون إضافة المزيد من الميزات مفيدا بالضرورة لنتيجة التصنيف. عندما يزيد عدد الميزات، تكون هناك حاجة لمزيد من بيانات التدريب للمصنف من أجل تحسين عملية التشخيص ومنع التثبيت الزائد.

عناصر مشابهة