الفهرس 
IntroductionOnly 14 pages are availabe for public view
 |  | from | 91 |  |  |
| | | from | 91 | | |
Abstract
في الآونة الأخيرة ، حظيت أنظمة تشخيص الأمراض المختلفة بمساعدة الكمبيوتر باهتمام كبير، وتعتبر الانظمة التي تستخدم التعلم العميق من احدث انظمة التشخيص المعتمدة على الكمبيوتر حيث ان التعلم العميق هو أحد أحدث التقنيات المستخدمة لتحليل وتصنيف الصور الطبية. في هذه الرسالة، تم اقتراح نموذجين لتصنيف أمراض الكبد البؤرية، النموذج الأول: هو نموذج تقليدي لتصنيف ثلاثة من أمراض الكبد البؤرية بالإضافة للكبد السليم، ويتكون هذا النموذج من اربعة مراحل المرحلة الأولى هي إزالة الشوشرة من الصور الطبية (صور موجات فوق الصوتية للكبد) باستخدام مرشح وسيط, أما المرحلة الثانية فهي مرحلة استخلاص المنطقة ذات الاهتمام والتي تحتوي على المرض باستخدام طريقة تحديد المستوى وتقنية وسائل التجميع المبهمة، والمرحلة الثالثة هي مرحلة استخلاص السمات من المنطقة ذات الاهتمام ومن ثم اختيار السمات المهمة عن طريق استخدام طريقة تحليل المركبة الرئيسية، أما المرحلة الرابعة والاخيرة فهي مرحلة التصنيف باستخدام دعم الآلة الناقلة المتتعدد وقد حققت هذه الطريقة دقة مقدارها 96.7 %.ويستخدم النموذج الثاني التعلم العميق لتصنيف أمراض الكبد البؤرية الثلاثة بالاضافة للكبد السليم حيث تم استخدام شبكة عصبية تلافيفية مدربة مسبقًا، مع تطبيق نوعين من الشبكات (ResNet50 , AlexNet )، مع شبكات متصلة بالكامل وبعد استخراج السمات العميقة باستخدام التعلم العميق. يمكن إدخال الصور في حالات مختلفة من المرض ، مثل تكيس الكبد، ورم وعائي، ورم سرطاني بالاضافة الي الكبد الطبيعي . تم استخدام اثنين من المصنفات، المصنف الأول يتضمن فئتين (طبيعي/تكيس، طبيعي/ ورم عائي، طبيعي/ وورم سرطاني، ورم سرطان/ تكيس، ورم سرطاني/ورم وعائي، تكيس/ورم وعائي) والمصنف الثاني يحتوي على أربعة فئات (تكيس/ورم وعائي/ورم سرطاني/ طبيعي) لتمييز صور الكبد وقد تم تقييم النتائج باستخدام معايير الأداء، حيث تبين أن المصنفات ذات الفئتين أعطت نتائج أفضل من المصنف ذي الفئات الأربعة، وبناءً عليه تم اقتراح مصنف هجين لدمج الاحتمالات الموزونة للفئات التي حصل عليها كل مصنف فردي، وحققت النتائج التجريبية دقة تصل إلى 96.1٪ باستخدام ResNet50 مما يعني أنه يمكن استخدامها كوسيلة تشخيصية مساعدة لتصنيف أمراض الكبد البؤرية.