الفهرس 
Deep Learning Based CAD System for Early Detection of Brain Tumor
IntroductionOnly 14 pages are availabe for public view
 |  | from | 89 |  |  |
| | | from | 89 | | |
Abstract
ورم المخ هو نمو غير متحكم به لخلايا المخ يحدث في سرطان المخ إذا لم يتم اكتشافه في مرحلة مبكرة. يعد الكشف المبكر عن ورم المخ أمرًا بالغ الأهمية لتخطيط العلاج وبقاء المريض على قيد الحياة. تأتي أورام المخ في مجموعة متنوعة من الأشكال والأحجام والخصائص والعلاجات. نتيجة لذلك ، يعد الكشف اليدوي عن ورم المخ أمرًا صعبًا ويستغرق وقتًا طويلاً وعرضة للخطأ. ونتيجة لذلك ، فإن التشخيص الآلي عالي الدقة بمساعدة الكمبيوتر (CAD) مطلوب حاليًا. و يعد استخدام تقنيات معالجة الصور في التصوير بالرنين المغناطيسي (MRI) مهمة صعبة ولكنها مهمة لمجموعة متنوعة من تطبيقات التحليل الطبي. نظرًا لأن كل طريقة من طرق تصوير المخ توفر تفاصيل فريدة ومهمة حول كل جزء من أجزاء الورم ، فإن هذه الرسالة تستخدم تقنية التعلم العميق ، وخاصة نموذج الشبكة العصبية التلافيفية (CNN) ، للكشف المبكر عن أورام المخ والتشخيص السريع نظرًا لأهمية ذلك المرض وتزايد عدد المصابين به سنويا مما يساعد على خفض معدل الوفيات. وذلك عن طريق تطبيق هذه التقنية على صور التصوير بالرنين المغناطيسي وتم التطبيق على نوعين مختلفين من الصور (النوع اللأول داتا كبيرة الحجم عبارة عن 3264 صورة والنوع الثانى داتا صغيرة الحجم تتكون من 253 صورة) لكى نزيد من عدد الصور وبالتالى نزيد من دقة وكفاءة الموديل من خلال تطبيق طريقتين بنموذج CNN .الطريقة الاولى هى تطبيق كافة الصور الموجوده على الشبكة معا حيث تم تدريب الشبكة على مجموعة صور كبيرة ومختلفة تتكون من 3517 صورة مقسمة لمجموعة صور بها أورام واخرى ليس بها أورام وهما عبارة عن 3517 صورة وقمنا بتسجيل النتائج حيث حصلنا على نسبة دقة 94.6 ٪ .والطريقة الثانية تم تقسيم الصور الى 3 مجموعات ودخولها على الشبكة كل مجموعه على حدى اى كأننا قمنا بتكرار الشبكة 3 مرات حتى تزداد الكفاءة ، وعلى الرغم من انه تم تقسيم الصور على 3 مجموعات الا انه من المتوقع ان يحسن الكفاءة ويقلل زمن عمل الموديل ويسرع الوقت الكلى ويزيد دقة الموديل. حيث تم زيادة معدل الدقة في الكشف عن هذا الورم إلى 98.4٪.