الفهرس 
INTRODUCTIONOnly 14 pages are availabe for public view
 |  | from | 139 |  |  |
| | | from | 139 | | |
Abstract
في السنوات الأخيرة لقد ارتفع استخدام تكنولوجيا الكمبيوتر في القطاعات الطبية مثل
تشخيص الأمراض وعلاجها في السنوات الأخيرة ، مما أدى إلى تحسن كبير في نظام
الرعاية الصحية. ويعد تشخيص الأمراض عنصرًا مهمًا في الإجراء الطبي. بسبب
العوامل المعقدة المختلفة للتشخيص ، مثل الصلة النسبية للأعراض ، ونمط الأعراض
المتنوع ، والعلاقة بين الأمراض نفسها ، وغموض الأعراض ، فإن عملية التشخيص
الطبي ليست مهمة مباشرة. نتيجة لذلك ، فإنه يتطلب مستوى عال من الخبرة واكتساب
المعلومات ودعم عملية صنع القرار.
ينقسم العمل في هذه الرساله الي جزئين جمع الجزء الأول بين اكتشاف المعرفة و
تقنيات استخراج البيانات لتشخيص أكثر أمراض شيوعًا )الكبد(. لتحسين دقة
تصنيف مخاطر أمراض الكبد ، يُقترح إنشاء نموذج تشخيص ذكي يسمى المصنف
Fuzzy Set Theory لتحسين دقة تصنيف .)HFMC( الهجين النموذج 1 الضبابي
لبناء قواعد مثالية آلية )Rough Set Approaches (RST)) تم استخدام ، )(FST
يتم تنفيذ النموذج المقترح على مرحلتين: في المرحلة الأولى ، يتم تطوير .FS في
وفي المرحلة الثانية ، قم ببناء نظام استدلال غامض ، laplace-Modlem قواعد 2
بناءً على القواعد التي تم إنشاؤها في المرحلة الأولى. ثم يتم استخدام خوارزميات
RST كطريقة مقارنة. تم اكتشاف تقنية )، Modlem2 ،LEM المختلفة ) 2 RST
باعتبارها تقنية مفيدة جدًا وفعالة لإيجاد القواعد واختيار السمات.
feature selection يعتمد الجزء الثاني على حل مشكلة اختيار وتحديد الميزات
)MAs( Metaheuristics لمجموعة البيانات الطبية باستخدام تقنيات )problem)
المختلفة. تم الاعتماد على خوارزميتين في هذا الجزء ، وهما خوارزمية البحرية
إلى MPA تهدف تقنية .)GBO( والمحسن القائم على التدرج )MPA( المفترسة
تحديد الميزات الطبية المثلى وذات المغزى لتحقيق عملية التصنيف الأكثر دقة. بينما
مع الخرائط الفوضوية في خوارزمية مقترحة تسمى المُحسِّن المستند GBO يتم دمج
لتحديد معظم الميزات والعناصر المؤثره فى )CGBO( إلى التدرج الفوضوي
التشخيص.
لتشخيص الأمراض ، يمزج النصف الأول من هذه الأطروحة بين اكتشاف المعرفة
وتقنيات استخراج البيانات. الهدف من هذا القسم هو توفير وضع تشخيص ذكي
.Rough Set Theory(MODLEM2,lem موثوق به للمرض باستخدام ( 2
هي تقنية اكتشاف RST بالنسبة لتكوين القواعد واختيار العناصر ، تم اكتشاف أن تقنية
يُنشئ مجموعة صغيرة موسعة من MODLEM معرفة مفيدة جدًا وناجحة. 2
و ENTROPY القواعد دون الحاجة إلى المعالجة المسبقة عند استخدامه مع قياسات
تم جمع .RST كقاعدة لقواعد خوارزميات fuzzy set أثناء استخدام .LAPLACE
البيانات من مستودع بيانات طبية متخصص في أمراض القلب والكبد. بالنسبة لجميع
هي الخوارزمية الأفضل من حيث مقدار MODLEM مجموعة البيانات ، نجد أن 2
القواعد التي تم إنشاؤها ودقة التصنيف المطلوبة لتشخيص الأمراض. يحتوي
lplace – Modlem على معظم القواعد ، بينما يحتوي 2 entropy – modlem2
laplace على التصنيف الأكثر دقة. نتيجة لدقتها التي لا تشوبها شائبة ، فإننا نستخدم
.FST مع –modlem2
والتي يتمثل هدفها الرئيسي في ضمان حل MPA التقنية الأولى للجزء الثاني ، هى
وسط بين معدل الدقة العالي وعدد مخفض من والعناصر المهمة. تتم مقارنة الطرق
باستخدام 21 metaheuristic المقترحة بثمانية خوارزميات معروفة تعتمد على
k-Nearest ( يستخدم النظام الخبير .UCI مجموعة بيانات معيارية طبية معروفة
لتقييم الميزات)العناصر( المحددة من مجموعات البيانات )Neighbours (k-NN
MPA-KNN الطبية ، والتي تتراوح في الحجم من الصغيرة إلى الكبيرة. خوارزمية
الأساليب الاستكشافية MPA-KNN تعدل .k-NN و MPA المقترحة هي مزيج من
للعثور على أكثر الميزات ذات المغزى والأمثل MPA والاستغلالية الأساسية لمع
بعض التقنيات التي استخدمت نفس مجموعات MPA للتصنيف. تتم مقارنة أداء
.HHO و BOA و SSA و WOA و SCA و MFO و GWO البيانات مثل
تفوقت على كل التقنيات الأخرى بالنسبة لجميع مجموعات MPA يمكن استنتاج أن
البيانات.
في التقنية الثانية من الجزء الثانى، تم إجراء العديد من الاختبارات والتجارب من أجل
لتحسين أداء chaotic maps لاختيار الميزة. تم استخدام عشر GBO تحديد كفاءة
لمواجهة )CGBO( تم استخدام المُحسِّن الجديد القائم على التدرج الفوضوي .GBO
تم اختيار الصفات الأكثر نسبيًا وتمييزًا ل .FS تحدي صعب للغاية وهو مشكلة
باستخدام 20 CGBO للمساعدة في التشخيص والعلاج الطبي. تم تقييم CGBO
أخرى: MAs معروفة مقارنة بخمس تقنيات UCI مجموعات بيانات معيارية طبية
على CGBO وبملاحظة النتائج تفوق .GBO و SSA و SCA و MFO و PSO
أدى إلى chaotic maps المخصص و GBO التقنيات الأخرى. يبدو أن الجمع بين
وجودة الحلول بشكل كبير. بالإضافة إلى ذلك ، أوضحت التجارب GBO تحسين أداء
اختارت أقل عدد من الميزات ذات أعلى معدلات حدة ، تليها iterative map أن
. sine chaotic maps و sinusoidal maps
ملخص الرسالة
تتكون الرسالة من خمس فصول. ويتم تنظيم هذه الفصول على النحو التالي:
الفصل الأول: يقدم عرضا موجزا لهذه الد ا رسة البحثية .يعرض لمحة مبسطة
عن الذكاء الاصطناعي وكيف يمكن استخدامه في تشخيص الامراض لتحسين
عممية اتخاذ القرار ,كما يحدد محتويات الرسالة
الفصل الثاني: يقدم مناقشة تفصيليه لمجموعة الطرق المستخدمة في تشخيص
الامراض لتحسين عممية اتخاذ القرار اعتمادا على الطرق اللايقينيه و نظرية
المجموعات العشوائيه. كما يعرض بعض طرق التحسين لحل مشكلة اختيارات
العناصر المهمة .
الفصل الثالث: يظهر النموذج المقترح لتشخيص امراض الكبد باستخدام المصنف
الهجين الذى يجمع بين المجموعات العشوائية والمجموعات الإستقرائية . عرض
خطوات تنفيذ النموذج المقترح .يعرض نتائج النموذج المقترح.
الفصل الرابع: يظهر النموذج المقترح لاختيارالصفات والخصائص المهمة
لتشخيص الكثيلر من الامراض اعتمادا على خوارزميات تقنيات التحسين .عرض
خطوات تنفيذ النموذج المقترح .يعرض نتائج النموذج المقترح.