الفهرس 
ABSTRACT
Thesis objectivesOnly 14 pages are availabe for public view
 |  | from | 129 |  |  |
| | | from | 129 | | |
Abstract
الملخص بالعربى
طرق تصنيف متوائمة ورصينة لفصل أورام المخ من صور الرنين المغناطيسى متعددة
الاطوار
يعانى الكثير من الناس من أورام المخ حول العالم. يمثل فصل أورام المخ الدور الهام في
عملية التشخيص والمتابعة والعلاج. الفصل اليدوى لأورام المخ تحتاج لوقت ومجهود طويل من
المتخصصين. تقدم الرسالة العديد من الحلول لمشكلة الفصل الالي لاورام المخ من صور الرنين
المغناطيسي ثلاثية الابعاد. تقوم الرسالة فى البداية بمراجعة الأساليب الحديثة لحل مشكلة الفصل
الالى لأ ورام المخ من صور الرنين المغناطيسى متعددة الاطوار . ثم تقوم بإجراء دراسة مقارنة
لـ 20 من المصنفات لمعرفة المصنف الأفضل من حيث الاداء في هذه المشكلة . خلصت هذه
الدراسة المقارنة الى أن مصنف Forest Random هو الأفضل من حيث دقة التصنيف . تم
اجراء التجارب خلال الرسالة على صور رنين المغناطيسى للمرضى تم اختيارها بشكل عشوائى
من قاعدة بيانات مسابقة فصل اورام المخ لعام 2016. ثم تقوم الرسالة بت جميع قرار هذه
المصنفات العشرين لتحسين دقة الفصل. لقد حصلنا على تحسين في دقة التصنيف باستخدام طريقة
تجميع المصنفات متغلبا على استخدام المصنفات بشكل فردى. ثم اقترحت الرسالة نظاًما من
المصنفات المتعددة لزيادة أداء الدقة في فصل أور ام المخ ، عن طريق تقسيم المشكلة إلى مشاكل
فرعية.
بالاضافة لذلك تناقش الرسالة مشكلة حساب الميزات فى اغلب الطرق التقليدية التى تعتمد
على انتقاء الميزات يدويا . أغلب هذه الطرق تقوم بحساب الميزات فى نافذة ثابتة الحجم والشكل.
استخدام مثل هذه النافذة يتسبب فى اخطاء فى حساب الميزات للنقاط التى على حدود الانسجة
والقريبة من الحدود.هذه الاخطاء نتيجة لان النافذة الثابتة تحتوى على نقاط من فئات مختلفة عن
النقطة الوسطى للنافذة. لمثل هذه النقاط الحدودية تقدم الرسالة عدة حلول لهذه المشكلة . لمثل هذه
النقاط الحدودية تقدم الرسالة نافذة جديدة متوائمة بدلا من الن افذة الثابتة لتحسين دقة فصل اورام
المخ. ثم اقترحت الرسالة طريقة تكرارية . يتم فيها فى البداية الحصول على نتائج فصل اورام
المخ بطريقة من طرق الفصل ، وباستخدام نتائج الفصل يمكن حساب النافذة لكل النقاط القريبة
من ح دود الانسجة بحيث تنتمي جميع النقاط داخل النافذة لنفس الفئة التى تم توقعها. على هذا
النحو ، يتم إعادة الحصول على فئات هذه النقاط القريبة من الحدود فقط في عملية تكرار مرة
أخرى. ويستمر هذا التكرار حتى لايحدث تغييرات أخرى فى الفئات التي ي تم الحصول عليها.
ثم اقترح ت الرسالة ثلاثة حلول ترتبط بالإحصاءات الرصينة. الحل الأول يتضمن اعتبار الوسيط
الحسابى للميزات محسوبة داخل عدة نوافذ كقيمة نهائية للميزات . الحل الثانى يقوم على تحويل
احتمالية وجود نقاط تنتمى لفئات مختلفة داخل النافذة عن النقطة المركزية للنافذة الى المشكلة
الاحصائية نقطة تنتمى - لاتنتمى. وبذلك يتم استبدال الميزات بأخرى رصينة لازمة للمصنفات
تجعله أقل تأثرا” بالقيم الشاذة لميزات النقاط داخل النافذة سوف يضمن تحسن فى دقة اداء
المصنفات. الحل الثالث يتضمن تقسيم النافذة الى اقسام فرعية متقاطعة فى مركز النافذة . ثم
حساب الميزات داخل هذه الاقسام و اعتبار الوسيط الحسابى لهذه الميزات كقيمة نهائية للميزات
داخل النافذة. تبين نتائج التجارب أن طريقة التقسيم لاقسام فرعية اثبتت تفوقها على باقى الطرق
المقترحة لجميع احجام النافذة والافضل حجما هو حجم النافذة 11x11x11 . ولهذا الحجم حققت
طريقة التقسيم score dice قيمته 8997.0 للورم الكلى و8716.0 للورم القالب و8913.0 للورم النشط
. النتائج التى تم تحقيقها يمكن مقارنتها بالطرق الحديثة التى تستخدم التعلم العميق.