ناقشت كلية التربية للعلوم الصرفة بجامعة البصرة رسالة ماجستير عن (توسيع قاعدة البيانات الصور السينية لتشخيص كورونا فايروس باستخدام شبكات النزاع التوليدية المشروطة (CGAN))
وتضمنت الرسالة التي قدمتها الباحثة (حنين ماجد محمد)
تفوقت نماذج التعلم العميق بشكل ملحوظ وفعال في العديد من تطبيقات رؤية الكمبيوتر في المجالات الطبية. وبرغم من هذا التفوق السريع الا ان نماذج التعلم العميق تتطلب كميات كبيرة من البيانات لكي يكون التدريب ناجح وذات نتائج دقيقه. تفتقر الصور الطبية إلى توافر مجموعات بيانات كبيرة وذلك بسبب خصوصية المرضى فيكون من الصعب الوصول الى هذه البيانات مقارنتا مع فئات اخرى، كما أن اضافة الملاحظات على الصور الطبية مكلف ويستغرق وقتًا طويلاً، أحد الامراض الصدرية التي انتشرت حديثا هو فيروس كورونا (COVID-19). الصور الصدرية الخاصة بهذا المرض تكون قليله جدا وعملية الحصول عليها وجمعها صعبه وخطره وبتالي نحتاج الى طريقة امنه لجمع هذه الصور. لحل هذه المشكلة، اقترحنا شبكات النزاع التوليدية المشروطة (CGAN) كحل لزيادة عدد البيانات الصور الصدرية عن طريق توليد صورًا اصطناعية (غير حقيقيه)، بعد توليد عدد كبير من البيانات تم تصميم نموذج التعلم العميق من اجل تشخيص COVID-19 ضمن بيئة تفاعليه باستخدام الشبكات العصبية التلافيفية (customized CNN) وإجراءات التعلم بالنقل العميق VGG-16على مجموعة بيانات الصور الاصطناعية التي انشأتها CGAN، حققت دقة الاختبار ما يصل إلى٥٥. ٩٦ ٪ كما حققت مقاييس الأداء الأخرى الخاصة بالصور الطبية مثل الحساسية والدقة ٧٤. ٩٨ ٪ و ٣٥. ٩٤ ٪ على التوالي.
تهدف هذه الرسالة
الى تخفيف الضغط على النظام الصحي اثناء انتشار الجائحات والامراض السريعة العدوى بالاعتماد على طرق سريعة وامنه في جمع بيانات المرضى وتصمم أنظمة تشخيص طبية دقيقة.
اهم الاخبار
الاكثر مشاهدة
