الفهرس 
CHAPTER 1 : INTRODUCTIONOnly 14 pages are availabe for public view
 |  | from | 137 |  |  |
| | | from | 137 | | |
Abstract
سرطان الرئة أحد أمراض الرئة التي تتميز بحدوث انقسامات خلوية غير مضبوطة للخلايا الحية. هذه الخلايا غير الطبيعية لا تحمل وظائف خلايا الرئة العادية ولاتتطور الى أنسجة رئة سليمة. و تنمو لتشكل أورام وتتدخل في سير عمل وظائف الرئة مما يؤدي إلى إعاقة الرئتين عن القيام بوظائفهما. يشكل سرطان الرئة المسبب الأول للوفيات التي تحصل نتيجة لمرض السرطان، سواء بين النساء أو بين الرجال. لذلك تعتبر الوسيلة الوحيدة لخفض معدل الوفيات الناتج عن سرطان الرئه هي محاولة الكشف المبكر عن العقيدات الرئويه وعلاجها في مرحلة مبكرة نسبيا يمكن خلالها معالجة السرطان بنجاح كبير. و الكشف المبكر عن العقيدات الرئوية يتم عن طريق تصوير الرئة باستخدام أشعة اكس في جهاز الأشعة المقطعية لاكتشاف وجود اي نمو غير طبيعي في انسجة الرئة. و يكمن ضعف هذا الأسلوب في أن قراءة و تحليل الصور الرقمية للرئة الناتجة عن جهاز الأشعة المقطعية يعد مهمة صعبة حتى بالنسبة للأخصائيين المدربين و ذوي الخبرة و يرجع هذا إلى عدة أسباب منها: تداخل الأنسجة مما يجعل الصورة غير واضحة و يصعب التمييز بين الجزء السليم و المريض, وأيضا يأدي الحرص على ألا يتعرض المريض إلى كمية كبيرة من الإشعاع إلى جعل الصورة باهتة و تفتقد التباين,.......الخ. هذه الرسالة تقدم دراسة لتصميم منظومة آلية للكشف المبكر عن سرطان الرئة في صور الاشعة المقطعية الرقمية للرئة لكي تساعد الأخصائيين على القراءة السليمة لهذه الصور وتزيد من دقه الكشف عن العقيدات الرئويه في مراحلها المبكره. وتتكون المنظومة المقترحة من اربع مراحل اساسية. اولا مرحلة المعالجة المبدئية للصور, وتشمل خطوة تحسين كفاءة الصور عن طريق استخدام ثلاث من تقنيات تحسين التباين وتم اختيار تقنية Novel Image Size Dependent Normalization التي نتج عنها افضل نتيجة تحسين للتباين; ثم خطوة تقليل الشوشرة عن طريق استخدام ست مرشحات واختيار مرشح الوينر الذي اعطى اقصى نسبة بين الاشارة والشوشرة. ثانيا مرحلة الفصل الاوتوماتيكي لانسجة الرئة, وتليها خطوة فصل للعقد الرئوية المرشحة عن انسجة الرئة باستخدام تقنية Bi-level Thresholding بناءا علي optimal Gray level threshold و العمليات الحيوية. ثالثا مرحلة استخلاص السمات وقد استخدمت اربع تقنيات لاستخلاص السمات هي: السمات الإحصائية من الدرجة الاولى والثانيه وسمات قيمة الرسم البياني (VH) وسمات Histogram of Oriented Gradients (HOG) وسمات تم استخلاصها من نطاق المويجات وتم استخلاصها بواسطة حساب سمات الملمس المستنتجة من مصفوفه GLCM المحسوبة من معاملات ال wavelet من المستوى الاول والثاني. ويلي ذلك استخدام تقنية انصار السمات لتكوين متجه سمات هجين من جميع السمات المستخرجة بهدف زيادة كفاءة التصنيف. ولازالة اي معلومات مكررة من المتجه الهجين الناتج تم استخدام تقنية اختيار السمات باستخدام الخوارزمات الجينية (GA). رابعا مرحلة تصنيف هذه العقيدات المرشحة الي عقيدات أو اوعية دموية باستخدام المصنفات حيث تم اختيار الشبكات العصبية الاصطناعية MFNN)) و الشبكات العصبية ذات وظيفة القاعدة الشعاعية (RBF-NN) و مصنف آلية متجهات الدعم (SVM). واستخدامت المصنفات خلال هذه الدراسة في جزئين: اولا لاثبات أن استخدام تقنية اندماج السمات يزيد من أداء تصنيف المصنف أكثر من استخدام نوع واحد فقط من السمات المستخرجة. ثانيا تم استخدام المصنفات في تصميم آلية اختيار السمات باستخدام تقنية الخوارزمات الجينية بناءا علي معدلات التصنيف للمصنفات المستخدمة وقد اظهرت النتائج ان استخدام متجه السمات المختارة من متجه السمات الهجين بواسطة الخوارزمات الجينية باستخدام مصنف آلية متجهات الدعم (SVM) ادى الي الحصول علي اعلى معدلات تصنيف حيث وصل معدل دقة التصنيف (CAR) الى 99.6% ، والحساسية (S) الي 100% وخصوصية (SP) الي 99.2%. و الى جانب خفض حجم متجه السمات من 182 الي 153 سمه وبالتالي زيادة سرعة المنظومة.