Search In this Thesis
   Search In this Thesis  
العنوان
Bio-inspired Swarm Techniques for Thermogram Breast Cancer Classification /
المؤلف
Alhamadany, Ammar Abdulrahman Ahmed.
هيئة الاعداد
باحث / عمار عبدالرحمن أحمد الحمدانى
مشرف / مازن محمد سليم
مشرف / منى عبدالباسط صادق على
مناقش / مازن محمد سليم
الموضوع
Breast Cancer Molecular aspects. reast Neoplasms diagnosis.
تاريخ النشر
2019.
عدد الصفحات
99 p. :
اللغة
الإنجليزية
الدرجة
ماجستير
التخصص
Software
تاريخ الإجازة
1/1/2019
مكان الإجازة
جامعة بنها - كلية الحاسبات والمعلومات - علوم الحاسب
الفهرس
Only 14 pages are availabe for public view

from 99

from 99

Abstract

يعتبر سرطان الثدي أكثر أنواع السرطان شيوعًا بين النساء حيث أنه السبب الرئيسي الثاني للوفاة الذي تسببه أنواع السرطان المختلفة بين النساء. أيضا، تختلف معدلات التعافى من سرطان الثدي بشكل واضح بين بلدان العالم. ومع ذلك ، يمكننا أن نلاحظ أن معدلات التعافى منخفضة بشكل خاص في البلدان النامية والبلدان المنخفضة الدخل بسبب عدم وجود برامج للكشف المبكر عن سرطان الثدي. لسوء الحظ ، يصنف سرطان الثدي على أنه مرض غير متجانس ، مما يعني أن عملية الاكتشاف المبكر لهذا المرض يمكن اعتبارها تحديا سريريا كبيرا.
في هذه الأطروحة ، يتم اقتراح طريقة لاكتشاف سرطان الثدي قائمة على التصوير الحراري والتى تهدف الى التمييز بين ثلاثة فئات مختلفة من صور الحرارية للثدي: طبيعية ، حميدة ، وخبيثة. تتكون الطريقة المقترحة من أربع خطوات رئيسية: المعالجة المسبقة ،استخراج الخصائص، اختيارالخصائص، والتصنيف. في خطوة المعالجة المسبقة يتم تحديد المنطقة ذات الإهتمام بداخل الصورة الحرارية، تغيير حجم الصورة ، تحويل الصور من ال RGB إلى النطاق الرمادي ، وإزالة الضوضاء باستخدام مرشح متوسط. في خطوة استخراج الخصائص ، يتم استخراج مجموعتين من الميزات بما في ذلك حقيبة الميزات (Bag of features) والميزات المستندة إلى مصفوفة ال GLCM من الصور الحرارية. في خطوة اختيار الخصائص، تم استخدام تقنيتين هما PSO و ACO لتحديد الخصائص الأكثر أهمية. أخيرًا ، في خطوة التصنيف ، تم استخدام نسخة معدلة من آلة متجه الدعم (SVM) تسمى Multi-class SVM مع نواة متعدّدة الحدود لبناء المصنف. تم تقييم الطرق المقترحة باستخدام مجموعة بيانات قياسية لصور الثدي الحرارية.تم تقييم الطرق المقترحة باستخدام مجموعة بيانات قياسية لصور الثدي الحرارية تحت سيناريوهات مختلفة من حيث عدد من معايير الأداء المناسبة. توضح النتائج التي تم الحصول عليها بالطريقة المقترحة بدون استخدام اختيار الخصائص لدقة 97.14% وحسااسية 98% وخصوصية 98.6% والنظام المستخدم لاختيار الخصائص باستخدام ACO بدقة 94.2% وحساسية 94.3% وخصوصية 97.3% بينما تتميز الطريقة المقترحة باستخدام PSO بدقة 97.14% وحساسية 98% و 98.6% خصوصية علاوة على ذلك توضح النتائج التي تم الحصول عليها بتفوق الطرق المقترحة مقارنة بطرق أخرى حديثة.