الفهرس 
Chapter 1 IntroductionOnly 14 pages are availabe for public view
 |  | from | 145 |  |  |
| | | from | 145 | | |
Abstract
يمكن اعتبار معظم أمراض الشبكية سببًا رئيسيًا لزيادة معدلات فقدان البصر. وقد أظهرت السجلات السريرية أنه يمكن تقليل هذا المعدل المرتفع بشكل كبير من خلال الكشف والتشخيص المبكر الدقيق والموضوعي لهذه الأمراض. والذي يتطلب بدوره تطوير أنظمة التشخيص بمساعدة الكمبيوتر (CAD) عالية الدقة والسريعة. يعتمد هذا بشكل أساسي على تصميم الأنظمة الآلية لتجزئة الصور كمرحلة أولية، ثم تصنيف هذه الصور لتحديد درجة حدة المرض. المشكلة الرئيسية التي تواجه أي نظام تشخيص تم تطويره هي ضعف دقة التجزئة أو التصنيف بسبب التشابه بين الجزء المراد تجزئته وأنسجة الخلفية. لذلك ، فإن الهدف من هذا البحث هو تحسين وتصميم أنظمة أكثر دقة لكل من تجزئة وتصنيف صور الشبكية. في البداية تم تقديم دراسة استقصائية عن طرق الذكاء الاصطناعي الجديدة وأنظمة الصور الطبية المستخدمين في أمراض الشبكية. وعليه، فإن التصوير الضوئي المقطعي هو التقنية المختارة خلال تصميم النظم المقترحة. الاقتراح الأول هو تصميم نظام تشخيص آلي لتصنيف التهاب الجسم الزجاجي كواحد من أهم العلامات الطبية لالتهاب الجسم الزجاجي باستخدام صور الأشعة المقطعية المترابطة ويتكون هذا النظام من مرحلتين. الأولي هو الشبكة العصبية التلافيفية علي شكل حرف U والتي تُستخدم صور الجسم الزجاجي. لوحظ أنه من الصعب فصل الجزء الزجاجي مباشرة من الصور الأصلية بسبب التشابه الكبير في المظهر المرئي مع الخلفية. لذلك تم اقتراح تقديم صورة مدمجة. يتم فيها دمج الصورة الأصلية وخريطة المسافة وخريطة المظهر المسبقة. ثم يتم إدخال الصور التي تم الحصول عليها على هذه الشبكة العصبية لتجزئة الجسم الزجاجي. أظهرت النتائج أن دقة تجزئة الصورة تحسنت بشكل ملحوظ مقارنة بالطرق السابقة. يعتمد الاقتراح الثاني على معالجة اعتلال الشبكية السكري، وهو مشكلة صحية عامة وسبب رئيسي لفقدان البصر. لذلك تم اقتراح نظام جديد للتعلم العميق لاكتشافه وتشخيصه باستخدام تقنية صور الأشعة المقطعية المترابطة كذلك وفيه يتم دمج الصور التي تحتوي على معلومات محلية وعامة مستخرجة من هذه الصور يتم تمثيل المعلومات عالية المستوى المحلية بالسمك والانعكاسية، بينما يتم تمثيل المعلومات منخفضة المستوى والعامة بواسطة الصور الأصلية كما هي تظهر النتائج التجريبية أداءً عاليًا للنظام مقارنة بالطرق الأخرى. علاوة على ذلك، يتم تطبيق نفس البيانات على أربعة معماريات مختلفة لشبكات التعلم العميق أحدها مقترح والثلاثة الأخرى هي شبكات قياسية. كما يتم تطبيق تقنيات نقل التعلم على اثنين منهم. تؤكد مقاييس الأداء التي تم الحصول عليها أهمية دمج السمات المستخرجة مع الصور الأصلية في تحسين نتائج تجزئة وتصنيف الصور الطبية.