الفهرس | Only 14 pages are availabe for public view |
Abstract يعد اكتشاف ورم في الدماغ أحد التحديات الحديثة في التطبيقات الطبية ، حيث يتمثل ورم المخ بكتلة داخل الجمجمة تنتج عن نمو الخلايا المفتوحة أيهما توجد في الدماغ عادة. يتم تصنيف الورم في الدماغ بناءاً على أساس موقع الورم ، أو نوع الأنسجة المعنية ، سواء كانت حميدة أو خبيثة. هناك نوعان من خوارزميات التعلم supervised و unsupervised. تقدم هذه الرسالة دراسة شاملة لتقنيات الكشف عن منطقة ذات الاهتمام محدده من الصور للدراسه التى تحتوى على الأنسجة التى يتم استخدامها في التشخيص والتخطيط والعلاج ومتابعة المريض. حيث يمكننا فصل تقنيات الكشف إلى ثلاث مجموعات: استراتيجية قائمة على أساس المنطقة والحدود أواندماج المنطقة أومقرها الكنتوري. فى هذه الأطروحة يتم تقديم خوارزمية تستند إلى شبكات عصبية تلافيفية عميقة (CNN) لاكتشاف وتصنيف المنطقة ذات الاهتمام (ROI) التي تمثل الجزء الأساسي المصاب من الدماغ. تم تصميم النظام المقترح وتطويره على مرحلتين. أولاً ، تتضمن المعالجة المسبقة للصورة المكتسبة وكشف واستخلاص منطقة ذات الاهتمام. بينما الثانية هي المسؤولة عن إدارة صور المنطقة ذات الاهتمام ، وبناء وتدريب وضبط الشبكة العصبية. لقد اقترحنا نموذج يدمج طريقتى تحديد المنطقة ذات الاهتمام ROI المستخرجين باستخدام تقنيه OR للحصول على المنطقة ذات الاهتمام المدمجة من الصورة المتاحة بحيث تكون أكثر وضوحاً ودقةً وثراءاً بالصفات. ويهدف هذا الدمج إلى جعل الصورة أكثر دقة في اكتشاف وتجزئة ورم الدماغ والحصول على منطقة أكثر تحديدًا. لقد أدخل النظام المقترح نظامًا هجينًا بين نهج المعالجة الكلاسيكية ومنهجية التعلم العميق اليوم. |