عنوان الإطروحه |
Fully Connected Dense Layer for Predicting Coronary Artery Disease
|
تاريخ مناقشة الاطروحه |
2021-05-27 |
اسم الطالب |
معاذ نعمان حسن الدغيمات
|
المشرف |
محمد سعيد منصور البشير |
|
المشرف المشارك |
|
اعضاء لجنة المناقشة |
| سعد عقله محمود بني محمد |
| عماد السخني |
|
الكلية |
كلية الامير الحسين بن عبدالله لتكنولوجيا المعلومات |
القسم |
علم الحاسوب |
الملخص بالعربية |
تعتبر أمراض القلب و الأوعية الدموية من أخطر الأمراض المؤدية للموت، و تتنوع أمراض القلب و تختلف بحيث يمكن تقسيمها إلى أنواع متعددة، و يعتبر مرض الشريان التاجي (Coronary Artery Disease (CAD)) واحدأ من أهم أمراض القلب و الأوعية الدموية. يعتبر التشخيص الدقيق و المبكر لمرض الشريان التاجي من أهم الأسباب التي تقلل من نسب الوفيات به، و هناك عدة طرق للتنبؤ بهذا المرض و تشخيصه، و لكن أدقَّ هذه الطرق هو تصوير الأوعية (angiography)، و رغم ذلك فإن هذه الطريقة معقدة و مكلفة، و مع التطور في مجالات علم الحاسوب بشكل عام و في التنقيب عن البيانات و تعلّم الإلة بشكل خاص،قام الكثير من الباحثين بتوظيف خوارزميات التنقيب عن البيانات للتنبؤ بالأمراض و منها مرض الشريان التاجي. و يأتي هذا البحث كدراسة للتنبؤ بمرض الشريان التاجي باستخدام الشبكة العصبية ذات الطبقات الكثيفة كاملة الاتصال و من خلال استخدام مجموعة البيانات (The Sani dataset)، حيث تم استخدام ثلاث طبقات مخفية مع عدم استخدام اي خوارزمية لاختيار الخصائص من مجموعة البيانات معتمداً على آالية اختيار الخصائص التي تعمل تلقائيا على اختيار الخصائص و الموجودة في مثل هذا النوع من الشبكات العصبية. خلال ه\ه الدراسة تم استخدام مصفوفة الارتباك (Confusion matrix) كآلية لتقييم النموذج و كانت نسب القيم التي تم الحصول عليها ا جيدة لكل من الضبط (Accuracy) و الحساسية (Sensitivity) حيث كانت النتيجة للدقة (91.76%) و للحساسية (94.37%)اما بالنسبة للنوعية فقد كانت النسبة ليست بجودة الدقة و الحساسية (Specificity) بحيث كانت (78.57%). بالانتقال الى الدقة (Precision) فقد كانت قيمتها 95.7%، وبالنسبة لمعامل ارتباط ماثيو(Matthews correlation coefficient) فقد كانت قيمته 0.7 و انتهاءً بنسبة الإيجابية الخاطئة (False Positive Rate) فقد كانت قيمتها 21.4%. و قد كانت النتائج التي تم الحصول عليها افضل من النماذج التي استعملت الشبكات العصبية من حيث الضبط و الحساسية. |
الملخص بالانجليزي |
Cardiovascular disease is regarded as among the deadliest illnesses that kill people all over the world. It comes in a variety of forms, the most common of which is coronary artery disease (CAD). Several procedures are used to diagnosis CAD, but angiography remains the most effective. While it is the most precise, it is also the most complex and expensive. As per the computer science movement in general, especially data mining (DM) and machine learning in particular. Many scientists and researchers have attempted to use data mining algorithms and strategies to decide whether or not a patient has CAD. As a result, work on developing algorithms for certain databases began.
This study focused on the development of a completely connected (dense layer) neural network. Three hidden layers were implemented in the form of neural network, and we also focused on the implied feature extraction that neural networks do. A confusion matrix is extracted to calculate the accuracy, sensitivity, and specificity of my model. Obtained results were for accuracy 91.76% and for sensitivity 94.37% while using a neural network with several hidden layers and its self-feature extraction; nevertheless, this was not the case for specificity 78.57%. According to Precision, Matthews correlation coefficient (MCC), and False Positive Rate (FPR) the results were 95.7%, 0.7, and 21.4%. The results were better than those studies worked on neural networks according to accuracy and sensitivity
|
رقم ISN |
6984 |
|
للحصول على الرسالة كملف يرجى تزويد المكتبة برقم ISN
|
|