عنوان الإطروحه |
Enhancing the Accuracy of Breast Cancer Prediction Using Hybrid Model
|
تاريخ مناقشة الاطروحه |
2024-05-16 |
اسم الطالب |
اصاله مفلح محمود الشياب
|
المشرف |
مازن سالم حمد الزيود |
|
المشرف المشارك |
نجاح مثقال علي الشنابله
|
اعضاء لجنة المناقشة |
| خالد محمد عبدالرحمن بطيحه |
| زياد عبدالكريم عبدالرزاق القاضي |
|
الكلية |
كلية الامير الحسين بن عبدالله لتكنولوجيا المعلومات |
القسم |
علم الحاسوب |
الملخص بالعربية |
يعد سرطان الثدي ثاني أكثر أنواع السرطان شيوعًا في جميع أنحاء العالم. من أصعب الأمور التنبؤ بالمرض؛ تؤثر عناصر مختلفة، بما في ذلك الإدراك البصري، على هذا النوع من التشخيص. اقترحت هذه الدراسة تقنية مناسبة تعتمد على استراتيجية تصنيف الشبكة العصبية التلافيفية (CNN) وايضا لحذف الصور الخاطئة التي يوجد بها تشويش تم استخدام مصنف (SVM )وبهدف زيادة دقة الكشف عن الكتل السرطانية، استخدمنا مزيجا من الشبكة العصبية التلافيفية مع الخوارزمية الجينية. في الواقع، في هذا العمل، وباستخدام الخوارزمية الجينية، تم تعديل القيمة المثلى للمعلمات الفائقة للشبكة العصبية التلافيفية، مثل أوزان الشبكة. استخدام التصوير الشعاعي للثدي لتحليل المؤشرات لسرطان الثدي يعد الكشف عن سرطان الثدي وحذف الصور الخاطئة وزياده الدقه وتحديد ما اذا كان هناك مرض خبيث ام حميد هو الهدف الأساسي للنهج المقترح. ونتيجة لذلك، يتم استخدام مجموعة بيانات جمعية تحليل التصوير الشعاعي للثدي (MIAS). يوجد ضمن مجموعة البيانات 10,350 صورة ماموجرام في المجموع. أثبتت الشبكة العصبية التلافيفية (CNN) والخوارزمية الجينية فعاليتها في الكشف عن سرطان الثدي في صور التصوير الشعاعي للثدي بمعدل دقة يصل إلى 99.9، وسيتمكن أطباء الأشعة من التعرف على سرطان الثدي بفضل التكنولوجيا المخطط لها لتقييم أداء الطريقة المطورة، والتي حققت دقة أعلى مقارنة بالعديد من الطرق الحاضِر |
الملخص بالانجليزي |
Breast cancer is the second most common type of cancer worldwide. One of the most difficult things is to predict the disease; Various elements, including visual perception, influence this type of diagnosis. This study proposed a suitable technique based on the convolutional neural network (CNN) classification strategy. Also, to delete the wrong images that contain noise, the SVM classifier was used. To increase the accuracy of detecting cancerous masses, we used a combination of convolutional neural networks with genetic algorithms. In fact, in this work, using a genetic algorithm, the optimal value of hyperparameters of convolutional neural networks, such as network weights, is modified. Using mammography to analyze indicators of breast cancer. Detecting breast cancer, eliminating false images, increasing accuracy, and determining whether a malignant or benign disease is present is the primary goal of the proposed approach. As a result, the Mammography Analysis Society (MIAS) dataset is used. Within the dataset, there are 10,350 mammograms in total. Convolutional neural networks (CNN) and genetic algorithms have proven effective in detecting breast cancer in mammography images with an accuracy rate of up to 99.9. Radiologists will be able to identify breast cancer thanks to the planned technology to evaluate the performance of the developed method, which has achieved higher accuracy compared to many current methods |
رقم ISN |
9532 |
|
للحصول على الرسالة كملف يرجى تزويد المكتبة برقم ISN
|
|