عناصر مشابهة
Early Detection of Breast Cancer with Microcalcifications on Mammography Using Deep Learning
| الناشر: |
الخرطوم
|
|---|---|
| المؤلف الرئيسي: | |
| مؤلفين آخرين: | |
| التاريخ الميلادي: | 2020 |
| الصفحات: | 1 - 66 |
| رقم MD: | 1138916 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | English |
| قواعد المعلومات: | Dissertations |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة النيلين |
| الكلية: | كلية الدراسات العليا |
| مواضيع: | |
| رابط المحتوى: |
| المستخلص: | يعد الكشف المبكر بالتكلسات الميكروية (Micro calcifications) مؤشرا فعالا في تشخيص سرطان الثدي. لا يزال الكشف عن MCs في التصوير الشعاعي للثدي (mammogram) دون المستوى الأمثل وذلك لتعقيد تركيب MCs. الهدف من هذا العمل هو تحسين الكشف المبكر والدقيق لسرطان الثدي بالتكلسات الميكروية ومساعدة أطباء الأشعة (Radiologists) في تمييز ال MCs المشبوهة. لقد أثبت العمل على الشبكات العصبية أنها قوية في تصنيف بيانات الصورة. للتعامل مع هذا التحدي، قام هذا العمل بتقييم أداء التعلم العميق- المستند إلى مجموعة كبيرة من البيانات. تم استخدام النموذج المصنف للشبكات العصبية CNN مستخدما (automatic feature learning) لتقييم الدقة. استخدمنا لتدريب الشبكة العصبية مجموعة من 1093 صورة (mammograms). بيانات التدريب المستخدمة 875 صورة بينما الاختبار 218 صورة. كما تشير النتائج إلى نسبة دقة التدريب (99.98%) ونسبة دقة الاختبار (90.37%). وبالتالي فإن النموذج لديه دقة عالية جدا لتصنيف (Micro calcifications) للثدي إما على أنه حالة حميدة أو خبيثة. نجد أن كلا الدقة عالية خاصة الاختبار مما يشير إلى أن النموذج خالي من أي تركيب زائد (over fitting) قد يكون لهذا قيمة سريرية للكشف المبكر عن سرطان الثدي وعلاجه. |
|---|
