التنبؤ بتأثير جائحة كورونا على النشاط البدني اعتماداً على التعلم التجميعي

الباحث

حنان أنس قاسم إسماعيل الدباغ

المشرف

غيداء عبد العزيز مجيد الطالب

الجامعة

جامعة الموصل

الكلية / القسم

كلية علوم الحاسوب والرياضيات / علوم الحاسوب

الشهادة

دكتوراه

السنة

2023

لغة الرسالة

انكليزي

الكلمات المفتاحية

COVID-19 ; Physical Activity ; Ensemble Learning ; Prediction

عانى الناس في جميع أنحاء العالم من ذعر شديد نتيجة انتشار فيروس كورونا Gus (COVID-19) أصبح من الضروري إجراء تقييمات ALLE في المجالات النفسية والبدنية والاجتماعية لفهم النتائج المحتملة للمرضى الذين تعافوا منه والتأكد مما إذا كان لديهم أي تأثير من هذا الفيروس على مستقبل حياتهم. قد تستغرق عدوى COVID-19 الخفيفة Uy طويلاً للتعافي خاصة عند محاولة العودة إلى الحياة الطبيعية وهذا يترك المرضى غير متأكدين من كيف ومتى سيستأنفون نشاطهم البدني بعد الإصابة، حيث lay حاول بعض الأشخاص استئناف نشاطهم الطبيعي لكنهم لم يتمكنوا من ذلك. لعب الذكاء الاصطناعي دورًا Lage في المعركة ضد Cus COVID-19 ساعد في التشخيص والتنبؤ بانتشار الفايروس والتنبؤ بالوفيات الناتجة عن العدوى وفي وسائل التعقيم للمناطق وخدمة المرضى وغيرها .في هذه ay LY! تم التعرف على التأثيرات التي قد تحدث على المتعافين من مرض COVID-19 حيث تم إنشاء نموذج ذكي للتنبؤ بهذه التأثيرات من أجل تحذير المصابين والطاقم الطبي من مخاطر استمرار الأعراض. استفادت هذه الأطروحة من ثلاث مجموعات بيانات لكوفيد :١1 المجموعة الأولى والثانية عبارة عن مجموعة بيانات متابعة، الأولى هي البيانات التي تم جمعها في هذه الأطروحة وتم تقسيمها إلى ثلاث مجموعات Ld y لفترة متابعتها: الأشهر الستة الأولى بعد العدوى (FSM) والثاني ستة أشهر بعد الإصابة (SSM) وأكثر من عام بعد الإصابة (MTY) مجموعة البيانات الثانية هي مجموعة بيانات عامة، وفترة المتابعة هي الأشهر الستة الأولى بعد الإصابة فقط. تمثل البيانات الثالثة مجموعة بيانات الإصابة التي تم استخدامها لضمان جودة النموذج المقترح. تم el a} معالجات مسبقة على مجموعات البيانات ثم عمل Bale} موازنة (Balancing) لمجموعة البيانات المحلية وذلك لعدم توازنها وتم حل مشكلة التصنيف المتعدد (multi-label) وبعدها تم استخدام خوارزمية GSO لتحديد أفضل الميزات وضبط المعلمات الفائقة (hyper-parameters) وأخيرًا التنبؤ بالتأثيرات التي قد تحدث على الأشخاص الذين تعافو من كوفيد ١9 باستخدام نموذج المجموعة المختلطة (HEM) ، وهو نموذج هجين يتكون من أشجار قرار متعددة يتم إنشاؤها اعتمادا على asi هذه النماذج Support Vector Decision Tree ،Logistic Regression) Gaussian NB / Bayesian Ridge ،Machine ، و .(K-Nearest Neighbour أظهرت نتائج أداء النموذج المقترح افضلية على خوارزميات ML التقليدية، بالنسبة لمجموعة البيانات المحلية حيث تم الحصول على أفضل نتيجة تنبؤ عند التنبؤ بمدى تأثر الجهاز الكلوي في مجموعة FSM بالنسبة لجميع التأثيرات والتي كانت )99 = (ZAUC وبالنسبة للتنبؤ بتأثر النشاط البدني تم الحصول على dad lel في مجموعة SSM وهي )92% = (AUC اما بالنسبة لمجموعة البيانات الثانية تم الحصول على اقل خطأ عند التنبؤ بتأثر الاداء البدني Gus كانت ) MSE 0.1171=(

People around world have suffered severe panic as a result of coronavirus Disease (COVID-19). It is necessary to conduct comprehensive assessments in their psychological, physical, and social areas to understand the possible outcomes for patients who have recovered from it, and to ascertain if they have any impact from this virus on their future. Mild COVID-19 infections can take a long time to recover, especially when trying to return to normal life. This leaves patients unsure of how and when they will resume physical activity after COVID-19. Artificial intelligence played an important role in the battle against COVID-19 virus, as it helped diagnose and predict the spread of the virus, predict deaths resulting from infection, sterilize areas, serve patients, and more. In this thesis, the effects that may occur on recoveries from COVID-19 were known and identified, and an intelligent model was created to predict these effects, in order to warn the infected people and the medical staff of dangers of continuing symptoms. This thesis made use of three groups of COVID-19 dataset: the first and second are follow-up dataset, the first is data collected in this thesis and were divided into three groups according to their follow-up period: the first six months after infection (FSM), and the second six months after infection (SSM), and more than a year after infection (MTY). The second data set is a general data set, the follow-up period is the first six months after infection only. The third data represents infection dataset that was used to ensure the quality of the proposed model. Multiple pre-processing was performed on the datasets, then resampling was done collected and infection datasets because it is imbalanced, multi-label classification problem have been solved, then using Glowworm Swarm Optimization (GSO) algorithm to select the best features and tune the hyper-parameters, and finally predict the effects that might accrue on people recovering from COVID-19 using Hybrid Ensemble Model (HEM) , which is a hybrid model consisting of multiple Decision Tree that are generated depending on one of these models (Logistic Regression, Decision Tree, Support Vector Machine, Gaussian NB/ Bayesian Ridge, and K-Nearest Neighbor). The performance results showed that HEM overcame traditional ML algorithms. For the first dataset that was collected, the best prediction was obtained for the impact of the renal system in the FSM group for all effects, which is AUC = 99%, and for predicting the impact of physical activity, the highest value was obtained in the SSM group, represented by AUC = 92%. As for the second dataset, the least error was obtained when predicting the impact of physical functioning, where MSE = 0.1171.

طلب نسخة من الملف

الملفات غير منشورة على الموقع. اترك بياناتك وسيتواصل معك موظفو قسم الشؤون الثقافية والفنون لإرسال النسخة مجاناً.

الاسم

رقم الهاتف

البريد الإلكتروني

الغرض من الطلب (اختياري)

إرسال الطلب