تصميم أنموذج فعال لتشخيص سرطان الجلد باستخدام تقنيات تعلم الآلة

الباحث

أحمد نظام حمو الدباغ

المشرف

محمد جاجان يونس

الجامعة

جامعة الموصل

الكلية / القسم

كلية علوم الحاسوب والرياضيات / علوم الحاسوب

الشهادة

ماجستير

السنة

2022

لغة الرسالة

عربي

الكلمات المفتاحية

سرطان الجلد ; الورم الميلانيني ; تعلم الآلة ; التشخيص

الورم الميلانيني من أخطر أنواع سرطان cabal وله القدرة على الانتشار إلى أجزاء مختلفة من الجسم عن طريق الأوعية اللمفاوية والأوعية الدموية. هذا المرض AS) شيوعًا عند النساء في الساقين، بينما يكون أكثر شيوعًا عند الرجال في الظهرء ومن النادر جدًا حدوث سرطان الجلد في alll أو الأمعاء أو العين أو أي جزء آخر من الجسمء وعادة ما يحدث في الجلد. تم استخدام العديد من تقنيات الذكاء الاصطناعي لإكتشاف وتشخيص سرطان الجلد في وقت مبكر. حيث تم في البداية استخدام عمليات المعالجة الاولية لازالة الشعر وازالة الضوضاء وتحسين التبيان من dal تسهيل عملية التجزئة، ومن ثم تم تجزئة صور الامراض الجلدية لعزل الجزء المصاب موضع الاهتمام عن خلفية الصورة باستخدام اقنعة الصور المتوافرة مع قاعدة البيانات لاجل تسهيل عمليات استخلاص الصفاتء واخيرا تم استخلاص صفات اللون والشكل من صور الامراض الجلدية من اجل تحسين دقة تصنيف هذه الصور الى مصابة ام سليمة. بعد ذلك تم استخدام عدة طرائق لاكتشاف الورم الميلانيني وتصنيفه بناء على صور تنظير الجلد في قاعدة بيانات PH2 باستخدام خوارزميات التعلم الآلي مثل: ،KNN ،DT ،SVM الل و CRF وقد تم اقتراح مصنف جماعي كخوارزمية هجينة تعتمد على مبدأ التعلم الجماعي من خلال الجمع بين خوارزميات DT (SVM) و/160[3) من خلال التصوبت للأغلبية لأجل تحسين دقة التصنيفء. حيث ان نتائج التعلم الجماعي تحقق دقة افضل بالمقارنة مع نتائج المصنفات الفردية. ثم بعد ذلك تم استخدام خوارزميات التعلم العميق: ‘Googlenet ،Densenet201 ،Alexnet ،<Resnetl8 ،MobilenetV2 <InceptionV3 و Squeezenet من اجل المقارنة بخوارزميات التعلم الآلي المستخدمة في هذه الدراسة. تم تنفيذ النظام المقترح على 200 صورة تنظير جلدي لقاعدة بيانات (2112)، وأظهرت النتائج أن الطريقة الهجينة المقترحة (Ensemble) حققت أفضل النتائج بدقة بلغت 9097.1.: الاحكام 5 الاستدعاء 7,6100؛ ودرجة المعيار(11) %93.3-

Melanoma is one of the most dangerous types of skin cancer, and it has the ability to spread to different parts of the body through lymphatic vessels and blood vessels. This disease is more common in women on the legs and is more common in men on the back, while it is very rare for melanoma cell carcinoma to occur in the mouth, intestines, eyes or other part of the body as it usually occurs on the skin. Many artificial intelligence techniques have been used to detect and diagnose melanoma early. In the beginning, preprocessing were used to hair removal, noise attenuation, and contrast enhancement in order to enhance the segmentation process. Then, images of melanoma were segmented to isolate the affected part of interest from the background of the image using the image masks available with the dataset in order to facilitate the extraction of features. Extracting the features of color and shape from images of melanoma in order to enhance the accuracy of classification of these images into malignant or benign. Many artificial intelligence techniques have been employed in the detection and diagnosis of melanoma in literature. In this paper, several methods have been used to detect and classify melanoma based on Dermatoscopy images in the PH2 database using machine learning algorithms including SVM, DT, KNN, ANN, RF, and an Ensemble classifier is proposed as a hybrid algorithm based on the principle of collective learning by combining SVM, DT, and KNN algorithms through majority voting in order to enhance classification accuracy, as the results of group learning achieve better accuracy compared to the results of individual classifiers. Moreover, Deep learning algorithms including Alexnet, Densenet201, Googlenet, InceptionV3, MobilenetV2, Resnet18, and Squeezenet have been used in order to compare the performance with the traditional Machine learning algorithms used in this study. The proposed system was implemented on 200 Dermatoscopy images of the (PH2) database, and the results showed that the proposed hybrid method (Ensemble) achieved the best results with an Accuracy of 97.1%, Precision 87.5%, Recall 100%, and F-Score 93.3%.

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