مشاركة د.سرى زكي ناجي في لجنة مناقشة في كلية العلوم للبنات
 التاريخ :  9/26/2021 4:52:46 PM  , تصنيف الخبـر  كلية تكنولوجيا المعلومات
Share |

 كتـب بواسطـة  مسؤول موقع كلية تكنولوجيا المعلومات  
 عدد المشاهدات  455

شاركت الدكتورة (أ.م.د.سرى زكي ناجي) التدريسية في قسم البرمجيات في كلية تكنولوجيا المعلومات كعضوة لجنة مناقشة طالبة الدراسات العليا- الماجستير ( ســجى مـــهدي حسـين) والتي اقيمت على قاعة( الشهيد  مصطفى العذاري ) للدراسات العيا في كلية العلوم للبنات في يوم الاربعاء المصادف 22-9-2021 والموسومة 


                                  Automatic Detection and Classification of Macular Degenereation Based On Retinal Images 
أمراض الشيخوخة البقعي (AMD) هي حالة منتشرة على نطاق واسع تصيب كبار السن. ستساعد الطريقة التلقائية لتشخيص المرض الأطباء في مراقبة الحالات والمرضى ، لتلافي حالة العين السيئة المتقدمة.
في هذه الطريقة المقترحة ، تم تدريب نموذج قائم على الشبكة العصبية التلافيفية (CNN) على مجموعة بيانات لصور العين بمستويات متعددة من حالات AMD والعيون الطبيعية. تُستخدم مجموعة بيانات ODIR لكل من مرحلتي التدريب والاختبار للنموذج. الهدف هو تطوير نموذج تعلم عميق يصنف كل صورة بناءً على حالة AMD الخاصة بها.
تتمثل الخطوة الأولى للمشروع في تنظيف مجموعة بيانات الصورة ومعالجتها مسبقًا لجعلها مناسبة لقطار النموذج. تضمنت الخطوة الثانية بناء النموذج. والتي تنقسم إلى خطوتين فرعيتين. (أ) هو تطوير تصميم النموذج الذي سيكون قادرًا على تصنيف الصور بشكل صحيح. (ب) هو تحديد معايير التدريب المناسبة التي ستعطي نتائج كافية في وقت معقول. تضمنت الخطوة الثالثة التحقق من صحة النموذج.
تضمنت عمليات التدريب مرحلتين: المرحلة الأولى هي بناء وتدريب نموذج لتصنيف الصور إلى فئتين (عادي ، و AMD). بعد النتائج الكافية التي تم الحصول عليها من هذا النموذج ، تم تطوير معايير التصميم والتدريب الخاصة به لتصنيف أربع فئات من مرض AMD ، والتي يتم تمديد فئة AMD إلى (المبكر والمتوسط ??والمتأخر). وهي المراحل الأربع لمرض AMD.
تم استخدام الخصوصية ، الحساسية ، الدقة ، الدرجة F ، المنطقة تحت المنحنى (AUC) كمعايير لتقدير كفاءة التصنيف.
يتم الحصول على نتائج عالية الدقة ، ويتم مقارنة النموذج المقترح مع الأساليب المتطورة الأخرى في نفس مجموعة البيانات. علاوة على ذلك ، يتم تدريب النماذج المتقدمة والشائعة على نفس مجموعة البيانات ، وكشفت النتائج عن أداء أفضل للنموذج المقترح على النماذج الشائعة.





 
                                                        

الاعلى مشاهدة