البيانات الاساسيه

السيره الذاتيه

الاسم: هاجر محمد رضا على السيد
تاريخ الميلاد ومكانه: 1/4/1988- الخارج (اليمن)
الجنسية: مصري
الحالة الاجتماعية: اعزب
العنوان: 469فيصل - جيزة

عنوان رسالة الماجستير

أساليب التنقيب عن البيانات لتشخيص الأمراض

ملخص رسالة الماجستير

الملخص قد ابدى التطبيق الناجح للتعدين فى البيانات أهميه واضحه للغاية فى معظم المجالات مثل التجارة الإلكترونية والتسويق للقدره على استخدامها في اكتشاف المعرفة في قواعد البيانات (KDD) في الصناعات والقطاعات الأخرى. ومن بين هذه القطاعات مجالات الطب والصحة العامة. ومن الملاحظ ان المؤسسات الطبية تتلخص وظيفتها فى جمع كميات هائلة من البيانات الصحية التي، للأسف ، ليست "الملغومة" لاكتشاف المعلومات المخفية. يمكننا وصف هذه البيانات بأنها "غنية بالبيانات" وفقيره الى " المعرفة". في هذه الدراسة، تم استخدام احدى تقنيات استخراج البيانات الأكثر أهمية وهى الشبكات العصبية الاصطناعية لحجم الهائل من البيانات في احدى مجالات الطب الا وهو طب الأطفال بأمراض الجهاز التنفسي. بعد ان تم تدريب الشبكة العصبيه ب 699 حاله من الحالات المختلفه للاطفال الذين يعانون من اعراض احدى امراض الجهاز التنفسى للاطفال الثمانيه وهى (التهاب القصيبات والالتهاب الرئوي والتهاب لسان المزمار الحاد ، ذات الجنب، وانتفاخ الرئة، الحنجرة الحادة والربو والقصبات). وأوضحت البيانات الحالية إلى أن 90 ٪ من مجموع الحالات التي تمثل اختبار الفحص تم تشخيصها بطريقه صحيحه. هذا يعني أن نتائج التجارب الطبية على هذه البيانات توضح أن الشبكات العصبية مهمة في التشخيص من البيانات الطبية ، وخاصة بالنسبة لكمية كبيرة من البيانات. كما نقوم بتصميم خوارزمية ذكية للتشخيص التلقائي لأمراض الجهاز التنفسي للأطفال. وقد تم تحليل البيانات المستخدمة على نطاق واسع الكتلة التعدين في تخصصات عديدة، مثل الإحصاءات ، وهندسة البرمجيات، وعلم الأحياء وعلم النفس والعلوم الاجتماعية الأخرى ، من أجل تحديد المجموعات الطبيعية لكميات كبيرة من البيانات. في هذا العمل لفترة وجيزة ندرس تنفيذ كل من المبدأ وتقنيات (SOM) تقنيات تجميع للحجم الهائل من البيانات الطبية في واحدة من الحقل الطبي الذي هو مرض الجهاز التنفسي للأطفال. ثم نقارن نتائج تقنية SOM مع نتيجة تحليل المكونات الرئيسية (PCA). نتائج المحاكاة تبين أن SOM أداؤها أفضل من .PCA وتتكون فصول الرساله من الاتى: الفصل الاول :- وهو مقدمه عامه على استخدام اسلوب التنقيب فى البيانات فى المجال الطبى وكيف ان المجال الطبى فى وقتنا هذا يحتاج على وسيله للمساعده فى اكتشاف المعلومات اللتى يمكن استخراجها من مجموعه البيانات الموجوده فى قواعد البيانات الطبيه و تعريف عمليه تنقيب البيانات وايضا مقدمه عن استخدام الشبكات العصيبه وهى احدى تقنيات التنقيب عن البيانات وكيفيه استخدامها فى مساعده الاطباء فى اتخاذ القرار ووصف تقديمى للنظام الخبير وماهى مميزاته. الفصل الثانى:- يشمل على دراسه شامله للدراسات السابقه فى كيفيه استخدام التنقيب فى البيانات فى مجال الطب وخصوصا مجال طب الاطفال امراض الجهاز التنفسى الفصل الثالث:- وهو دراسه تفصيله وتوضيحيه ايضا عن ماهو عمليه التنقيب فى البيانات والخطوات اللازمه لذلك وماهى ادوات عمليه التنقيب وماهى وظائف عمليه التنقيب وماهى دوره حياه اى نظام يعتمد على التنقيب فى البيانات. يليه بعد ذلك شرح مفصل ايضا للخلايا العصبيه الصناعيه وتوضيح كيف انه يوجد تشابه بينها وبين فكر الانسان وماهو تركيب الشبكات العصبيه الصناعيه. وما هى انواع التعليم الاصطناعى وكذلك تفسير كلا من طريقتين SOM , PCA فى تصنيف البيانات الفصل الرابع:- ويحتوى على النتائج التطبيقيه للرساله ويشمل على نتائج معالجه البيانات باستخدام الشبكات العصبيه وايضا مقارنه بين نتائج الطريفتين الاتيين SOM , PCA ومعرفه ايا منهما افضل فى عمليه تشخيص الامراض للحالات المعطاه.

عنوان رسالة الدكتوراه

التعرف على الابقار باستخدام بصمه الانف

ملخص رسالة الدكتوراه

الملخص العربى تسعى وزارة الزراعة والإنتاج الحيواني وأيضا الأطباء البيطريون إلى إيجاد طرق ذكية حديثة للحفاظ على الثروة الحيوانية ومنتجاتها. تعتبر صورة كمامة (أنف) الماشية كأنها بصمة وراثية حيث أنها تختلف من حيوان لأخر ولا تتكرر نهائيا. ومن هنا نستطيع ضمان وتحقيق الأمان في منتجات الثروة الحيوانية. هذه الرسالة تستعرض ثلاث طرق مختلفة للتعرف والتمييز بين الماشية اعتمادا على بصمة الأنف، وهذه الطرق هي تقنية Artificial Neural Network (ANN) , و تقنيه Naïve Based و تقنيه Decision tree. كل طريقة تحتوي على ثلاثة تصنيفات مختلفة. أول تصنيف يحتوي على مرحلتين قبل المرحلة الأخيرة وهي التصنيف والمعتمدة على التقنيات الثلاثة السابق عرضهم، وهم مرحلة ما قبل التصنيف ومرحلة استخراج خصائص كل صورة. وتتكون مرحلة ما قبل التصيف من مرحلتين يتم فيهم أستخدام إحدى الطرق التاليه: وهما مرحلة توضيح شدة الصورة باستخدام تقنية Histogram Equalization(HEQ)، وإزالة الشوائب من الصورة بناء على استخدام تقنية mathematical morphology (MM) وتقنيه Average filter وأيضا تقنيه median filter ويتم إستخدامها لازاله شوائب الصوره مع الاحتفاظ بخصائص الصوره الاصليه للحصول على نتائج اكثر دقه. أما عن مرحله إستخراج خصائص الصوره فيتم إستخدم إحدى التقنيات التاليه box-counting و Segmentation-based Fractal Texture Analysis (SFTA) و GLCM و DWT. كل الطريق المستخدمه يتم المقارنة بين نسبة الدقة أثناء استخدام تقنية box-counting وتقنية SFTA و تقنيه GLCM و تقنيه DWT لاستخراج خصائص الصورة كل منهم على حدة وأيضا الدمج بينهم، وبناء عليه يتم تحديد دقة الطريقة المستخدمة. بعد استخدام الـbox-counting يتم استخراج ثمانية خصائص لكل صورة فقط. أما عند استخدام SFTA يتم استخراج ثمانية عشر خاصية لكل صورة وبعد إستخدام تقنيه GLCM يتم إستخراج اثنان وعشرون خاصيه مختلفه للصوره أما عن إستخدام تقنيه DWT تم إستخراج سته عشر خاصيه لكل صوره. أثبتت النتائج تقدم تقنيه الــ Decision Tree عن كل من تقنيه ال ANN و Naïve based . كمان تفوقت تقنيه ال Decision Tree عندما إستخدمت للتفريق بين ثلاث وخمس بقرات مختلفين و أيضا عندما تم إستخدام ال GLCM فى مرحله إستخراج الخصائص لكل صوره. حقق النموزج السابع الذى يعتمد على إستخدام تقنيه GLCM فى مرحله إستخراج البيانات والـ Decision Tree أفضل نتائج على الإطلاق. يأتى فى المرحله الثانيه من حيث دقه النتائج هى الطريقه اللى تعتمد على DWT فى مرحله إستخراج البيانات تليها SFTA ثم يأتى فى المؤخره كل النمازج التى تستخدم Box-counting فى المرحله الثانيه. كما إتضح انه دقه النتائج وصحتها تعتمد على عدد الخصائص المستخدمه أثناء المرحله الاخيره والتى تم إستخراجها أثناء المرحله الثانيه. تم عمل تجارب كثير أعتمادا على تغير التقنيه المستخدمه أثناء مرحله إستخراج البيانات وأيضا إعتمادا على تقليل عدد الماشيه أثناء المقارنه ... ألخ وذلك للحصول على نتائخ دقيقه وصحيحه. وأتضح بعد التجارب المختلفه أنه افضل طريقه هو المعتمده على إستخدام تقنيه GLCM أثناء إستخراج البيانات ثم إستخدام تقنيه الـ Decision tree فى مرحله التميز والتصنيف وهى المرحله الثالثه والأخيره. وعلى الرغم من أنه تم زيادة عدد الخصائص إلى ستة وعشرين خاصية، وذلك في النموذج الثالث إلا أن دقة النتائج ظلت ثابتة كما في حالة استخدام الـ SFTA فقط لاستخراج البيانات. تتكون فصول الرسالة من الآتي: الفصل الأول :- يشرح مقدمة عامة للرسالة، والطرق المستخدمة، ومما تتكون كل طريقة وما هي الأهداف الرئيسية لهذه الرسالة. وكذلك ذكر بعض الطرق التقليدية، وما هي عيوبها التي أدت بنا إلى التفكير في تقنيات أفضل وأحسن من الطرق التقليدية. الفصل الثاني:- يقدم نموذج من قاعده البيانات المستخدمه للدراسه وأيضا دراسة تفصيلية وتوضيحية عن الطرق التقليدية المستخدمة لمتابعة وتصنيف الماشية واستخدامها للحفاظ على الثروة الحيوانية في معظم دول العالم. الفصل الثالث:- يشمل دراسة شاملة عن التقنيات المستخدمة في الرسالة. الفصل الرابع:- ويحتوى على النتائج التطبيقية للرسالة ويشمل النتائج المختلفة لكل طريقة وكذلك النتائج الخاصة بكل مرحلة من المراحل المستخدمة ابتداء من المرحلة الأولى، وهى مرحلة ما قبل استخراج خصائص الصورة وهى المرحلة الخاصة بتوضيح شدة إضاءة الصورة وإزالة الشوائب الموجودة على الصورة مرورًا بمرحلة استخراج الخصائص لكل صورة، والطرق المختلفة لاستخراج هذه الخصائص، وصولًا للمرحلة الأخيرة وهى مرحلة التمييز والتفريق والتعرف على كل حيوان باستخدام بصمة أنفه. الفصل الخامس:- يعرض ملخص الرسالة.