Search In this Thesis
   Search In this Thesis  
العنوان
Evolutionary classifier for renal stones patients using neural networks /
المؤلف
Al-Kholy, Shahinda Mohamed Mostafa.
هيئة الاعداد
باحث / Shahinda Mohamed Mostafa Al Kholy
مشرف / Ahmed Abo Elfetouh saleh
مشرف / Aziza saad Asem
باحث / Shahinda Mohamed Mostafa Al Kholy
الموضوع
Information Systems. renal stones patients - neural networks.
تاريخ النشر
2013.
عدد الصفحات
78 p. :
اللغة
الإنجليزية
الدرجة
ماجستير
التخصص
علوم الحاسب الآلي
تاريخ الإجازة
1/1/2013
مكان الإجازة
جامعة المنصورة - كلية الحاسبات والمعلومات - Information Systems
الفهرس
Only 14 pages are availabe for public view

from 78

from 78

Abstract

لسنوات عديدة كانت الجراحة المفتوحة العلاج الرئيسي لأمراض حصوات الكلى، ولكن تم استبدالها بطرق اخرى مثل المنظار الذى يستخدم لعلاج أكثر من 90٪ من الحالات واصبح العلاج بالعمليات الجراحية المفتوحة الآن نادراٌ.وفى الوقت الحالى أصبح الإجراء العلاجي المفضل في معظم الحالات هو تفتيت الحصوات بالموجات الصدمية (ESWL) .وبالرغم من تفتيت الحصوات بالموجات الصدمية (ESWL) فعال فى معظم الحالات الا انه قد لا تستجيب بعض الحصوات له. ولذلك تحديد هذه الحالات مبكرا قد يفيد فى توجيه الاطباء لإختيار خيار اخر مناسب وتجنب الإجراءات التى لالزوم لها . ويمكن تحقيق هذا عن طريق بناء نموذج تنبؤي لتصنيف المرضى الى فئتين اولهما : مجموعة ينجح فيها عملية التفتيت للحصوة وتسمى هذه المجموعة ( Free )والاخرى لاينجح التفتيت فى ازالة حصوة الكلى وتسمى ( Not Free)، مع الأخذ في الاعتبار جميع المتغيرات التي تؤثر على نجاح التفتيت فى ازالة الحصوة وتشمل صفات شخصية للمريض وصفات للحصوة و بالرغم مما يوفره التصنيف من ٳمكانات للطبيب إلا انه مازال يواجه قصور شديد. فالبرغم من قرب صورته عن المريض للواقع إلا أنها لا تكفي للحكم علي المريض ولا يمكن مساواتها بحكم الطبيب والذي يتوافر له التفاعل المباشر مع المريض . وبناءا علي ما سبق كان الهدف من هذا البحث هو اقتراح نظام يعمل علي زيادة قدرات وذكاء التصنيف عن طريق الاستفادة من قدرة المجموعات الاستقرابية في تقليل عدد الخصائص التي يُقيم عن طريقها المريض ثم تقييم حالته عن طريق الشبكات العصبية الاصطناعية بناءا علي ما تبقي من خصائص. في هذا البحث تم بناء خوارزم يتكون من جزئيين, الجزء الأول هو Johnson Reducer خوارزم تم استخدامه لتقليل عدد خصائص الدارس من عشرين خاصيه إلي ثمانيه فقط أي بمقدار 60% نقص في عدد الخصائص وبالتالي في المساحة التخزينيه المطلوبة. أما الجزء الثاني من الخوارزم يعتمد على تقييم حالة الدارس باستخدام Back Propagation خوارزم قبل وبعد تقليل عدد الخصائص التي يقيم علي أساسها المريض ز ولقد تم تنفيذ محاكاة لهذا الخوارزم والمقارنة بين نسبة الخطأ في تقييم حالة المريض قبل و بعد تقليل عدد خصائص التقييم. ولقد اثبت هذا النظام تقليلا فعالا في نسبة الخطأ في التقييم في الحالتين إن لم يكن أفضل بعد تقليل الخصائص.