الفهرس 
INTRODUCTIONOnly 14 pages are availabe for public view
 |  | from | 122 |  |  |
| | | from | 122 | | |
Abstract
لقد حازت تقنيات التعلّم العميق و هى أحد فروع التعلم الآلى على شهرة واسعة فى العديد من مجالات البحث و التطبيقات العملية و يعود السبب لهذا الانتشار الواسع و الشهرة المتزايدة لوفرة و إقتصادية التطبيقات الحالية المتاحة لمعالجة البيانات و التى لم يسبق أن تكن متاحة بهذا الشكل الكبير قبل وقتنا الحالى. تعطى وسائل التعلّم العميق نتائج واعدة فى بعض التطبيقات، على سبيل المثال معالجة اللغة الطبيعية, التعرف على الكلام و مؤخراً فى مجالات الرؤية الحاسوبية، على سبيل المثال تتبع و تمييز الأشياء و تصنيف الصور. يمكن لتقنيات التعلّم العميق تعلم مجموعة من الخصائص عالية المستوى و التفريق بينها و بين الخصائص منخفضة المستوى و تحقيق درجة عالية من الدقة لتطبيقات التصنيف دون الحاجة لاستخلاص أو استخراج الخصائص بطريقة يدوية، و عليه من أجل مهام استخدام الصور فى المجال الطبى يوجد تزايد فى استغلال و الاستفادة من القدرة العالية و المتفوقة لوسائل التعلّم العميق.و تعتبر الشبكات العصبية التلافيفية أحد وسائل التعلّم العميق التى يتم من خلالها تطبيق فلاتر قابلة للتدريب و عمليات للتجميع على الصور الخام التى يتم إدخالها على النظام حيث يتم استخلاص مجموعة من الخصائص عالية المستوى بشكل تلقائى.الميلانوما (أو سرطان الجلد الخبيث) من أخطر أنواع سرطان الجلد الذى يصيب البشر و لكن فى حال الكشف المبكر يمكن معالجته بسهولة. تم اقتراح بعض التقنيات الطبية لتحسين إجراءات التشخيص المبكر للميلانوما و تشمل هذه التقنيات الديرموسكوب (أو منظار الجلد) و هو تقنية تجمع بين كل من تقنيات الإضاءة و التكبير، مما يتيح الفرصة للحصول على رؤية أوضح لآفات أو أمراض الجلد. فى ضوء هذه التقينة تم تطوير عدد من الإجراءات الطبية، على سبيل المثال، قاعدة ABCD و قائمة السبع نقاط المرجعية 7 point checklist لتبسيط إمكانية التفرقة و التميز بين مختلف أنواع الأمراض أو الأفات التى تصيب الجلد و إمكانية تشخيص سرطان الجلد الخبيث (الميلانوما). تعتمد هذه الإجراءات على الكشف عن الخصائص الديرمسكوبية (الخصائص الجلدية) و اللون فى صور الديرمسكوب الخاصة بالمرض الجلدي.الهدف من هذا البحث هو تطوير نظام للكشف التلقائى عن الميلانوما باستخدام أحد تقنيات التعلّم العميق, حيث تم بناء النظام المقترح لهذا البحث على حلول الشبكات العصبية التلافيفية ذات التكوينات المتعددة و اختبار هذا النظام المقترح باستخدام قاعدة بيانات تحتوى على صور طبية لعلاج الميلانوما (سرطان الجلد الخبيث). يتكون النظام المقترح من ثلاث مراحل ، مرحلة ما قبل المعالجة وتحولها إلي حجم ثابت، ثم مرحلة استخلاص الصفات المميزة ثم تطبيق عملية المقارنة لاتخاذ القرار وتحديد التشخيص.كخطوة أخيرة، تمت المقارنة بين وسائل التدريب التقليدية المتاحة و بين مقترحات التعليم الفعالة لهذا البحث مع تحديد الشروط و العوامل المطلوبة حتى تحقق الوسيلة المقترحة أفضل النتائج.تم تدريب النموذج المقترح و تقييمه باستخدام قاعدة بيانات قياسية من تحدي التعاون الدولي لصور الجلد ISIC 2018 وتم مقارنة بالعديد من الأبحاث حيث حقق النموذج نسبة دقة وصلت إلى 96,67% وبالتالي استخدام نظام التعلم العميق للكشف عن سرطان الجلد كما هو موضح هو نظام ذو موثوقية وثقة. وتم تنظيم هذه الرسالة بحيث تتكون من ستة فصول كالأتي :الفصل الأول (مقدمة) : ويحتوي علي مقدمة عن مكونات الجلد البشري ، والتعرف علي الميلانوما (أو سرطان الجلد الخبيث) ، كما يتناول هذا الفصل المفاهيم الأساسية المتعلقة بتحليل صور الديرموسكوب (Dermoscopy). والتعرف علي أنواع مختلفة من الآفات الجلدية وتقنيات التشخيص الطبي المتاحة. وكذلك يتناول الدوافع ، وأهداف ، وتنظيم الرسالة.الفصل الثاني : يعرض هذا الفصل الأبحاث و التقنيات الاساسية ذات الصلة بموضوع الرسالة المستخدمة في التغلب علي المشاكل الناتجة عن سرطان الجلد الخبيث وذلك باستخدام التقنيات المختلفه للتعلم العميق.الفصل الثالث : يبدأ بمقدمة حول الموضوعات العامة المتعلقة بالشبكات العصبية الاصطناعية (ANN). و كذلك يتم عرض المقدمه النظرية للتعلم العميق في هذا الفصل ، مع توضيح المفاهيم الأساسية المتعلقة بالشبكات العصبية التلافيفية الفصل الرابع : تمت مناقشة التقنية المقترحة لتطوير نموذج الشبكة العصبية التلافيفية (CNN) لتصنيف آفه الجلد على أنه سرطان خبيث ام حميدة في هذا الفصل. تم تدريب هذا النموذج باستخدام صور الآفات الجلدية من مجموعة بيانات (ISIC) . تم اقتراح نموذج (CNN) بدقة عالية عن طريق اختيار بعض العوامل المتغيره (parameterالفصل الخامس : ويعرض هذا الفصل التجارب والتحليلات المطلوبة لإثبات كفاءة النموذج الجديد،مع عرض النتائج ،ومناقشة النتائج التي تم الحصول عليها خلال هذا العمل وتعليقات على النتائج المذكورة .الفصل السادس : يعرض الإستنتاجات مع العمل المتوقع تنفيذه في المستقبل .