Search In this Thesis
   Search In this Thesis  
العنوان
Analyze Microscopic Images to Detect Blood Diseases /
المؤلف
Mohamed, Shahd Tarek.
هيئة الاعداد
باحث / شهد طارق محمد
مشرف / محمد فهمي طلبة
مشرف / ابوالعلا حسنين
مشرف / هالة مشير حسن عبيد
تاريخ النشر
2021.
عدد الصفحات
101 p. :
اللغة
الإنجليزية
الدرجة
ماجستير
التخصص
Computational Theory and Mathematics
تاريخ الإجازة
28/2/2021
مكان الإجازة
جامعة عين شمس - كلية الحاسبات والمعلومات - قسم حاسبات علمية
الفهرس
Only 14 pages are availabe for public view

from 101

from 101

Abstract

تعد خلايا الدم البيضاء (WBCs) جزءًا مهمًا من جهاز المناعة الذي يساعد في مكافحة العدوى والدفاع عن الجسم من العدوى والمرض. تتعامل خلايا الدم البيضاء مع المواد الغريبة داخل الدم عن طريق قتل العناصر المعدية والخلايا السرطانية أو عن طريق تكوين الأجسام المضادة.
يتم فحص الصور المجهرية لخلايا الدم لاكتشاف العديد من الأمراض حيث تشير التغيرات في حالة الدم إلى تطور المرض لدى الشخص. كما يتم فحصهم لمساعدة خبراء تشخيص امراض خلايا الدم مثل الملاريا وسرطان الدم والسرطان. يتم التعرف على امراض الدم عن طريق الفحص البصري للصور المجهرية من خلال فحص التغيرات في النسيج والشكل واللون والتحليل الإحصائي للخلايا.
الهدف من هذه الدراسة هو بناء نظام عالي الدقة للكشف عن خلايا الدم البيضاء من الصور المجهرية. تصنيف خلايا الدم الى فئاتها وتشخيص سرطان الدم ، والكشف الدقيق عن أنواع سرطان الدم من أجل العلاج المبكر.
تتكون هذه الرسالة من 3 مراحل: في المرحلة الأولى ، ندرس كيفية تحسين الصور المجهرية التي يتم التقاطها في ظروف الإضاءة غير واضحه. حيث اقترحنا نهجًا مميكنا لتحسين الصورة باستخدام خوارزمية Retinex متعددة المقاييس (MSR) وخوارزمية التلقيح بالزهور (FPA). يحدد FPA الأوزان المثلى للمقاييس المختلفة لفلتر Gaussian من الصورة المطلوبة لـيتم استخدمها فى تقنية MSR. تتم مقارنة الطريقة المقترحة مع خوارزميات السرب الحديثة ؛ تحسين سرب الجسيمات (PSO) ومستعمرة النحل الاصطناعية (ABC) و طرق بحث طائر الوقواق (CS) . أظهرت نتائج التجربة أن الخوارزمية المطورة المقترحة تتفوق على أحدث الخوارزميات.
تتكون المرحلة الثانية من استخراج خلايا الدم البيضاء من الصور باستخدام تقنية متعددة المستويات .(Multilevel thresholding) لاختيار القيمة الأمثل ، نقوم بتحسين التقنية متعددة المستويات باستخدام خوارزمية تحسين التلقيح بالزهور. لتقسيم الخلايا المتداخلة ، نطبق خوارزمية تقسيم تعتمد على صوره تم إنشاؤها من الصورة المجهرية المطلوبة. تعتمد طريقة عد الخلايا على تسمية المناطق المتصلة بالصورة الثنائية المجزأة وحساب الخلايا المصنفة. تم تسجيل النتائج التجريبية للنهج المقترح على عشر صور مختلفة مختارة بدقة 98.4٪.
يتم دراسة تصنيف خلايا الدم البيضاء إلى تصنيفاتها Agranulocytes and Granulocytes في المرحلة الثالثة حيث يُقترح إنشاء شبكة عصبية مُحسَّنة(OFNN) لتصنيف خلايا الدم البيضاء من الصور المجهرية. يتم استخدام تحسين سرب الجسيمات (PSO) وخوارزمية البحث عن الجاذبية (GSA) لتدريب الشبكة العصبية (FNN) لتحقيق الحد الأدنى من الخطأ ومعدلات التصنيف العالية. أظهرت النتائج التجريبية أن النتائج التي تم الحصول عليها واعدة مع دقة تصنيف أعلى من 93٪ لجميع الأنواع.
أخيرًا ، يُقترح التشخيص المبكر لسرطان الدم للكشف الدقيق عن أنواع سرطان الدم من أجل العلاج المبكر. يتم ذلك عن طريق استخدام خوارزمية تحسين الفراشة (BOA) كطريقة مُحسَّنة متعددة المستويات لخطوة استخلاص الخلايا من الصور و Multilayer Perceptron (MLP) مع Gray Wolf Optimizer (GWO) لخطوة التصنيف.
أظهرت التجارب دقة تجزئة بنسبة 98.02٪. متوسط دقة التصنيف بين الخلايا الطبيعية وخلايا سرطان الدم 98.58٪ ، وبين فئات خلايا الدم البيضاء 98.9٪ وبين أنواع سرطان الدم 98.93٪.