الفهرس 
Efficient Data Cleansing Techniques for Better Performance Using Optimized Deep Transfer Learning
IntroductionOnly 14 pages are availabe for public view
 |  | from | 175 |  |  |
| | | from | 175 | | |
Abstract
نظم التشخيص المساعدة بالحواسيب (CAD Systems) تلعب دورًا بارزًا في تصنيف وتقسيم العديد من الأمراض مثل حالات اعتلال الشبكية السكري وسرطان الجلد باستخدام تقنيات التعلم العميق ونقل المعرفة. تستند هذه النظم إلى تحليل الصور الطبية باستخدام الذكاء الاصطناعي، مما يعزز دقة التشخيص والتصنيف لحالات السكري وسرطان الجلد. يمكن لهذا التقدم أن يساهم في اتخاذ قرارات علاجية دقيقة وفعالة. تتناول الرسالة تحسين تشخيص ورصد الأمراض مثل الاعتلال الشبكي وسرطان الجلد باستخدام تقنيات التعلم العميق، مع التركيز على تحديد مدى خطورة الاعتلال الشبكي وسرطان الجلد. بشكل عام، تهدف الرسالة إلى طرح وبرمجة خوارزميات خاصة بتنقيح قواعد البيانات التي تؤدي الي التشخيص الدقيق باستخدام التعلم المتنقل العميق الأمثل وقد تم تطبيق الخوارزميات على مرض الاعتلال الشبكية السكري وسرطان الجلد.
أهداف الرسالةالهدف الرئيسي من هذه الرسالة هو بناء خوارزمية جديدة لعمل تصنيف وتجزئه للأمراض باستخدام (CAD Systems) باستخدام شبكات CNN المحسّنة وكذلك التعليم المتنقل العميق الأمثل
من خلال الخطوات التالية:
• تنقية البيانات (Data Cleansing)
• تجزئة اليبانات المستهدفة (Segmentation)
• تصنيف البيانات المستهدفة (Classification)
• تشخيص البيانات المستهدفة (Detection)
وتشمل الرسالة على ثلاثة مقترحات:
[1] تم تطوير خوارزمية تعليمية عميقة جديدة باستخدام الشبكات العصبية المُحَسَّنَة CNN، بالإضافة إلى تطبيق خوارزمية التعلم المتنقل العميق باستخدام VGG16. هدفنا كان الحصول على دقة تصنيف مرتفعة لحالات اعتلال الشبكية الناجمة عن مرض الاعتلال الشبكية السكري. تمثل هذه الخوارزميات الابتكارات الحديثة والذكية التي تمكنت من تحسين التشخيص وزيادة الدقة في التصنيف، مما يسهم في تحسين الرعاية الصحية وتسريع عمليات التشخيص والتصنيف.
[2] تم تطبيق خوارزمية U-Net وذلك باستخدام متغيرات محسنة لعملية التجزئة لسرطان الجلد مما يُمكن من تحديد مواقع سرطان الجلد بدقة عالية. وذلك يسهل في عملية تشخيص وعلاج سرطان الجلد بكفاءة، حيث يُمكنه تحديد الأماكن المُشكَّلة للأورام بدقة فائقة، مما يزيد من تسريع العلاج وعملية الشفاء.
[3] أيضا تم تطبيق خوارزمية التعلم العميق المتنقل على تجزئة وتحديد سرطان الجلد باستخدام ثلاث خوارزميات متقدمة (ResNet 50، MobileNet V2، EfficientNet B0) تمت مقارنة أداء هذه النماذج المدرَّبة لتحديد أفضل النتائج في التشخيص والتحديد الدقيق لسرطان الجلد. الهدف من هذا البحث هو تحديد الخوارزمية الأمثل التي توفر أقصى دقة في التحليل وتوجيه العلاج بفعالية أكبر وفصل المرض بدقة عالية.
الفصل الخامس: يقدم عرض لأهم الإستنتاجات التي تم التوصل اليها من خلال هذة الرسالة، عن طريق تصميم نموذجين للتعرف على ايماءات اليد باستخدام إشارات الاشارة الكهربية للعضلات. كما يتضمن بعض المقترحات و التوصيات التي يمكن عملها مستقبلا ً في هذا الموضوع. قائمة المراجع: تم سرد المراجع التى إستعان بها الباحث فى إعداد الرسالة وعددها (70)مرجعآ والتى تناولت موضوع الرسالة ثم ملحق بالرسالة فيها الملخص العربى