الخميس, 29 كانون1/ديسمبر 2022 07:16

قسم هندسة الحاسوب يناقش رسالة ماجستير عن نظام تشخیص أمراض القلب قائم على إنترنت الأشیاء بأستخدام تقنیات التعلم العمیق

 

 

نوقشت رسالة ماجستير في قسم هندسة الحاسوب في الجامعة التكنولوجية الموسومة:

نظام تشخیص أمراض القلب قائم على إنترنت الأشیاء
بأستخدام تقنیات التعلم العمیق

Heart Disease Diagnosis System in Internet
of Things Environment Based on Deep
Learning Techniques

وهدفت رسالة الطالبة رانية روني عزيز الى تطوير و بناء نماذج تعلم عميق مختلفة لتشخيص مرض القلب بدقة باستخدام اجهزة انترنت الاشياء لجمع البيانات الفسيولوجية للمريض
وتضمنت هذه الرسالة اقتراح نموذجين تعلم عميق اكثر تطورا أحدهم بأستخدام شبكة عصبية تلافيفية أحادية البعد (1D-CNN) والاخر بأستخدام ذاكرة ثنائية الاتجاه طويلة المدى (Bi-LSTM) لتحسين دقة تشخيص المرض. كلاهما حقق دقة تشخيص 94.96٪ لكن تعتبر دقةالتشخيص هذه منخفضة والسبب كون مجموعة البيانات المتوفرة صغيرة الحجم وغير متوازنة. للتغلب على هذه المشكلة تم تطوير نموذج تعلم عميق لأنشاء بيانات جديدة بنفس الخصائص مشابهة للبيانات الحقيقية بأستخدام شبكات الخصومة التوليدية (GAN). بعد انشاء بيانات إضافية بأستخدام نموذج (GAN، وإعادة تدريب نموذجي (1D-CNوBi-LSTM) باستخدام مجموعة البيانات المضافة. أدى هذا الى زيادة دقة نموذج (1D-CN) الى 99.1% ونموذج (Bi-LSTM إلى 99.3٪. بالاضافة الى ذلك تم استخدام تحليل العنصر الرئيسي (PCA) لاستقصاء التعقيد الزمني لنموذجي (1D-CN وBi-LSTM). واستخدام ال (PCA) لتقليل أبعاد مجموعة البيانات الضخمة الناتجة ادنى من استخدام نموذج (GAN) هذا الى تقليل زمن تشخيص المرض للنموذج (1D-CN) إلى 68.8 مللي ثانية وللنموذج (Bi-LSTM) إلى74.8 مللي ثانية.
وتوصلت الباحثة بعد دمج النماذج (ANN, 1D-CN, Bi-LSTM) في نموذج واحد موحد (Stacked Ensemble) لتقليل خطأ التشخيص للنماذج المفردة. وتجميع النماذج عمل على تحسين دقة التشخيص إلى 99.7٪. وبالتالي، تم نشر هذا النموذج على منصة الحوسبة السحابية من Amazon لتشخيص مرض القلب بدقة عالية من خلال بيانات مرسلة بواسطة مستشعرات إنترنت الأشياء وعرض نتيجة التشخيص على تطبيق أندرويد.
وتألفت لجنة المناقشة من:
ا. د. بلال اسماعيل خليل من جامعة الانبار كلية علوم الحاسوب وتكنولوجيا المعلومات رئيسا وا. م. د. علي مجيد محمود من الجامعة التكنولوجية قسم هندسة السيطرة والنظم عضوا وم. د. سحر عادل عبود من الجامعة التكنولوجية قسم هندسة الحاسوب عضوا وا. م. د. مازن عبد محمد من جامعة الانبار كلية علوم الحاسوب وتكنولوجيا المعلومات عضوا استشاري وم. د. احمد موس دينار من الجامعة التكنولوجية قسم هندسة الحاسوب عضوا ومشرفا.

 

  

 

 

 

Top