تفاصيل الوثيقة

نوع الوثيقة : رسالة جامعية 
عنوان الوثيقة :
نظام آلي للتنميط النووي للكروموسومات للتعرف على حالات التشوهات الخلقية الأكثر انتشاراً باستخدام التعلم العميق
AUTOMATED SYSTEM FOR CHROMOSOME KARYOTYPING TO RECOGNIZE THE MOST COMMON NUMERICAL ABNORMALITIES USING DEEP LEARNING
 
الموضوع : كلية الحاسبات وتقنية المعلومات 
لغة الوثيقة : العربية 
المستخلص : يعد تحليل الكروموسومات أحد أهم المهام في علم الوراثة الخلوية، حيث يمكّن علماء الوراثة الخلوية من تشخيص الاضطرابات الصحية والخلقية. النمط النووي هو تقنية أساسية في تحليل الكروموسومات حيث يصنف الصورة الطورية إلى 24 صنف من الكروموسومات. هناك نوعان رئيسيان من أنواع اضطراب الكروموسومات: اضطراب في عدد الكروموسومات من خلال إما وجود نسخة إضافية من أحد الكروموسومات أو فقدان كروموسوم من أحد الأزواج، والنوع الآخر اضطراب في هيكل الكروموسوم حيث يكون هناك تغيير في بنية الكروموسوم. النمط النووي اليدوي معقد حيث يتطلب خبرة عالية في المجال ويستهلك الكثير من الوقت. في هذا البحث قمنا بإنشاء نظام آلي باستخدام التعلم العميق للتعرف على التشوهات الخلقية الأكثر انتشاراً الناتجة عن زيادة أو نقص في عدد الكروموسومات على مجموعة من الصور الطورية الغير متداخلة من مركز التميز البحثي في علوم الجينوم الطبي بجامعة الملك عبد العزيز والمحتوية على 147 صورة طورية. في هذا النظام تمر الصور الطورية بثلاثة مراحل. المرحلة الأولى هي تجزئة الكروموسوم عن طريق الشبكة العصبية التلافيفية YOLO v2 متبوعة ببعض المعالجة اللاحقة للكروموسومات. حققت هذه المرحلة دقة تجزئة 100% ونتيجة تقاطع على الاتحاد 0.84 ومتوسط دقة 0.9923. المرحلة الثانية هي استخراج الميزات والتصنيف حيث قمنا بضبط شبكة VGG19باستخدام منهجين مختلفين. في المنهج الأول تمت إضافة طبقة/طبقات fully connected إضافية وفي المنهج الثاني تم استبدال طبقات fully connected بطبقةglobal average pooling . حققت هذه المرحلة نتيجة دقة 95.04%. المرحلة الأخيرة هي اكتشاف التشوهات وحصلت هذه المرحلة على دقة اكتشاف 96.67%.. لمزيد من التحقق من صحة طريقة التصنيف المقترحة، قمنا بتصنيف مجموعة بيانات مختبر التصوير الطبي الحيوي المتوفرة على الإنترنت وحققت دقة 94.11%. 
المشرف : د. لمياء الرفاعي 
نوع الرسالة : رسالة ماجستير 
سنة النشر : 1442 هـ
2020 م
 
المشرف المشارك : د. مي فاضل 
تاريخ الاضافة على الموقع : Friday, January 29, 2021 

الباحثون

اسم الباحث (عربي)اسم الباحث (انجليزي)نوع الباحثالمرتبة العلميةالبريد الالكتروني
منى سالم الخرازAl-Kharraz, Mona Salemباحثماجستير 

الملفات

اسم الملفالنوعالوصف
 46871.pdf pdf 

الرجوع إلى صفحة الأبحاث