قسم علوم الحاسوب في كلية العلوم ينظم سيمناراً لطلبة الدراسات العليا

نظم قسم علوم الحاسوب في كلية العلوم بجامعة ديالى سيمناراً لطلبة المرحلة البحثية للعام الدراسي الحالي وبحضور السيد رئيس القسم الأستاذ الدكتور بشار طالب حميد ولجنة السيمنار في القسم والمشرفين.

وكان العنوان الأول تشخيص أمراض الكلى باستخدام خوارزميات التنقيب عن البيانات للطالبة نور سعود عبد بأشراف الأستاذ الدكتور ظاهر عبد الهادي عبد الله أوضحت فيه : أن مرض الكلى المزمن (CKD) هو مشكلة صحية عالمية مع ارتفاع معدل الوفيات ، وقد أفادت الأبحاث أن أمراض الكلى المزمنة تؤدي إلى عشرات الآلاف من الوفيات البشرية حول العالم. يحاول الباحثون استخدام أنواع مختلفة من التعلم الآلي (ML) لتشخيص أنواع مختلفة من الأمراض مبكرًا. منذ ذلك الحين ، تُستخدم تقنيات ML في مختلف المجالات لتصنيف البيانات وتحليلها وتجميعها والتنبؤ بها وتصفيتها ، والتعلم الآلي (ML)  هو مجموعة فرعية من تقنيات الذكاء الاصطناعي.

تدعم تقنيات التنقيب عن البيانات التعلم الآلي وتستخدم على نطاق واسع في مختلف التطبيقات. تتمثل الوظيفة الرئيسية لاستخراج البيانات في تطبيق تقنيات وخوارزميات وطرق مختلفة لاستخراج أي أنماط أو معلومات محددة من البيانات الكبيرة المخزنة وتحويلها إلى شكل مفهوم للاستخدامات المستقبلية. يعد استخراج البيانات أحد أكثر مجالات البحث تشجيعًا بهدف العثور على معلومات مفيدة من مجموعات البيانات الكبيرة ، وتصنيف الأنماط الصحيحة والفريدة من نوعها في البيانات. هناك العديد من تقنيات استخراج البيانات مثل التجميع والتصنيف والانحدار وتحليل الارتباط وما إلى ذلك. الهدف هو التنبؤ بمرض الكلى المزمن (CKD) باستخدام تقنيات التصنيف.

وتهدف الرسالة أيضاً إلى دراسة بعض خوارزميات التنقيب عن البيانات وكيفية استخدامها في تشخيص أمراض الكلى وتحديد أفضلها من حيث الدقة التشخيصية وسرعة النتائج لمساعدة الأطباء على التعرف على الفشل الكلوي والوقاية من الأخطاء. حيث يكون هدفنا هو إيجاد دقة عالية وفي أقصر وقت ممكن ، لذلك تم استخدام خوارزمية الشبكة العصبية الاصطناعية (ANN) وخوارزمية آلة ناقلات الدعم (SVM) ثم نظام هجين (ANN) ونظام (SVM) لتحسين النتيجة.

حيث تم إجراء هذه التجربة باستخدام مجموعة بيانات CKD المتوفرة في موقع التعلم الآلي لـ UCI ، وتم إصدار مجموعة بيانات CKD في يوليو 2015 من قبل مستشفيات Apollo ، وتتكون مجموعة البيانات من 25 سمة ، بما في ذلك 11 عددًا و 14 سمة اسمية ، تتكون هذه 400 حالة من 250 مريضًا من مرضى الكلى المزمن و 150 مريضا غير مصابين بمرض الكلى المزمن. نتيجة لذلك ، تُستخدم مجموعة البيانات هذه للتصنيف الثنائي إما لـ CKD أو غير CKD .

فيما كان العنوان الثاني التعرف على إيماءات اليد على أساس خوارزميات التعلم الآلي للطالبة هند ابراهيم محمد وباشراف الأستاذ المساعد الدكتورة جمانة وليد صالح أوضحت فيه : أنه يعد  التعرف على الإيماءات في تقنيات اليوم موضوعًا ناشئًا. الهدف الرئيسي من ذلك هو استخدام الخوارزميات الرياضية للتفاعل بين الإنسان والحاسوب (HCI) ، وعادة ما تنشأ الإيماءات من أي حركة أو حالة للجسم ، ولكنها تأتي بشكل عام من الوجه أو اليد.

تلعب إيماءات اليد دورًا مهمًا في توصيل الأفكار والمشاعر البشرية ، ولغة الإشارة هي نوع رسمي من إيماءات اليد التي تُستخدم كأداة اتصال ، بما في ذلك الحركات والإشارات المرئية. لثقافة الصم وضعاف الكلام. تتضمن لغة الإشارة استخدام أجزاء مختلفة من الجسم ، بما في ذلك الأصابع واليد والذراع والرأس والجسم وتعبيرات الوجه لتوصيل التفاصيل. لغة الإشارة ليست شائعة في مجتمع السمع ، على الرغم من أن القليل منهم قادر على فهمها. وهو ما يخلق عقبة حقيقية في الاتصال بين كل من الصم وبقية البشرية ، وهو سؤال لا يزال يتعين معالجته بالكامل.

تتضمن الدراسات السابقة، العديد من الحلول الموصى بها للتعرف على لغة الإشارة الآلية. ومع ذلك ، لم تحظ ArSL باهتمام كبير من الباحثين ، على عكس لغة الإشارة الأمريكية ASL . تحتفظ ArSL بالعديد من الأصول العامة للغات الإشارة حول العالم. ومع ذلك ، فإن توثيقه في عملية مبكرة نسبيًا. يحتوي ArSL أيضًا على العديد من الإصدارات واللهجات القومية مثل معظم لغات الإشارة الأخرى.

يجب أن تكون هناك أيضًا طريقة لغير الصم لفهم لغة الصم (أي لغة الإشارة). تُعرف هذه الطريقة باسم فهم لغة الإشارة. الغرض من التعرف على لغة الإشارة هو توفير طريقة فعالة وملائمة لتحويل إشارات الإشارات إلى نص أو كلام ذي معنى بحيث يسهل التواصل بين الصم والمجتمع السمعي ، لذلك فإن الهدف الرئيسي من هذه الأطروحة هو تصميم و تنفيذ نظام فعال ودقيق للتعرف على إيماءات اليد باستخدام نموذج (CNN) يعمل على مجموعات بيانات (ArSL) و. (ASL)

تم تصنيف التقنيات المستخدمة في هذه الأطروحة التي تمت مراجعتها بشكل مناسب إلى مراحل مختلفة: يتم عرض الحصول على البيانات ، وتجزئة الصور ، واستخراج الميزات ، والتعرف على الإيماءات في الشكل ادناه ، حيث يتم وضع الخوارزميات المختلفة في كل مرحلة ومقارنة مزاياها. بشكل عام ، من المأمول أن توفر الدراسة للقراء مقدمة شاملة في مجال التعرف الآلي على الإيماءات ولغة الإشارة ، وتسهيل جهود البحث المستقبلية في هذا المجال.

<<  الموضوع التالي  |  الموضوع السابق  >>