كلية العلوم تناقش رسالة ماجستير بعنوان (نظام الكشف التلقائي عن الكائنات الدقيقة القائم على التعلم العميق باستخدام الصور المجهرية).

ناقش قسم علو الحاسوب في كلية العلوم رسالةالماجستر للطالبة بيداء عبدالرزاق عبد سهيل الموسومة (نظام الكشف التلقائي عن الكائنات الدقيقة القائم على التعلم العميق باستخدام الصور المجهرية) على قاعة المناقشات في قسم علوم الفيزياء. هدفت الرسالة استخدام ا بعض الانظمة للكشف التلقائي عن الكائنات الدقيقة باستخدام الصور المجهرية من خلال التعلم العميق. تناولت في هذه الدراسة اقتراح نهج متطور قائم على التعلم العميق لتصنيف الكائنات الحية الدقيقة. إلى جانب النهج المقترح ، تم تدريب خمس شبكات عصبية تلافيفية مدربة مسبقًا (CNNs) (DenseNet201 و MobileNetV2 و ResNet152V2 و InceptionResNetV2 و NASNetLarge) وتقييمها على أنواع مختلفة من مجموعات بيانات الصور المجهرية ، بما في ذلك الطفيليات والفطريات والبكتيريا والفيروسات ، بالإضافة إلى ذلك ، مع أو بدون زيادة البيانات على مجموعة بيانات الكائنات الحية الدقيقة المجمعة. واظهرت النتائج من خلال تنفيذ مناهج التعلم العميق المتطورة والمحدثة تحليلاً شاملاً في مجال تصنيف الكائنات الحية الدقيقة ، فضلاً عن تصميمها التجريبي والتحقق من صحتها ، والمدى المستقبلي الذي سيقدمون فيه تصورًا عميقًا للباحثين النشطين في هذا الحقل. كان أداء الأساليب المدربة مسبقًا فعالاً عند تنفيذها على مجموعات بيانات البكتيريا والفطريات والطفيليات والفيروسات بشكل منفصل ، وحققت InceptionResNetV2 أعلى دقة لتصنيف الطفيليات بقيمة 98.44٪. بينما تم تحقيق أعلى درجات الدقة لتصنيف الفطريات والبكتيريا والفيروسات بواسطة DenseNet201 بقيمة 100٪ و 86.72٪ و 77.43٪ على التوالي. كان أداء النهج المقترح متفوقًا ، 98.9473٪ accuracy ، 98٪ precision، 97٪ recall، و 98٪ f1-score باستخدام مجموعة بيانات الكائنات الدقيقة المجمعة مع زيادة البيانات.