” Biomedical Image Complicated Problem Solutions Based on AI Deep Learning ”

وقد ضمت لجنة المناقشة كلا من الاساتذة الافاضل :

ا.م.د عمار داوود جاسم/ كلية هندسة المعلومات/ رئيسا.

ا.م.د علي مجيد حسن / جامعةالنهرين/ كلية الطب /عضوا.

م.د سرمد محمود هادي/كلية هندسة المعلومات/ عضوا

ا.د نصر نافع خميس / كلية هندسة المعلومات /عضوا ومشرفا.

وقد استوفت الطالبة متطلبات الحصول على درجة الماجستير .

الملخص :

شهد التصوير الطبي الحيوي تطورات تحويلية من خلال دمج الذكاء الاصطناعي( AI) في أرشفة الصور وأنظمة الاتصالات(PACS) ، مما يعيد تشكيل مشهد تشخيص أورام المخ. يستفيد هذا النهج متعدد التخصصات من تقنيات الذكاء الاصطناعي، وخاصة بنية Net-Y، لتعزيز دقة التشخيص مع معالجة الكفاءة التشغيلية والمتغيرات في بروتوكولات الماسح الضوئي. يكمن جوهر هذا النظام المبتكر في Net-Y، وهي شبكة تعلم عميقة تعتمد على استثنائيًا في تجزئة الصور AI Keras وشبكة 16VGG-Y. ومن خلال استخدام التعلم النقلي، تحقق Net-Y أدا الطبية ضمن التصوير الطبي الحيوي. تشمل المعالم البارزة خسارة تصنيف تبلغ 0.2152 ودقة تبلغ ،0.9983 مما يعرض نتائج التجزئة المتميزة بمعامل نرد يبلغ 0.9036 ووحدة IoU تبلغ .0.8225 يمثل نظام الذكاء االصطناعي هذا خطوة كبيرة في مجال التصوير الطبي الحيوي المتخصص، ال سيما في تحليل فحوصات الدماغ بالرنين المغناطيسي. تمثل PACS المبنية حول Net-Y حجر الزاوية في هذا النهج. ويضمن النظام، الذي تم نشره على Servers Cloud Amazon، إمكانية الوصول للمهنيين الطبيين من خالل تطبيقات خدمة الويب سهلة االستخدام والمصممة خصي ًصا للتصوير الطبي الحيوي. يتم تسليط الضوء على تعدد استخدامات النظام من خالل إنشائه كجهاز افتراضي مع توزيعة Linux Ubuntu، مما يوضح قدرته على التكيف مع بيئات مختلفة. تشتمل بنية النظام على ميزات رئيسية لتحسين التفاعالت وسرعات نقل البيانات، مما يوصي باستخدام /2HTTP. يؤدي تكامل قدرات PACS إلى إنشاء منصة سحابية متطورة متخصصة في تخزين واسترجاع وإدارة وتوزيع الصور الطبية الحيوية وبيانات المرضى، مع التركيز بشكل فريد على صور الدماغ بالرنين المغناطيسي. يتفوق نظام PACS MRI المتقدم هذا في السرعة والدقة، مما يضمن تفاعالت دقيقة لمتخصصي الرعاية الصحية المتخصصين في تشخيص أورام المخ من خالل تقنيات التصوير الطبي الحيوي.