A Computer-Aided Diagnosis System Of Mri Brain Tumors Images Based On Artificial Intelligence / by Esraa Asem Shaker Othman ; Under the Supervision of Prof. Dr. Ahmed Hisham Bahi El- Din Kandil, Prof. Dr. Ahmed Mohamed Ragab El-Bialy

Thesis (M.Sc.)-Cairo University, 2023.

Bibliography: pages 61-65.

Brain tumors have recently become a widespread phenomenon affecting almost
all age ranges. Using a computer-aided diagnosis system is essential for the early
identification and classification of brain tumors. The system classifies brain MR
images into four categories. The contribution of this work is to choose the best
framework to classify MRI brain images between different AI Models. We applied
three tracks including four deep learning (DL) models, eight machine learning (ML)
models with two feature extraction methods, and eight hybrid models combined
between DL and ML. Seven evaluation criteria were calculated to evaluate the
classification process through the distinct models. The results showed that the fine
KNN model based on deep features from the Xception model achieved the highest
accuracy among all models with 99.88%

ورم الدماغ عبارة عن مجموعة من الخلايا غير الطبيعية ينتجها انقسام الخلايا غير المنظم. من بين طرق التشخيص العديدة، يعد التصوير بالرنين المغناطيسي هو الأكثر شيوعًا والأكثر أمانًا. نظرًا للعدد الكبير من الصور التي يتم إنتاجها عادةً في العيادات، فإن التقييم اليدوي لبيانات التصوير بالرنين المغناطيسي يعد مهمة صعبة للغاية. وبالتالي، يلزم وجود نظام تشخيص بمساعدة الكمبيوتر للكشف المبكر عن أورام الدماغ وتصنيفها. يصنف النظام صور الرنين المغناطيسي للدماغ إلى أربع فئات: الورم الدبقي، الورم السحائي، ورم الغدة النخامية، وعدم وجود ورم. طبقت هذه الدراسة مجموعتي بيانات من صور التصوير بالرنين المغناطيسي لورم الدماغ ومزيجها لزيادة حجم مجموعة البيانات، وبالتالي، فإن ميزات الفئات تصبح معممة. تحتوي مجموعة البيانات المدمجة على 6328 صورة بالرنين المغناطيسي. مجموعة البيانات المدمجة هي نتيجة الجمع بين مجموعتي البيانات. يتم تنفيذ مجموعة بيانات التدريب والتحقق والاختبار على النماذج المقترحة بنسبة 60٪ و20٪ و20٪ على التوالي.
تتمثل مساهمة هذا العمل في اختيار أفضل إطار لتصنيف صور الدماغ بالرنين المغناطيسي بين نماذج الذكاء الاصطناعي المختلفة. قمنا بتطبيق ثلاث مسارات بما في ذلك أربعة نماذج التعلم العميق، وثمانية نماذج التعلم الآلي التي تتكون من أربع مصنفات تعلم آلى مع طريقتين لاستخراج الميزات، وثمانية نماذج هجينة وهي جمع بين التعلم العميق والآلي والتي تشمل أربع مصنفات تعلم آلي مع اثنين نماذج تعلم عميق لاستخراج الميزات.
إلى جانب الدقة، تم حساب ستة معايير تقييم لتقييم عملية التصنيف من خلال العشرين نموذجًا متميزًا. أظهرت نتائج مجموعة البيانات المجمعة أن أحد النماذج الهجينة حقق أعلى دقة بين جميع النماذج بنسبة 99.88٪ وهو نموذج ك أقرب جار الجيد المستند إلى ميزات عميقة من أعلى نموذج في التعلم الآلي من حيث الدقة. ومن حيث متوسط وقت التنبؤ، كانت نماذج التعلم العميق في الصدارة حيث تتمتع الشبكة المتبقية-18 بأقصر وقت توقع يبلغ 197.8 مللي ثانية. سيساعد هذا الإطار المقترح أخصائيين الأشعة والأطباء في اتخاذ القرار الأفضل عند تشخيص حالات أورام المخ وتحسين مهام التصنيف المتعدد لورم الدماغ.
محتويات الرسالة:
تنقسم الرسالة الى خمسة فصول بالإضافة الى قائمة بالمر اجع وتفصيلاتها كالتالي:
الفصل الأول: يقدم تعريف المشكلة وأهداف الرسالة لتوضيح آثار المشكلة وأهمية هذه الدراسة.
الفصل الثاني: يعرض الخلفية الطبية لموضوع الرسالة والأعمال ذات الصلة.
الفصل الثالث: يحتوي على وصف مجموعة البيانات وإعدادها، ويعرض نماذج التصنيف المقترحة وكيفية تنفيذها بالتفصيل.
الفصل الرابع: يوضح نتائج النماذج المستخدمة، بالإضافة إلى معايير التقييم لكل نموذج، ومناقشة هذه النتائج وكذلك مقارنتها بالدراسات ذات الصلة.
الفصل الخامس: يعرض استنتاجات هذا العمل المنفذ وتقديم مقترحات للعمل المستقبلي لهذا العمل.

Issued also as CD

Text in English and abstract in Arabic & English.