رسالة ماجستير في كلية العلوم للبنات تدرس تشخيص امراض القلب عباس الجبوري / خلود الشمري جرت في كلية العلوم للبنات / قسم الحاسوب مناقشة رسالة ماجستير للطالبة رنده شاكر عبد الحسين عن رسالتها الموسومة :Sesure Cardias Diagnostic Sytem Based on Machine Learning وقالت الباحثة تركز هذه الرسالة على دراسة ثلاث قضايا تتعلق بتشخيص أمراض القلب وأمن البيانات التشخيصية. أولاً، النظر في مشكلة توزيع المفاتيح المرتبطة بأنظمة تشفير المفاتيح المتماثلة. ثانيًا، اختيار تقنية مناسبة للتعلم الآلي قادرة على تشخيص مشاكل القلب بدقة وفي الوقت المناسب. وأخيرًا، توسيع مجموعة بيانات التدريب لتحسين أداء التنبؤ لتقنية التعلم العميق. ونتيجة لذلك، واضافت الطالبة تقوم هذه الرسالة ببناء نظام تشخيص آلي لأمراض القلب من ثلاث مراحل. تتناول المرحلة الأولى مشكلة المفتاح المتماثل من خلال استخدام بروتوكول Three-Pass لتوزيع المفتاح السري. تم اختيار هذا البروتوكول نظرًا لقدرته على تسهيل النقل الآمن للرسائل بين الأطراف دون الحاجة إلى معرفة مسبقة أو مشاركة المفاتيح. يتم تقييم هذه المرحلة من خلال إطلاق هجمات القاموس وهجمات الرجل في الوسط (MITM). يفشل هجوم القاموس لأنه يتم إنتاج المفاتيح عشوائيًا باستخدام أرقام وأحرف ورموز أخرى غير موجودة في المعجم الإنجليزي. نجح هجوم MITM، ولكن إضافة خطوة التحقق المتمثلة في عدم إرسال نفس الرسائل إلى المشاركين الصادقين يمكن أن يمنعه. في المرحلة الثانية، تم تحليل خوارزميات K-Nearest Neighbor (KNN) و(Random Forest (RF باستخدام معايير أداء مختلفة لحل المشكلة الثانية. يتم استخدام مجموعة بيانات من العلامات الحيوية لتصنيف المريض على أنه يعاني من مرض القلب في هذه المرحلة. تظهر نتائج مقياس الدقة أن خوارزمية Random Forest (99%) تفوقت على KNN (96%). بينما تتم معالجة مجموعات بيانات التدريب غير الكافية في المرحلة الثالثة لزيادة أداء الذاكرة طويلة المدى (LSTM). في الأساس، يتم تطبيق منهج شبكة الخصومة التوليدية الجدولية المشروطة من أجل توسيع مجموعة بيانات التدريب. تنمو صفوف مجموعة البيانات من 299 إلى 5000. وتكشف النتائج التجريبية أن دقة تنبؤات LSTM تزيد من 65% إلى 99%.
نشر بواسطة: زهراء عبود احمد
تاريخ: 13/10/2024
تاريخ: 09/10/2024
تاريخ: 08/09/2024
تاريخ: 02/02/2024
تاريخ: 15/01/2024