مناقشة رسالة ماجستير في برنامج علم البيانات وتحليل الأعمال للباحثة يارا زايد

قدمت الباحثة من خلال دراستها نموذجين مميزين لتسهيل تشخيص سرطان الرئة باستخدام بيانات ديموغرافية وصور طبية؛ وذلك من خلال استخدام خوارزميات تعلم الآلة (Machine Learning) والتعلم العميق (Deep Learning).

واستخدمت الباحثة في نموذج تعلم الآلة مجموعة واسعة من البيانات الديموغرافية وعوامل الخطر المتعلقة بسرطان الرئة، حيث شكلت البيانات أساسًا لتدريب العديد من نماذج تعلم الآلة، بما في ذلك XGB، RF، SM، DT، GBM، وAdaBoost، كما استخدمت تقنيات متنوعة لإجراء معالجة مسبقة للبيانات تمثلت بزيادة حجم العينة للبيانات. وحقق نموذج XGB إنجازا ملحوظا بنسبة دقة تبلغ 99.07%. 

أما نموذج التعلم العميق فقد استفاد من مجموعة بيانات عالمية تحتوي على صور CT scan لسرطان الرئة مصنفة بدقة تحت ثلاث تصنيفات: الطبيعي، الحميد، والخبيث؛ حيث خضعت الصور لمجموعة من مراحل تحضير دقيقة من حيث وزيادة البيانات وتقسيمها، حيث تم تدريب ثماني خوارزميات تعلم عميق، بما في ذلك CNN، MobileNet، Xception، DenseNet، VGG16، VGG19، وEfficient Net. وتوصلت الباحثة إلى أقصى درجة أداء باستخدام نموذج CNN، بنسبة دقة استثنائية تبلغ 99.70%، ونسبة 100% لكل من الدقة والاستدعاء ودرجة F1.

أشرف على الرسالة الأستاذ الدكتور محمد عوض وشملت لجنة الممتحنين كلا من: الدكتور محمود عبيد والدكتور يوسف دراغمة.