الفهرس 
IntroductionOnly 14 pages are availabe for public view
 |  | from | 103 |  |  |
| | | from | 103 | | |
Abstract
يعد تحديد وتشخيص الأمراض والمشكلات الطبية الأخرى أحد التحديات التي تواجه الرعاية الصحية والتي يتم تطبيق التعلم الآلي عليها. وخصوصا مع وجود أجهزة إنترنت الأشياء (IoT) التي تركز على الرعاية الصحية ، أصبح لدينا العديد من الطرق التي يتم بها جمع كميات كبيرة من البيانات الطبية من مصادر غير معروفه. يساعد التعلم الآلي في فهم كل تلك البيانات. ولان سرطان الثدي يعتبر من أخطر أنواع السرطانات بعد سرطان الرئة ، كما أنه أكثر أنواع السرطان انتشارًا بين النساء حول العالم. لذلك يتم تقديم نموذجين في هذه الأطروحة لتطوير نظام معلومات ذكي لتشخيص سرطان الثدي. سيستخدم النموذج الأول المقترح نظام التعرف على المناعة الاصطناعية ، والذي يدمج العديد من الأساسيات والتجارب لأخذ مزايا نظام المناعة البيولوجي للاستخدام ضمن نطاقات المشاكل المعقدة ، والتي حققت نجاحًا مهمًا في مجالات واسعة من مشاكل التصنيف. في هذا الإطار ، سيتم استخدام نظام التعرف على المناعة الاصطناعي (AIRS) كنموذج تصنيف لتشخيص سرطان الثدي ، بمجرد تطبيق تقليل الأبعاد على البيانات التي تم جمعها من أجهزة إنترنت الأشياء لفصل بعض الميزات الرئيسية لأهداف التصنيف . يمكن اعتماد AIRS كنموذج لاتخاذ القرار في التنبؤ بما إذا كان المريض الجديد مصاب بورم حميد أو خبيث. تم إجراء سلسلة من التجارب ، وكانت النتائج مشجعة للغاية. مقارنة بالدراسات السابقة على نفس مجموعة البيانات ، بلغت دقة هذا النموذج المقترح 98.571٪. يوفر النموذج الثاني المقترح أيضًا إطارًا آخر لتشخيص سرطان الثدي ، في هذا النموذج المقترح سيتم استخدام خوارزميةFirefly (FA) وهى احدى خورزميات metaheuristic والتي تستخدم فى هذا الاطار كطريقة فعالة للحصول على الميزات المثلى واستخدامنا ايضا الشبكة العصبية متعددة الطبقات (MLP) والتي تم تحسينها بواسطة خوارزمية مُحسِّن متعدد الآيات (MVO) لتصنيف سرطان الثدي بشكل أكثر دقة وذلك ناتج ان مرحلة التدريب لـ MLP باستخدام MVO اخدت في الاعتبار القدرات الاستكشافية والاستغلالية العالية لـ MVO في تحديد القيم المثلى لأوزان وتحيزات MLP. عند مقارنة نتائج هذا النموذج المقترح مع بعض الخوارزميات metaheuristic مثلPSO ،GWO ، MFO و CS وجد أن MVO تنافسي للغاية ويتجاوز الخوارزميات metaheuristic الأخرى من حيث تحسين Optima المحلي، بلغت دقة هذا النموذج المقترح 99.521٪.