research centers


Search results: Found 2

Listing 1 - 2 of 2
Sort by

Article
Early Detection of Disease-Viral Hepatitis Type-C Using Elman Artificial Neural Network
الكشف المبكر لمرض التهاب الكبد الفايروسي نوع _ ج باستخدام شبكة ايلمان العصبية الاصطناعية

Author: Ghaidaa Kaain Salih
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2012 Volume: 30 Issue: 12 Pages: 2150-2164
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

The problem of founding important information in complex medical images which are needed in diagnosing of diseases with the complex data considered as one of the predication problem these days, so it is necessary to find aided means for diagnosing process. Artificial neural network (ANN) is one of them. This paper deals with the designing and implementation a classification ANN module for Lever Hepatitis(class-C)or type-C which doesn’t have any vaccine these days. The different in diagnosing between hepatitis and other liver diseases is often difficult on purely clinical grounds in addition the damage to the liver causes changes in the pattern of the serum enzymes andin recent years this has led to develop disease testing and its vaccine. Elman neural networks (NN) have been applied for automated detection of various medical diseases. Like its application on blood sample tests extracted from on line microscope (like it usedin this research).That feature selection is an important issue by removing features that do not encode important data information from the images used.This helps physicians to extract features which aided them in diagnosing process. Kernal principle component analysis (PCA) is used to represent blood images as eigen-features of training images in addition to extract mathematical module for classification of it. Finally a neural network (NN) is trained to perform the typical images and classify them (diagnosing process). The produced NN system produces used a matlab package in order to design and diagnose the proposed module. The object of this system used in our work is to diagnosing lever Hepatitis type-C in samples of blood images wherever difficulties in practical experiments by finding an optimal feature from specialists whom work in laboratories.

تعد مشكلة ايجاد المعلومات المهمة في الصور الطبية المعقدة والتي يحتاج اليها في تشخيص الامراض ذات البيانات المركبة والمعقدة واحدة من مشاكل التنبؤ بالامراض هذه الايام لذا فمن الضروري ايجاد الوسائل المساندة لعمليات تشخيص تلك الصور . تعتبر الشبكات العصبية الاصطناعية احداها. يتضمنهذا البحث تصميم وتطبيق نموذج لشبكة عصبية اصطناعية لمرض التهاب الكبد الفايروسي (صنف_ ج ) اونوع _ ج والذي لايوجد له لقاح حتى اليوم. ان الاختلاف بين تشخيص التهاب الكبد والامراض الاخرى للكبد صعب جدا في اغلب التشخيصات السريرية اضافة الى ان الاذى الذي يصيب الكبد يغير في نمط انزيمات المصل مما قاد الى تطوير اختبار المرض ولقاحه في السنوات الاخيرة. طبقت شبكةايلمان العصبية الاصطناعية في كشف الي لمختلف الامراض كاختبار عينات الدم المستخلصة من اجهزة المايكروسكوب ( كالمستخدمة في هذا البحث ) .ان اختيار الصيغ (الميزات) يعد من القضايا المهمة وذلك بازالة الصيغ التي لاتحتوي على بيانات المعلومات المهمة من الصور المستخدمة. ساعد هذا الاطباء في استخلاص الصيغ التي تدعمهم في (Eigen features) لتمثيل صور الدم بصيغة (PCA) عملية التشخيص. استخدم مبدأ تحليل كيرنال لصور التدريب بالاضافة الى استخلاص نموذج رياضي لتصنيف هذه الصور.اخيرا فان الشبكة العصبيةالاصطناعية تدرب لاداء الصور المثالية وتصنيفها (عملية التشخيص) . أستخدم نظام الشبكات العصبية لتصميم واختبار النموذج المقترح .الهدف من هذا النظام المستخدم Matlab الاصطناعية المنتج حقيبة في هذا العمل هو تشخيص مرض التهاب الكبد نوع-ج من خلال عينات لصور الدم والتي تشكل صعوبة في ايجاد صيغ مثالية لتشخيصها عمليا من قبل المختصين في المختبر.


Article
Class Prediction Methods Applied to Microarray Data for Classification

Author: Fatima .S. Shukir فاطمة صادق شكر
Journal: Iraqi Journal of Science المجلة العراقية للعلوم ISSN: 00672904/23121637 Year: 2012 Volume: 53 Issue: 5 Pages: 1193-1206
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

The use of microarray data for the analysis of gene expression has been seen to be an important tool in biological research over the last decade. The important role of this tool is indicated by providing patients a great benefit of predicted treatment. There is an important question about a classification problem. The question is which genes play an important role in the prediction of class membership? There are many classification methods applied to microarray data to solve the classification problem. In bioinformatics, Statistical method is addressed by using microarray data. For example breast tissue samples could be classified as either cancerous or normal.Microarray expression profiling has provided an exciting new technology to identify classifiers for selection treatments to patients. Sometime in special cases, prognostic prediction is included in class prediction. In order to predict which patient will respond to a specified treatment we can think about two classes, including responders and no responders. The objective may be to predict whether a new patient is likely to respond based on the Microarray expression profile of her or his tissue sample. That it is mean accurate prediction is of obvious value in treatment selection. To achieve the above objectives I used many methods for class prediction using gene expression profiles from microarray experiments. This research aims to explain what these methods are, how these methods are applied to the microarray dataset, analyzes the results and how feature selection is used for classification. Furthermore, comparison of these methods and cross validation will be used to evaluate the predictive accuracy.

استخدام بيانات المايكروأري ( data ( microarray لتحليل ( gene expression )عدت كأداة هامة في البحوث البايلوجية على مدى العشر سنوات الماضية . ويدل ذلك على تطلع اهمية دور هذه الأداة ( (microarray عبر توفير فائدة كبيرة للمرضى أي (توقع علاج ملائم للمرضى). هناك سؤال مهم حول مشكلة التصنيف والسؤال هو أي من الجينات تلعب دورا هاماً في توقع صنف من مجموعة من الأصناف ؟ هنالك عدد من طرق التصنيف تطبق في ( (microarray لحل مشكلة التصنيف.في الإحصاء الحيوي (Bioinformatics) هنالك طرق إحصائية تعالج باستخدام بيانات ( (microarray, مثلا مرض سرطان الثدي أو القولون, إذ يمكن تصنيف عينة من هذا المرض إما تكون سرطانية او طبيعية. إن (microarray expression profiling ) قد جهز تقنية جديدة ومثيرة للتعرف على المصنفات لأجل اختيار علاج للمرضى, في بعض الأحيان وفي حالات خاصة تشخيص التوقع يتضمن من خلال توقع الصنف class prediction )). من أجل التوقع ( (predict اي من المرضى سوف يستجيب لعلاج محدد نستطيع ان نفكر في صنفين مستجيبين وغير مستجيبين. الهدف هو قد يكون توقع أي من المريض الجديد محتمل للاستجابة بناءا على بيانات (microarray expression profiling) المأخوذة من عينة من الأنسجة.ذلك يعني أن دقة التوقع تكون قيمة واضحة في إختيار العلاج.لتحقــــيق الأهــــــداف السابقة استـــــــخدمت عدد من طـرق توقع الصنف (class prediction) باستخدام (gene expression profiles) من خلال تجارب المايكروأري (microarray experiments). يهدف هذا البحث إلى توضيح ما هذه الطرق, وكيف يتم تطبيق هذه الطرق لمجموعة من بيانات المايكروأري (microarray data ) وتحليل النتائج وكيف يتم اختيار (feature selection ) المستخدم لأجل التصنيف وإضافة الى ذلك مقارنة بين هذه الطرق وسيتم استخدام مصطلح (cross validation) لتقييم دقة التوقع.

Listing 1 - 2 of 2
Sort by
Narrow your search

Resource type

article (2)


Language

English (2)


Year
From To Submit

2012 (2)