Professional Documents
Culture Documents
362-نص المقال-1394-1-10-20210712
362-نص المقال-1394-1-10-20210712
2 1
ود .م .فاتن عجيب د .م .فادي متوج
الملخص
يعد سرطان الثـدي ككثـر كنـوال السـرطانات شـيوعا بـين النسـا ،وهـو ثـاني سـبب ريـيس لوفيـات السـرطان فـي شـت كنحـا العـالم .ن الكشـ
المبكر للسرطان متبوعا بعالج مناسب يمكن كن يقلل من خطر الموت .يمكـن كن يخطـا ابطبـا المختصـون فـي تشـخيص المـر ،ومـن ثمـم فـنن
اســتخدام كســاليب الــالكا االصــطناعي مثــل الشــبكات العصــبونية يمكــن كن يحســن بشــكل كبيــر مــن د ــة التشــخيص .فــي هــالا البح ـ طُــور نظــام
د ـة باستخدام الشبكات العصـبونية االصـطناعية )ANNيمكـن كن يسـاعد ابطبـا فـي تشـخيص سـرطان الثـدي بسـرعة و بد ـة .كظهـرت النتـاي
نظام التشخيص المقترح وموثو يتهِ ،ال بلغت الحساسية و النوعية و الد ة 99% ،100% ،96.2%عل الترتيب.
الكلمات المفتاحية :التشخيص الطبي -الذكاء االصطناعي -الشبكات العصبونية االصطناعية– سرطان الثدي.
1دكتور مدرس في قسم هندسة الميكاترونيك في كلية الهندسة الميكانيكية والكهربائية ،جامعة تشرين،سورية.
2دكتورة مدرسة في قسم الهندسة الطبية في كلية الهندسة الميكانيكية والكهربائية ،جامعة دمشق ،سورية.
1
تطوير نظام تشخيص لسرطان الثدي باستخدام الشبكات العصبونية االصطناعية. فاتن عجيب.م. فادي متوج – د.م.د
Abstract
Breast cancer is the most common type of cancer in women and is the second leading cause of cancer
deaths worldwide. Early detection followed by appropriate cancer treatment can reduce the deadly risk.
Medical professionals can make mistakes while identifying the disease. The help of artificial intelligence
techniques such as neural networks can substantially improve the diagnosis accuracy. In this study, we
developed a system for diagnosis of breast cancer using Artificial Neural Networks (ANNs) which can
assist the doctors in diagnosis of the disease quickly and accurately. The results showed the accuracy and
the reliability of the proposed diagnosis system with sensitivity, specificity and accuracy reached96.2%,
100% and99% respectively.
1
Doctor in the Department of Mechatronic Engineering at the Faculty of Mechanical and Electrical Engineering,
Tishreen University,Syria.
2
Engineer in the Department of biomedical Engineering at the Faculty of Mechanical and Electrical Engineering,
Damascus University, Syria.
مجلة جامعة دمشق للعلوم الهندسية ـ المجلد الخامس والثالثون ـ العدد الثاني ـ 2019
ركان تلذية الشبكة بشرعاا البيانرات ،تقروم طبقرة الردخل بعرد العصرربونية ان ررا ر يررد فرري تحليررل عينررات الرردم والبررول عنررد
3
د.م .فادي متوج – د.م .فاتن عجيب .تطوير نظام تشخيص لسرطان الثدي باستخدام الشبكات العصبونية االصطناعية
رخبرياا وتتكون صاعرد البيانرات نرذل ررن 699سراال ،رن را ذل ر ر بتلذير ررة الطبقر ررة الرخ ير ررة بالرعلورر ررات ،ورر ررن ثَر رم تقر رروم
458س ر ر رراال ل ر ر ررورم حري ر ر ررد ،و 241س ر ر رراال ل ر ر ررورم خبي ر ر ررطا الطبق ر ررة الرخ ي ر ررة بتلذي ر ررة طبق ر ررة الخ ر رررجا الرعالا ر ررة ال علي ر ررة
وتستخدم تسرع سررات لوصرب كرل سراال ررن صاعرد بيانرات للبيانات تتم في الطبقة الرخ ية وطبقة الخرج []8ا
ويسكونسن لسررطان الثرديا ررن برين 699ننرا 16سرال عنرردرا يكررون ننررا عرردد كرراب رررن العصرربونات فرري كررل
يحترروي علررا سرررات صير ررا غا بررة ،ولررذل لافنررا لررا حررذب طبقرة ،تكرون الشربكة صرادر علرا التردرا ) (trainingللقيرام
نرذل السرراالت كلّ ررا رررن صاعرد البيانرراتا ت اصرريل السرررات بفشررياء ر يررد باالسررتعانة بخوارزريررات الترردريا (training
الرواود في راروعة البيانات رذكور في الادول )(1ا algorithms).
خر ررالل عرلير ررة التر رردريا تقر رروم الشر رربكة بتعر ررديل رسر ررترر
الجدول )1سمات البيانات المستخدمة في البح [.]9
لر ر ر وزان ط )weightsالررتبط ر ررة بك ر ررل عص ر رربونْ ِ ،ذ يش ر رركل
تعررديل ا وزان رحررور عرليررة الررتعلم للشرربكة العصرربونيةا بعررد
كل تعديل ل وزان يقترا خرج الشبكة اكثر فرفكثر ررن صيررة
الخرج الحقيقيةا تتعلم الشربكة عرن طريرق عطا را راروعرة
رررن ا رثلررة ،الترري ياررا ان تكررون رختررار بعنايررة ،ن ذل ر
سيسر ر م ف رري س رررعة تعلّر رم الش رربكةا وراروع ررة ا رثل ررة ن ررذل
تسرررا راروعررة رعطيررات الترردرياا تسررترر عرليررة الترردريا
:Clump thickness تري ررل الخالي ررا الحري ررد ل ررا ان
علا الرعطيات الرتوافر كلّ ا وتعديل ا وزان الررتبطة بكرل
تكررون رارع ررة ف رري طبق ررات وحي ررد ،ف رري ح ررين غالب ررا ر ررا
عصبون حتا يصب خرج الشبكة اصرا را يركن للواصعا
تتارع الخاليا السرطانية في طبقات رتعدد .
:Uniformity of cell size/shape تريررل الخاليررا
-3خطوات ج ار البح :
السرطانية لرا ان تختلرب فري الحارم والشركل .ونرذا نرو تتضرن خطوات البحط الرراحل اآلتية:
السرربا فرري ان نررذل الرعررايير نرري صيرررة فرري تحديررد نررل تاريع الرعطياتا
بناء الشبكة العصبونية االصطناعية الرناسبة.
كانت الخاليا سرطانية ام ال؟
: Marginal adhesion تريررل الخاليررا الطبيعيررة لررا تدريا الشبكة العصبونية علرا رعطيرات الررضرا التري
نررذل القرردر .لررذل فر ن فقرردان االلتصرراق نررو عالرررة علررا اختبررار رررد ك رراء الشرربكة الردربررة علررا عينررات اديررد
لم تررر للشبكة خالل عرلية التدريا.
ا ورام الخبيثة.
:Single epithelial cell size الخاليرا ال اريرة التري في حال ااتازت الشبكة االختبار بنااح تصب ارانز
لالستخدام العرلي في التشخيص.
تكون رتضخرة بشكل كبير صد تكون خلية خبيثة.
:Bare nuclei الن ررو العاري ررة ن ررو رص ررطل يس ررتخدم -4تجميع المعطيات
للنررو الترري ال تحرريط ب ررا السرريتوبالزرا طبقيررة الخليررة) . ت صاعرد بيانرات ويسكونسرن في نذا البحط ،تم ِا ْسرتُ ْخ ِد َر ْ
وعاد را ين ر لي ا في ا ورام الحريد . ت صاعرد البيانرات نرذل فري لسرطان الثدي []9ا وصد ترم ا ُْن ِشرَ ْ
رستش ر يات اارعررة ويسكونسررن راديسررون ،ونرري عبررار عررن
وحلِّلَ ر ْ
رت بيان ررات خ ررزا ا ِ
ت ر ررن ان ررا ررض ررا وس ررليرينُ ، ُخر ر َذ ْ
مجلة جامعة دمشق للعلوم الهندسية ـ المجلد الخامس والثالثون ـ العدد الثاني ـ 2019
اداءا يبر ّرين الشرركل ط )3بنيررة الشرربكة العصرربونية الرسررتخدرة :Blandفر رري الخالير ررا الحرير ررد يصر ررب Chromatin
فر ر ر ر رري بحثن ر ر ر ر راْ ِ ،ذ اسر ر ر ر ررتخدرنا برنر ر ر ر ررارج الرر ر ر ر رراتالا كر ر ر ر ررفدا الكروررراتين نسررياا روحرردا للنروا ا فرري الخاليررا السرررطانية
برراية[]10ا يريل لا الكروراتين لا ان يكون خشناا
:Normal nucleoli النوي ررات العادي ررة ن رري اس رريرات
صررلير تررر فرري الن روا .فرري الخاليررا الطبيعيررة عرراد رررا
تكررون النويررات صررلير ارردا ،او حتررا تكرراد تُررر ا فرري
الخاليا السرطانية تصب النويات اكثر وضوحا ،واحيانا
الشكل )3بنية الشبكة العصبونية المستخدمة كما تظهر العديد رن ا. ننا
في الماتالب. : Mitoses ن ررو االنقس ررام الن ررووي ،ون رري العرلي ررة الت رري
-6تدريب الشبكة العصبونية االصطناعية تنقسم في ا الخلية وتتكررا يقوم رختصرو علرم ا رر ار
اآلن الش رربكة عل ررا اس ررتعداد للت رردرياا وتنقس ررم العين ررات بتحدي ر ررد درا ر ررة الس ر رررطان ع ر ررن طري ر ررق ع ر ررد ع ر رردد ن ر ررذل
تلقا يررا لررا راروعررة للت رردريا ،وراروعررة للترردصيق ،واخ ررر االنقساراتا
لالختبارا ويوضر ر الش رركل ) (2عين ررة ص ررلير ر ررن صاع ررد بيان رراتّ
ع رردد العين ررات الكلرري 683عين ررة ،ترثررل ع رردد الررض ررا ت في بحثناا ويسكونسن لسرطان الثدي التي ِا ْستُ ْخ ِد َر ْ
اإلارالي.
راروع ررة عين ررات الت رردريا 479عين ررة ون ررو ر ررا نس رربته
%70رن عدد العينات الكلي.
راروع ررة عين ررات الت رردصيق 102عين ررة ،ون ررو ر ررا نس رربته
%15رن عدد العينات الكلي. الشكل )2عينة صغيرة من اعدة بيانات ويسكونسن
راروعررة عينررات االختبررار 102عينررة ،ونررو رررا نسرربته لسرطان الثدي.
%15رن عدد العينات الكلي. -5بنا الشبكة العصبونية االصطناعية
ت ر البارارترات الرستخدرة في الشبكة العصبونية فري
ا َْن ِشفْنا شبكة عصربونية ذات تلذيرة اراريرة بطبقرة رخ يرة
نافذ التدريا طالشكل )4ا
واحد تحوي 10عصبونات رخ يةا نذل الشربكة تترفلب ررن
س ر ر ر ر ررتُ ْخ ِد َم ت ر ر ر ر ررابع الت ر ر ر ر رردريا Levenberg-Marquardt ِ
اْ رت رررن الخزع ررة
صر ْ ِ ِ
9ر ررداخل كررل ررردخل يرثررل سرررة ا ْستُ ْخل َ
لتردريا الشربكة العصربونيةْ ِ ،ذ ا رر نترا ج ايرد ررن حيرط
الرررفخوذ رررن الررري والرحرردد فرري الارردول ) (1فرري حررين
دص ر ررة التص ر ررنيب ،وزر ر ررن الت ر رردريا رقارن ر ررة بتواب ر ررع الت ر رردريا
تح رروي الش رربكة خ ررراين يفخ ررذان الق رريم [ ]1;0ف رري حال ررة ورم
ت طريقر ررة التوصير ررب رتا كر ررذل ِا ْسر ررتُ ْخ ِد َر ْ
ا خر ررر التر رري ُاِّرَبر ر ْ حرير ررد و القر رريم [ ]0;1فر رري حالر ررة ورم خبير ررطا اختي ر رر عر رردد
الربكر ط )Early Stoppingلتانا حصول رشكلة التدريا
العصرربونات فرري الطبقررة الرخ يررة رررن خررالل رراصبررة الخط ررف
الر رررط ط .)Overfittingوتعترررد نررذل الطريقررة علررا بيانررات
التربيعري الرتوسرط ) (mseلعردد رختلرب ررن العصربونات ِ ْذ
التر رردصيق فر رري عرل ر ررا ِ ْذ تقر رروم ب يقر رراب عرلير ررة التر رردريا فر رري
وارردنا ان الشرربكة بر ر 10عصرربونات رخ يررة اعطررت افضررل
علرا نرذل اللح ة التي يبدا في ا رنحنا تابع الخطف الرقري
5
د.م .فادي متوج – د.م .فاتن عجيب .تطوير نظام تشخيص لسرطان الثدي باستخدام الشبكات العصبونية االصطناعية
اإلربررا (Confusion Matrix).وت ررر رص ر وفة اإلربررا البيانررات بالت ازيررد ِ ْذ يكررون اداء الشرربكة افضررل رررا يركررن فرري
النسرا الر ويررة للتصررني ات طالتشخيصررات) الصررحيحة وغيررر نذل الحالةا
الصحيحة وينبع اسم نذل الرص وفة ررن حقيقرة ان را تاعرل
ر ررن الس ر ر ل ر ير ررة نر ررل كررران الن ر ررام الرصر رررم ررتبكر ررا بر ررين
التص ر ررني ين طاي يخط ر ررئ ب ر ررين اح ر ررد التص ر ررني ين عل ر ررا انر ر ره
اآلخررر)ا ي ررر الشرركل ط )5رص ر وفة اإلربررا .ا رصررام علررا
للرصر ر وفة ترث ررل القر ر اررات الص ررا بة ط ررول الرح ررور ال ررر ي
الرتخرررذ ا ارر را ا رصر ررام عل ررا طرررول الرحر ررور الثرررانوي فترثر ررل
الق اررات الرللوط في ا بين ا صناب الرختل ةا
تارردر الرالح ررة لررا ان الن ررام الرقترررح يقرروم بتصررنيب تعبرر عررن دصرة ن ررام التشررخيص
واحرد ; ونرري نسربة ررت عررة ّ
الررورم ر را خبيث را او حريرردا دون تحدي رد الررحلررة الترري وصررل الرقترررح فرري بحثنررا وروثوصيتررها وفيرررا يررفتي بع ر الرعررايير
لي ا الورم طربكر ،رتقدرة ،ااا) ا الشا عة التي يركن حساب ا رن رص وفة اإلربا :
-9الخالصة: الحساسيةSensitivity
TP
ترث ررل ال ANNsادا فعال ررة لرس رراعد ا طب رراء عل ررا Sensitivit y 100 96.2%
TP FN
ا رراء التشررخيص فرري الحقررل الطبرريا وصررد اثبتررت ANNs
النوعيةSpecificity
نااعت ررا فرري تشررخيص سرررطان الثررديْ ِ ،ذ ن اسررتخدار ا TN
Specificit y 100 100%
ياعرل التشرخيص اكثرر دصرة و روثوصيرة ،وررن ثَرم يزيرد رررن TN FP
رضررا الررضرراا ورررع ذل ر ،ال بررد رررن عر ّردنا فقررط كررفدا الدصة Accuracy
TP TN
ل رردعم القر ررار الن ررا ي للطبي ررا ،ف ررو الرسر ر ول ف رري ن اي ررة Accracy 100 99%
TP FN TN FP
الرطاب عن التقييم الن ا يا ور ررن اا ررل اإلف رراد القص ررو ر ررن نت ررا ج بحثن ررا ر ررن صب ررل
المصطلحات ا طبر ر رراء و اإلطر ر ررار الطبر ر رري الررر ر ررار فر ر رري الرستش ر ر ر يات
المصطلحات باللغة العربية المصطلحات باللغة االنكليزية والعي ررادات ص ر ّرررنا واا ررة رس ررورية ت اعلي ررة GUIباس ررتخدام
الشبكة العصبونية االصطناعية Artificial Neural Network برن ررارج الر رراتالا تسر ر ل عل ررا الطبي ررا الرر ررار اس ررتخدام
رص وفة اإلربا
ن ر ررام التصر ررنيب ا وتورر رراتيكيْ ِ ،ذ يقر رروم الطبير ررا ب دخر ررال
Confusion Matrix
واا ة رستخدم رسورية GUI
بيانر ر ررات الخزعر ر ررة الرر ر ررفخوذ ر ر ر ررن الررضر ر ررا فر ر رري الحق ر ر ررول
خوارزريات التدريا Training Algorithms
البيرسيبترون رتعدد الطبقات )Multilayer perceptron (MLP الرخصصررة ل ررا ،ثررم يقرروم بررالنقر عل ررا زر النتياررة لت ررر
التدريا الر رط Overfitting يوض الشكل)(7ا
نتياة التشخيص بكل س ولة و يسركرا ّ
7
تطوير نظام تشخيص لسرطان الثدي باستخدام الشبكات العصبونية االصطناعية. فاتن عجيب.م. فادي متوج – د.م.د
References
[1] Catalogna M، Cohen E, Fishman S, Halpern Z,
NevoU& Ben-Jacob E. (2012). “Artificial
neural networks basedcontroller for glucose
monitoring during clamp test”.PloS One. 7:
e44587.
[2] Fernandez de Canete J, Gonzalez-Perez S &
Ramos-Diaz JC. (2012). “Artificial neural
networks for closed loop control of in silico and
ad hoc type 1 diabetes”. Comput Meth Progr
Biomed. 106: 55–66.
[3] Elveren E & Yumuşak N. (2011). “Tuberculosis
disease diagnosis using artificial neural network
trained with genetic algorithm”. J Med Syst.
35: 329–332.
[4] Er O, Temurtas F & Tanrıkulu. (2008). “A
Tuberculosis Disease Diagnosis Using Artificial
Neural Networks”. J Med Syst. 34: 299–302.
[5] Dey P, Lamba A, Kumari S & Marwaha N.
“Application of an artificial neural network in
the prognosis of chronic myeloid leukemia”.
(2012). Anal Quant Cytol Histol. 33: 335–339.
[6] Barbosa D, Roupar D, Ramos J, Tavares A &
Lima C. (2012). “Automatic small bowel tumor
diagnosis by using multi-scale wavelet-based
analysis in wireless capsule endoscopy images”.
Biomed Eng Online. 11: 3.
[7] Saghiri M, Asgar K, Boukani K, Lotfi M, Aghili
H، Delvarani A, Karamifar K, Saghiri A,
Mehrvarzfar P & Garcia-Godoy F. (2012). “A
new approach for locating the minor apical
foramen using an artificial neural network”. Int
Endod J. 45: 257–265.
[8] Filippo Amato, Alberto López, Eladia María
Peña-Méndez, Petr Vaňhara, Aleš Hampl &
Josef Havel. (2013). “Artificial neural networks
in medical diagnosis”. Appl Biomed. 11: 47–58,
[9] https://archive.ics.uci.edu/ml/datasets/breast+c
ancer+wisconsin+(original).
[10] https://www.mathworks.com
Received 1/4/2019 يدال البح
Accepted for Publ. 24/6/2019 بول البح للنشر
[11]