تدريسي في كلية الطب البيطري بجامعة القادسية م .م. احمد رحيم ريشان يشترك في بحث تم نشرة في مؤتمر 3rd Odisha International Conference
مع باحثين من جامعات محلية ودولية بعنوان :
إطار فعّال لمعالجة إشارات الدماغ الكهربائي باستخدام شبكة عصبية التفافية متعددة الطبقات مع خوارزمية الانتشار العكسي لتشخيص أورام الدماغ ضمن IEEExplore
ولتوجيهات الوزارة للاهتمام بربط العلوم المختلفة بالذكاء الصناعي والتطبيقات الحاسوبية، فوفقًا للبيانات التجريبية. تُقدم هذه الدراسة BP-MCNN لتشخيص أورام الدماغ. يُعد تشخيص الورم وعزله أمرًا أساسيًا لمسار العملية والعلاج الطبي، حيث يُشخص المزيد من المرضى بأورام الدماغ هذه الأيام. عولجت إشارات تخطيط كهربية الدماغ مُسبقًا في البداية وأُدخلت إلى تحويل الموجات الثابتة (SWT) كمُدخل. قام هذا التحويل بتقسيم الإشارات المنخفضة والعالية. تم تدريب BP-MCNN باستخدام الخصائص المُسترجعة من الإشارة المُعالجة. بناءً على التدريب المُقدم، يُصنف BP-MCNN إشارة تخطيط كهربية الدماغ الاختبارية على أنها طبيعية أو ورم دماغي. تُظهر النتائج أن الطريقة المُقترحة باستخدام BP-MCNN تتفوق على الطرق الحالية من حيث دقة التصنيف (98.00%)، والحساسية (99.02%)، ووقت التنفيذ (13.20%)، ومنحنى ROC (0.983). تتطلب شبكات BP-MCNN كمية كبيرة من بيانات التدريب، وهي محدودة في قدرتها على تمثيل موضع الكائن واتجاهه. وبدلًا من استراتيجية الدفعات الصغيرة، يُفضل BP-MCNN نهجًا قائمًا على المصفوفة. قد يُعاني استخراج البيانات من عيوب بسبب الضوضاء وعدم العقلانية. ويعتمد الأداء بشكل كبير على بيانات الإدخال. بالنظر إلى أن تخطيط كهربية الدماغ يتميز بخصائص خطية وغير خطية، فمن الممكن دمج ميزات تتبع الديناميكيات غير الخطية لإشارة تخطيط كهربية الدماغ بالإضافة إلى الميزات التي تمت مناقشتها في هذه الورقة والتي تتبع الديناميكيات الخطية لإشارة تخطيط كهربية الدماغ (ربما باستثناء الطيف الثنائي) من أجل تحسين معدل الكشف (أو التصنيف).
https://ieeexplore.ieee.org/document/10797472
https://www.scopus.com/record/display.uri?eid=2-s2.0-85215991725&origin=recordpage&retries=1
