نوقشت اليوم الاحد الموافق 10-8-2025في كلية علوم الحاسوب والرياضيات / قسم علوم الحاسوب / رسالة ماجستير للباحث (عمر عادل لبيب) الموسومة:
(Seizure Onset Detection Using Wearable Sensors)
بإشراف (أ.م.د. محمد اكثم احمد)
هذا وقد جاء في مستخلص الدراسة ما يلي:
تقدم هذه الرسالة تصميم وتطوير وتقييم نظام SOS-Watch القابل للارتداء للكشف عن بداية نوبات الصرع باستخدام تقنيات التعلم العميق المطبقة على بيانات مستشعر القصور الذاتي. يستخدم النظام جهازًا يُلبس على المعصم مزودًا بمستشعرات حركة متعددة الوسائط (مقياس تسارع، وجيروسكوب، ومقياس مغناطيسي) لمراقبة النشاط البشري باستمرار في بيئات واقعية غير سريرية. طُبّق بروتوكول مُهيكل لجمع البيانات، بمشاركة خمسة مشاركين أصحاء يؤدون مجموعة من الأنشطة المحددة مسبقًا، بما في ذلك المشي والجري وصعود الدرج وحركات يد مُحاكاة تُشبه نوبات الصرع. عولجت إشارات الحركة المُجمعة مسبقًا باستخدام تنظيف الإشارات وتطبيع الحد الأدنى والحد الأقصى، ثم جُزئت إلى نوافذ ثابتة الطول. لاستخراج خصائص زمنية-ترددية ذات معنى، حُوِّل كل مقطع إشارة باستخدام تحويل الموجة المستمرة (CWT) مع دالة موجة مورليت، مما أدى إلى إنتاج صور سكالغرام ثنائية الأبعاد. استُخدمت هذه الصور كمدخلات لشبكة عصبية تلافيفية ResNet18 مُعدّلة بدقة، مُدرّبة مسبقًا على ImageNet. أُجريت تجربتان: الأولى استخدمت مخططات سكالوجرام الرمادية، والثانية مخططات سكالوجرام ملونة (RGB) مُحتفظ بها، لتقييم تأثير تمثيل المدخلات على أداء النموذج. وطُبقت تقنيات موسعة لزيادة البيانات لتحسين التعميم. حقق النموذج القائم على مقياس الرمادي دقة تدريب بلغت 100.00% ودقة تحقق بلغت 88.75%، بينما حقق النموذج القائم على الألوان 97.00% و86.00% على التوالي. وأكدت تقارير التصنيف ومصفوفات الارتباك فعالية النموذج بشكل خاص في تحديد الأنشطة الشبيهة بنوبات الصرع (الرجفة) وأنماط المشي، بدقة عالية، وتذكر، ودرجات F1. وكشف التحليل المقارن أن مخططات سكالوجرام الرمادية تفوقت بشكل طفيف على الصور الملونة من حيث دقة التحقق والمتانة، ويرجع ذلك على الأرجح إلى الطبيعة الأبسط والأكثر تمييزًا لتمثيلات الزمن والتردد القائمة على الكثافة. بشكل عام، تُظهر النتائج أن النظام المقترح، الذي يجمع بين الاستشعار القابل للارتداء والتعلم العميق باستخدام خصائص الموجات، يُوفر حلاً واعدًا وسهل المنال للكشف الفوري عن النوبات في بيئات الحياة اليومية. تُسهم هذه الدراسة في مجال مراقبة الصحة الذكية من خلال توفير إطار عمل عملي للتعرف على النشاط واكتشاف بداية النوبات بموثوقية عالية.
تألفت لجنة المناقشة من السادة:
1. أ.م.د . محمود ماهر صالح / جامعة تكريت/ كلية علوم الحاسوب والرياضيات رئيساً
2 . أ.م.د. احمد صبحي عبدالغفور / جامعة الانبار/ كلية علوم الحاسوب وتكنولوجيا المعلومات عضواً
3 . أ.م.د. زيدون طارق عبدالوهاب / جامعة تكريت/ كلية علوم الحاسوب والرياضيات عضواً
4. أ.م.د. محمد اكثم احمد / جامعة تكريت/ كلية علوم الحاسوب والرياضيات عضواً ومشرفاً
هذا وقد حضر المناقشة عدد من التدريسيين وطلبة الدراسات العليا .
