منح قسم الهندسة الكهربائية درجة الماجستير للطالبة ( سنا احمد ناصر ) عن رسالته  الموسومة

(A Robust Visual Depression Diagnosis System Based on Artificial Intelligent)

وتهدف الرسالة  الى عمل نظامين لتشخيص الاكتئاب من الوجه في وقت مبكر. في النظام المقترح الاول تم التعرف على فئتين من الكتئاب (مكتئب وغير مكتئب) باالعتماد على مجموعة البيانات التي جمعها , والتي تتكون من 125 شخص. وتم استخراج ستة سمات تدل على الاكتئاب AU01 و AU04 و A06 و A07 و A010 و A012 , و ستة مصنفات للتصنيف  linear SVM) ،KNN ،LDA ، PCA ،GMM ، ENSEMBLE TREE) . وبناءا على النتائج التي تم استحصالها من المصنفات ونسبة الدقة , تم تطبيق عملي للمصنفات التي اعطت دقة على  (linear (KNN SVMوالتي هي 85 %باستخدام البوابات المنطقية القابلة للبرمجة موقعيا (PFGA )على الجهاز المادي , Spartan – 3A 700A حيث اظهر ان الوقت اللازم لمصنف KNN لتصنيف ميزة مرئية من الوجه.μs1.38152 ,بالإضافة إلى ذلك استخدام تصميم المصنف KNN فقط 22 من الشرائح المتاحة والتي هي اقل من 1 %من الجهاز المادي Spartan-3A 700A و أيضا 36 فقط من لوحات المفاتح (LUTs )والتي هي اقل من 1 %من البوابات المنطقية القابلة للبرمجة موقعيا. اما التصميمين الاخرين للمصنف الثاني linear SVM استخدما 50 و 54 من الشرائح المتاحة والتي هي أيضا اقل من 1 %من الجهاز المادي Spartan – 3A 700A .

اما النظام الثاني المقترح لتشخيص الاكتئاب تعرف على ثالث فئات من الاكتئاب ( سليم و مكتئب بسيط ومكتئب شديد ) باستخدام قاعدة بيانات ثانية تم جمعها و تكونت من 25 عينة من كلا الجنسين ولمختلف الاعمار. في هذا النظام تم استخدام عدة خوارزميات لاستخدام متوسط الميزات من الوجة  (( LDA, PCA, LBPH و سبع مصنفات ( آNB,GMM,KNN ,SGD ,RF ,DT ,and LR) والتي أعطت نتائج مختلفة , وكانت النتيجة الأعلى دقة باستخدام نظرية استخراج الميزات من الوجة LDA  وهي 100% مع اغلب المصنفات المذكزره اعلاه .

وتألفت لجنة المناقشة من أ.م.د .ازاد رحيم كريم  / رئيسا و أ.م.د فاضل صاحب حسن  / عضوا  و م.د  سندس ضمد حسن /عضوا و أ.م.د ايفان عبد الزهرة هاشم   و م.د وسام حسن علي/ عضوا و مشرفا .