تم في قسم هندسة الطب الحياتي في كلية الهندسة بجامعة النهرين، صباح يوم الخميس الموافق 2/9/2026، مناقشة أطروحة الدكتوراه للطالب علي إبراهيم شمخي، والموسومة:

Breast Cancer Analysis on Fusion Features Extraction in Dynamic Contrast-Enhanced Magnetic Resonance Imaging

تحليل سرطان الثدي بالاعتماد على استخلاص السمات المدمجة في التصوير بالرنين المغناطيسي الديناميكي المعزز بالتباين

تألفت لجنة المناقشة من:

الاستاذ الدكتور نصر نافع خميس، كلية هندسة المعلومات /  جامعة النهرين – رئيساً.

الاستاذ الدكتور صادق، كلية الهندسة / جامعة النهرين – عضواً.

الاستاذ المساعد الدكتور عبداللطيف علي أصغر، كلية الطب / جامعة المستنصرية – عضواً.

الاستاذ المساعد الدكتورة بشيرة محمد رضا محمود، كلية الهندسة / جامعة بغداد – عضواً.

الاستاذ المساعد الدكتورة شيماء صفاءالدين بهاءالدين، كلية الهندسة / جامعة النهرين – عضواً.

وجرت الأطروحة بإشراف كل من:

الاستاذ الدكتور هديل الجبوري، قسم هندسة الطب الحياتي/كلية الهندسة/جامعة النهرين.

الاستاذ الدكتور علي مجيد حسن، فرع الفسلجة والفيزياء الطبية/كلية الطب/جامعة النهرين.

تضمّن المسار الأول (مسار التصنيف — Classification Pathway) استخلاص ثلاث مجموعات من السمات: الـ Kinetic Features المشتقة من منحنيات شدة الإشارة–الزمن، وسمات الـ GLCM، والـ Deep Features المستخلصة من شبكة CNN دُرِّبت من الصفر؛ ثم دُمجت في متجه سمات موحد، وانتُقيت أبعاده بتحليل التباين (ANOVA)، وصُنِّفت السمات باستخدام SVM.

أما المسار الثاني (مسار الاستقطاع — Segmentation Pathway) فتناول استقطاع الورم باستخدام شبكة VGG-16 مُعدَّلة بمعمارية Encoder–Decoder دُرِّبت من الصفر على صور مُحسَّنة بطريقة Bounded Turning Mittag-Leffler (BT-ML).

أظهرت النتائج أن دمج الـ Kinetic Features وسمات الـ GLCM والـ Deep Features يتفوق على استخدام أي منها منفرداً، وأن أفضل أداء تصنيفي تحقق عند طور ما بعد التباين الثاني (Post-Contrast 2)، في حين بلغ استقطاع الورم أفضل مستوياته عند طور ما بعد التباين الأول (Post-Contrast 1). وتشير النتائج إلى أن توقيت الطور المعتمد في الاستخلاص عامل مؤثر في أداء المسارين مع

وخلصت الدراسة إلى أن الإطار المقترح يمثل نهجاً حاسوبياً مساعداً (Computer-Aided Diagnosis) واعداً في تشخيص سرطان الثدي وتحديد امتداد الورم من صور DCE-MRI.

وقد قُوّمت الأطروحة علمياً من قبل:

الاستاذ المساعد الدكتور أحمد فائق حسين،كلية الهندسة / جامعة النهرين – المقوّم العلمي الأول.

الاستاذ المساعد الدكتور نور كمال محسن، كلية الهندسة الخوارزمي / جامعة بغداد – المقوّم العلمي الثاني.

كما قُوّمت لغوياً من قبل الدكتورة ميس عدي عبدالرسول من كلية الهندسة / جامعة النهرين.

وفي ختام المناقشة، أشادت اللجنة بالجهد العلمي المبذول في بناء الإطار المقترح وتقييمه على مجموعات بيانات مستقلة، وبأهمية موضوع الأطروحة في مجال معالجة الصور الطبية والتشخيص المساعد بالحاسوب، وقد أُجيزت الأطروحة بوصفها مستوفية لمتطلبات نيل شهادة الدكتوراه في هندسة الطب الحياتي.

The Department of Biomedical Engineering at the College of Engineering, Al-Nahrain University, held the PhD dissertation defense of Ali Ibrahim Shammkhi on the morning of Thursday, September 2, 2026. His dissertation was entitled:

“Breast Cancer Analysis on Fusion Features Extraction in Dynamic Contrast-Enhanced Magnetic Resonance Imaging”

“Breast Cancer Analysis Based on Fusion Feature Extraction in Dynamic Contrast-Enhanced Magnetic Resonance Imaging”

The defense committee consisted of:

• Prof. Dr. Nasr Nafi’ Khamis, College of Information Engineering, Al-Nahrain University – Chair.
• Prof. Dr. Sadiq, College of Engineering, Al-Nahrain University – Member.
• Asst. Prof. Dr. Abdul Latif Ali Asghar, College of Medicine, Al-Mustansiriyah University – Member.
• Asst. Prof. Dr. Bashira Mohammed Ridha Mahmoud, College of Engineering, University of Baghdad – Member.
• Asst. Prof. Dr. Shaimaa Safa Al-Din Baha Al-Din, College of Engineering, Al-Nahrain University – Member.

The dissertation was supervised by:

• Prof. Dr. Hadeel Al-Jubouri, Department of Biomedical Engineering, College of Engineering, Al-Nahrain University.
• Prof. Dr. Ali Majeed Hassan, Department of Physiology and Medical Physics, College of Medicine, Al-Nahrain University.

The first pathway, the Classification Pathway, involved extracting three groups of features: Kinetic Features derived from signal intensity–time curves, GLCM Features, and Deep Features extracted from a CNN trained from scratch. These features were then fused into a unified feature vector, whose dimensions were selected using Analysis of Variance (ANOVA), and the resulting features were classified using an SVM.

The second pathway, the Segmentation Pathway, focused on tumor segmentation using a modified VGG-16 network with an Encoder–Decoder architecture, trained from scratch on images enhanced using the Bounded Turning Mittag-Leffler (BT-ML) method.

The results demonstrated that combining Kinetic Features, GLCM Features, and Deep Features outperformed the use of any individual feature group alone. The best classification performance was achieved at the Post-Contrast 2 phase, while the highest tumor segmentation performance was achieved at the Post-Contrast 1 phase. These findings indicate that the timing of the imaging phase used for feature extraction is an influential factor in the performance of both pathways.

The study concluded that the proposed framework represents a promising Computer-Aided Diagnosis (CAD) approach for breast cancer diagnosis and tumor extent delineation from DCE-MRI images.

The dissertation was scientifically evaluated by:

• Asst. Prof. Dr. Ahmed Faiq Hussein, College of Engineering, Al-Nahrain University – First Scientific Evaluator.
• Asst. Prof. Dr. Noor Kamal Mohsen, Al-Khwarizmi College of Engineering, University of Baghdad – Second Scientific Evaluator.

The dissertation was also linguistically evaluated by Dr. Mais Uday Abdulrasoul, College of Engineering, Al-Nahrain University.

At the conclusion of the defense, the committee praised the scientific effort invested in developing and evaluating the proposed framework on independent datasets, as well as the significance of the dissertation topic in the fields of medical image processing and computer-aided diagnosis. The dissertation was approved as fulfilling the requirements for the award of a PhD in Biomedical Engineering.