Early autism spectrum disorder using machine learning / (Record no. 171674)
[ view plain ]
| 000 -LEADER | |
|---|---|
| fixed length control field | 07961namaa22004211i 4500 |
| 003 - CONTROL NUMBER IDENTIFIER | |
| control field | OSt |
| 005 - أخر تعامل مع التسجيلة | |
| control field | 20250519103313.0 |
| 008 - FIXED-LENGTH DATA ELEMENTS--GENERAL INFORMATION | |
| fixed length control field | 250423s2024 ua a|||frm||| 000 0 eng d |
| 040 ## - CATALOGING SOURCE | |
| Original cataloguing agency | EG-GICUC |
| Language of cataloging | eng |
| Transcribing agency | EG-GICUC |
| Modifying agency | EG-GICUC |
| Description conventions | rda |
| 041 0# - LANGUAGE CODE | |
| Language code of text/sound track or separate title | eng |
| Language code of summary or abstract | eng |
| -- | ara |
| 049 ## - Acquisition Source | |
| Acquisition Source | Deposit |
| 082 04 - DEWEY DECIMAL CLASSIFICATION NUMBER | |
| Classification number | 005.1 |
| 092 ## - LOCALLY ASSIGNED DEWEY CALL NUMBER (OCLC) | |
| Classification number | 005.1 |
| Edition number | 21 |
| 097 ## - Degree | |
| Degree | M.Sc |
| 099 ## - LOCAL FREE-TEXT CALL NUMBER (OCLC) | |
| Local Call Number | Cai01.18.07.M.Sc.2024.Ma.E |
| 100 0# - MAIN ENTRY--PERSONAL NAME | |
| Authority record control number or standard number | Marwa Maher Taha Sakr, |
| Preparation | preparation. |
| 245 10 - TITLE STATEMENT | |
| Title | Early autism spectrum disorder using machine learning / |
| Statement of responsibility, etc. | by Marwa Maher Taha Sakr ; Supervision of Prof. Dr. Mervat Gheith, Dr. Tarek Aly. |
| 246 15 - VARYING FORM OF TITLE | |
| Title proper/short title | اضطراب طيف التوحد المبكر باستخدام التعلم الآلي / |
| 264 #0 - PRODUCTION, PUBLICATION, DISTRIBUTION, MANUFACTURE, AND COPYRIGHT NOTICE | |
| Date of production, publication, distribution, manufacture, or copyright notice | 2024. |
| 300 ## - PHYSICAL DESCRIPTION | |
| Extent | 56 leaves : |
| Other physical details | illustrations ; |
| Dimensions | 30 cm. + |
| Accompanying material | CD. |
| 336 ## - CONTENT TYPE | |
| Content type term | text |
| Source | rda content |
| 337 ## - MEDIA TYPE | |
| Media type term | Unmediated |
| Source | rdamedia |
| 338 ## - CARRIER TYPE | |
| Carrier type term | volume |
| Source | rdacarrier |
| 502 ## - DISSERTATION NOTE | |
| Dissertation note | Thesis (M.Sc)-Cairo University, 2024. |
| 504 ## - BIBLIOGRAPHY, ETC. NOTE | |
| Bibliography, etc. note | Bibliography: pages 53-56. |
| 520 ## - SUMMARY, ETC. | |
| Summary, etc. | In recent years, awareness of autism spectrum disorder has grown faster than before. As everyone is aware, it is a disorder of neurodevelopment that also encompasses problems with conduct and social interaction. The degree of symptom severity and everyone’s experience with autism spectrum vary. Any age can be used to diagnose autism. According to research, violence, self-harm, elopement. tantrums, preoccupation, and lack of obedience are behavior patterns most frequently observed in people with autism. Therefore, it is imperative to spot any sign of severe it as soon as possible. the proposed research model for diagnosing autism spectrum disorder by collecting data through a general questionnaire while ensuring data privacy. The questionnaire, based on the Autism Spectrum Quotient-10, was supplemented with individual features identified by specialized experts. The research model consists of four phases: pre-processing data, adding features and improving algorithms, developing a combined model, and creating an implementation model. In the pre-processing phase, data quality was improved, and Additional individual features were incorporated through the questionnaire to enhance machine learning algorithm performance. The results show better performance for the Support Vector Machine algorithm. A comparative performance analysis among the algorithms was used to build the combined model, built by integrating three algorithms using Ensemble learning. Finally, Test scenarios for proposed model achieved a 98.9 % With accuracy the majority of algorithms exhibited good accuracy when applied in this domain. |
| 520 ## - SUMMARY, ETC. | |
| Summary, etc. | اضطراب طيف التوحد هو اضطراب نمو عصبي معقد يؤثر على التطور الطبيعي لمهارات الاندماج الاجتماعي والتواصل فهناك خلل في التفاعلات الاجتماعية والتواصل اللفظي والغير لفظي ومشاكل في كيفية استيعاب المعلومات عن طريق الحواس وأنماط محددة من السلوكيات المتكررة اشتمل مصطلح (اضطراب طيف التوحد) على أمراض النمو الأكثر انتشاراً اضطراب التوحد الكلاسيكي، اضطراب اسبرجر، وُصف الاضطراب بالطيف لان حدة اعراضه تتراوح بين خفيفة إلى شديدة، فالأعراض إٍذ مثل الطيف له نطاقات مختلفة. <br/>من أجل تشخيص اضطراب طيف التوحد، يجب وجود مشكلة واحدة على الأقل من النواحي الآتية قبل (3 سنوات) مشاكل في التواصل أو التفاعل الاجتماعي أو وجود السلوك المقيد، حيث إنها تستغرق وقتاً كبيراً وتعتمد على خبرة الطبيب كما انه يضع عبأ كبير على الاسرة وخضوعهم داخل دائرة بيزنس تعديل السلوك فيؤدي ذلك الي تأخير تحديد ما إذا كان مصاباً أم لا. من المهم سرعة اكتشاف الاضطراب وتحديد مستواه لتقديم المساعدة للمريض وذويه لتحسين الحياة المقدمة له والعمل على تنمية مهاراته العقلية والاجتماعية. لذلك، فهناك احتياج كبير في مجال الذكاء الاصطناعي لنظام تشخيص دقيق بمساعدة الحاسوب لمساعدة الأطباء وأخصائيين التخاطب وحتى أولياء امر المريض فالتشخيص السريع للاضطراب. <br/>تتطلب أساليب التعلم الآلي التقليدية استخراج المعالم وهي عملية يدوية تستغرق وقتاً طويلاً وتتطلب معرفة سابقة بمجال المشكلة. ومع التطور الكبير للتعلم الآلي فالآونة الأخيرة فالمجال الطبي أظهرت خوارزميات التعلم الآلي أداءاً متفائلاً في أنظمة التنبؤ والتشخيص الطبي بدقه عالية. <br/>وفي هذه الأطروحة، نقترح تصنيفاً قائماً على (AQ-10) أداة حاصل طيف التوحد مع البالغين المصابين بالتوحد المحتمل والذين لا يعانون من إعاقة تعلم متوسطة وشديدة تساعد في تحديد ما إذا كان ينبغي إحالة الفرد لتقييم شامل للتوحد أم لا.<br/>لقد استخدمنا العديد من نماذج التعلم الخاضعة للإشراف المتوفرة في إحدى مكتبات بايثون، بما في ذلك أشجار القرار والغابات العشوائية، (SVM)، , (KNN) ,(NB) والانحدار اللوجستي، للتنبؤ بوجود اضطراب طيف التوحد (ASD). في الأفراد. تم جمع مجموعة البيانات التي استخدمناها من خلال استبيان عام بعد استشارة خبراء المجال لإضافة ميزات فردية مهمة وتحسين أداء خوارزميات التعلم الآلي. استخدمنا أيضًا ترميزًا سريعًا لتحويل المتغيرات الفئوية إلى شكل رقمي وتقسيم البيانات إلى مجموعات تدريب واختبار. وأخيرًا، قمنا بتقييم أداء كل نموذج باستخدام التحقق المتبادل بخمسة أضعاف. أظهرت نتائجنا أن SVM وأشجار القرار ونماذج الانحدار اللوجستي كانت الأكثر فعالية في مهمة التصنيف هذه. حققت هذه النماذج مستويات عالية من الدقة والتذكر والإحكام، مما يشير إلى قدرتها على تشخيص اضطراب طيف التوحد. لقد قمنا أيضًا بدمج هذه الخوارزميات الثلاثة لبناء نموذج أكثر دقة وكفاءة واستطعنا تحقيق نسبه دقه ۹٨.۹%. تسلط دراستنا الضوء على أهمية تنظيف البيانات وخطوات المعالجة المسبقة لضمان دقة وموثوقية البيانات للتحليل. |
| 530 ## - ADDITIONAL PHYSICAL FORM AVAILABLE NOTE | |
| Issues CD | Issues also as CD. |
| 546 ## - LANGUAGE NOTE | |
| Text Language | Text in English and abstract in Arabic & English. |
| 650 #7 - SUBJECT ADDED ENTRY--TOPICAL TERM | |
| Topical term or geographic name entry element | Software Engineering |
| Source of heading or term | qrmak |
| 653 #0 - INDEX TERM--UNCONTROLLED | |
| Uncontrolled term | Artificial Intelligence |
| -- | Autism spectrum disorder |
| -- | Machine learning |
| -- | classification |
| -- | Dataset |
| -- | SVM |
| -- | KNN |
| -- | Random Forest |
| -- | Logistic regression |
| 700 0# - ADDED ENTRY--PERSONAL NAME | |
| Personal name | Mervat Gheith |
| Relator term | thesis advisor. |
| 700 0# - ADDED ENTRY--PERSONAL NAME | |
| Personal name | Tarek Aly |
| Relator term | thesis advisor. |
| 900 ## - Thesis Information | |
| Grant date | 01-01-2024 |
| Supervisory body | Mervat Gheith |
| -- | Tarek Aly |
| Universities | Cairo University |
| Faculties | Faculty of Graduate Studies for Statistical Research |
| Department | Department of Software Engineering |
| 905 ## - Cataloger and Reviser Names | |
| Cataloger Name | Shimaa |
| Reviser Names | Eman Ghareb |
| 942 ## - ADDED ENTRY ELEMENTS (KOHA) | |
| Source of classification or shelving scheme | Dewey Decimal Classification |
| Koha item type | Thesis |
| Edition | 21 |
| Suppress in OPAC | No |
| Source of classification or shelving scheme | Home library | Current library | Date acquired | Inventory number | Full call number | Barcode | Date last seen | Effective from | Koha item type |
|---|---|---|---|---|---|---|---|---|---|
| Dewey Decimal Classification | المكتبة المركزبة الجديدة - جامعة القاهرة | قاعة الرسائل الجامعية - الدور الاول | 23.04.2025 | 91033 | Cai01.18.07.M.Sc.2024.Ma.E | 01010110091033000 | 23.04.2025 | 23.04.2025 | Thesis |