Thesis (M.Sc.) -Cairo University, 2023.

Bibliography: pages 71-77.

The problem of automating medical diagnosis by examining biomedical data
has been gaining popularity in the last few years. Automating medical diagnosis can be considered a non-trivial and critical task. Although biomedical
data are complex to examine, the results can give significant aid to a diagnosing physician. This work explores the state-of-the-art studies conducted
in the last few years; it also proposes two algorithms designed to tackle
this problem. These algorithms are called Geometrical Driven Diagnosis
(GDD) and Slide-Detect. The main purpose of these algorithms is to examine
biomedical data in the form of both tabular data and images and make
predictions (diagnoses) based on this data. Both algorithms outperformed
the state-of-the-art algorithms in terms of precision and computational cost,
achieving 0.999, 0.958 and 0.9333 accuracies in diagnosing diabetes, breast
cancer and lung infiltration respectively. Lastly, this work provides an illustration of the reasons the proposed algorithms have been developed and their
effects.

اكتسبت مشكلة أتمتة التشخيص الطبي عن طريق فحص البيانات الطبية الحيوية شعبية في السنوات القليلة الماضية ويمكن اعتبارها مهمة صعبة لأنها معقدة للفحص لكن نتائجها تقدم مساعدة كبيرة لطبيب التشخيص. يسرد هذا العمل أحدث الدراسات التي أجريت في السنوات القليلة الماضية كما يقترح خوارزميتان مصممتان لمعالجة هذه المشكلة تسمى هذه الخوارزميات بالتشخيص الهندسي المدفوع واكتشاف الشرائح. الغرض الرئيسي من هذه الخوارزميات هو فحص البيانات الطبية الحيوية في شكل بيانات مجدولة وصور وإجراء تنبؤات (تشخيصات) بناءً على هذه البيانات. تفوقت الخوارزميات المقترحة في هذه الدراسة على أحدث الخوارزميات من حيث الدقة والتكلفة الحسابية، حيث حققت 0.999 و0.95 و0.9333 دقة في تشخيص مرض السكري وسرطان الثدي وتسلل الرئة على التوالي وأخيرا تقدم هذه الرسالة توضيحا لأسباب تطوير الخوارزميات المقترحة وتأثيراتها.

Issues also as CD.

Text in English and abstract in Arabic & English.