Thesis (Ph.D)-Cairo University, 2025.

Bibliography: pages 76-82.

This thesis investigates three distinct approaches for the accurate diagnosis and
grading of papilledema, a neuro-ophthalmic condition characterized by optic disc
swelling due to heightened intracranial pressure. Utilizing diverse imaging modalities
and comprehensive clinical data, the research employs a cascaded model, pretrained
convolutional neural networks (CNNs), and customized CNN models for papilledema
detection from OCT images. Additionally, fundus images are analyzed using a multi-
paths CNN model and a cascaded model integrating ResNet-50 and LSTM for feature
extraction and classification. Classical machine learning models including SVM,
neural networks, and fuzzy logic are also utilized for papilledema severity detection
using clinical data. Contributions include pioneering the implementation of a cascaded
deep learning model, introducing a novel OCT dataset, crafting transfer learning
models, and designing tailored CNN architectures.

تبحث هذه الدراسة في ثلاثة طرق متميزة للتشخيص الدقيق وتصنيف ارتشاح عصب الابصار، وهي حالة عصبية بصرية تتميز بتورم القرص البصري بسبب ارتفاع الضغط داخل الجمجمة. باستخدام طرق التصوير المتنوعة والبيانات السريرية الشاملة، يستخدم البحث نموذجًا متتاليًا وشبكات عصبية تلافيفية مدربة مسبقًا. بالإضافة إلى ذلك، يتم تحليل صور قاع العين باستخدام نموذج شبكات عصبية تلافيفية متعدد المسارات ونموذج متتالي يدمج طرق لاستخراج الميزات وتصنيفها. يتم أيضًا استخدام نماذج التعلم الآلي الكلاسيكية بما في ذلك نموذج دعم الالة والشبكات العصبية والمنطق الغامض للكشف عن خطورة ارتشاح عصب الابصار باستخدام البيانات السريرية.

Issues also as CD.

Text in English and abstract in Arabic & English.