تفاصيل مارك
| 000 -LEADER |
|---|
| fixed length control field |
06802namaa22004331i 4500 |
| 003 - CONTROL NUMBER IDENTIFIER |
|---|
| control field |
EG-GICUC |
| 005 - أخر تعامل مع التسجيلة |
|---|
| control field |
20260422114346.0 |
| 008 - FIXED-LENGTH DATA ELEMENTS--GENERAL INFORMATION |
|---|
| fixed length control field |
260407s2025 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 |
006.31 |
| 092 ## - LOCALLY ASSIGNED DEWEY CALL NUMBER (OCLC) |
|---|
| Classification number |
006.31 |
| Edition number |
21 |
| 097 ## - Degree |
|---|
| Degree |
M.Sc |
| 099 ## - LOCAL FREE-TEXT CALL NUMBER (OCLC) |
|---|
| Local Call Number |
Cai01.18.07.M.Sc.2025.Gh.B |
| 100 0# - MAIN ENTRY--PERSONAL NAME |
|---|
| Authority record control number or standard number |
Ghada Mohammed Mansour Eissa, |
| Preparation |
preparation. |
| 245 10 - TITLE STATEMENT |
|---|
| Title |
Breast cancer prediction using machine learning / |
| Statement of responsibility, etc. |
by Ghada Mohammed Mansour Eissa ; Supervised Dr. Shahira Shaaban Azab, Prof. Hesham Ahmed Hefny. |
| 246 15 - VARYING FORM OF TITLE |
|---|
| Title proper/short title |
التنبؤ بسرطان الثدي باستخدام تعلم الآلة |
| 264 #0 - PRODUCTION, PUBLICATION, DISTRIBUTION, MANUFACTURE, AND COPYRIGHT NOTICE |
|---|
| Date of production, publication, distribution, manufacture, or copyright notice |
2025. |
| 300 ## - PHYSICAL DESCRIPTION |
|---|
| Extent |
119 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, 2025. |
| 504 ## - BIBLIOGRAPHY, ETC. NOTE |
|---|
| Bibliography, etc. note |
Bibliography: pages 89-99. |
| 520 #3 - SUMMARY, ETC. |
|---|
| Summary, etc. |
In the past few decades, breast cancer has become a critical global health concern as one <br/>of the leading causes of high mortality among women worldwide, linked to the <br/>development of modern human civilization. Early detection and prognosis of breast cancer <br/>have led to higher cure and survival rates, providing an ideal opportunity for effective <br/>treatment. Convolutional neural network (CNN) models have proven effective in <br/>classifying and predicting breast cancer tumors using mammography images. Multiclass <br/>classifications are used to classify tumors according to the BI-RADS classification system. <br/>This research aims to conduct a comparative analysis to explore the results of breast cancer <br/>prediction using DL models and voting ensemble techniques to improve accuracy. This <br/>study is based on a dataset from the Nasser Institute for Research and Treatment in Egypt. <br/>For the first time, DL models are used on an Egyptian breast cancer x-ray dataset of 1,000 <br/>female cases, based on various genetic, geographic, and environmental factors, to predict <br/>breast cancer. The investigating such an Egyptian dataset can give a deep understanding of <br/>the impact of genetic, geographical, and environmental factors on breast cancer <br/>development in Egypt. The dataset was collected from the Mammography Unit at the <br/>Oncology Center of the Nasser Institute for Research and Treatment in Egypt, using the <br/>HOLOGIC Selenia Dimensions Breast Imaging System. All mammograms were classified <br/>according to the BI-RADS classification, which includes four mammograms’ views (RCC, <br/>RMLO, LCC, LMLO). A comparative experimental study was conducted on AlexNet, <br/>GoogleNet-V3, VGG16, ResNet50, and MobileNet models. The results indicate that <br/>ResNet50 and VGG16 achieved higher accuracies of 80% and 79.58%, respectively, while <br/>AlexNet, GoogleNet-V3, and MobileNet achieved accuracies of 73%, 78%, and 79.02%, <br/>respectively. The voting scores for all models on the same test dataset were 91.6%. |
| 520 #3 - SUMMARY, ETC. |
|---|
| Summary, etc. |
في العقود القليلة الماضية، أصبح سرطان الثدي مصدر قلق صحي عالمي حاسم كأحد الأسباب الرئيسية لارتفاع معدل الوفيات بين النساء في جميع أنحاء العالم، وهو ما ارتبط بتطور الحضارة الإنسانية الحديثة. أدى الكشف المبكر والتنبؤ بسرطان الثدي إلى ارتفاع معدلات الشفاء وبقاء المريض على قيد الحياة، مما يوفر فرصة مثالية للعلاج الفعال. أثبتت نماذج الشبكة العصبية التلافيفية (CNN) فعاليتها في تصنيف وتوقع أورام سرطان الثدي من خلال صور تصوير الثدي بالأشعة السينية لسرطان الثدي. تُستخدم التصنيفات متعددة الفئات في هذه الورقة لإظهار فئة الورم بناءً على تصنيف BI-RADS يهدف هذا البحث إلى إجراء تحليل مقارن لاستكشاف نتائج التنبؤ بسرطان الثدي باستخدام نماذج التعلم العميق وتقنيات مجموعة التصويت لتحقيق دقة أفضل بناءً على مجموعة البيانات المأخوذة من معهد ناصر للبحوث والعلاج في مصر.<br/>نستخدم نماذج التعلم العميق لأول مرة على مجموعة بيانات الأشعة السينية لسرطان الثدي المصري المكونة من 1000 حالة أنثوية بناءً على عوامل وراثية وجغرافية وبيئية متنوعة للتنبؤ بسرطان الثدي. نحن نجادل بأن التحقيق في مثل هذه المجموعة من البيانات المصرية يمكن أن يعطي فهمًا عميقًا لتأثير العوامل الوراثية والجغرافية والبيئية على تطور سرطان الثدي في مصر. تم جمع مجموعة البيانات من وحدة التصوير الشعاعي للثدي في مركز الأورام بمعهد ناصر للبحوث والعلاج في مصر، والتي تم التقاطها بواسطة نظام التصوير الشعاعي للثدي HOLOGIC Selenia Dimensions. تم تصنيف جميع صور الأشعة السينية وفقًا لتصنيف BI-RADS، والذي يحتوي على أربع صور للتصوير الشعاعي للثدي (RCC و RMLO و LCC و LMLO). تم إجراء دراسة مقارنة تجريبية على نماذج AlexNet و GoogleNet-V3 و VGG16 و ResNet50 و MobileNet. تشير النتائج إلى أن ResNet50 و VGG16 حققا دقة أعلى بنسبة 80٪ و 79.58٪ على التوالي، بينما حقق AlexNet و GoogleNet-V3 و MobileNet دقة بنسبة 73٪ و 78٪ و 79.02٪ على التوالي. نتائج التصويت لجميع النماذج على نفس مجموعة البيانات الاختبارية 91.60٪. |
| 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 #0 - SUBJECT ADDED ENTRY--TOPICAL TERM |
|---|
| Topical term or geographic name entry element |
Machine Learning |
| 650 #0 - SUBJECT ADDED ENTRY--TOPICAL TERM |
|---|
| Topical term or geographic name entry element |
تعلم الآلة |
| 653 #1 - INDEX TERM--UNCONTROLLED |
|---|
| Uncontrolled term |
EMGD dataset |
| -- |
Breast Cancer Prediction |
| -- |
Deep Learning Models |
| -- |
Voting Ensemble |
| -- |
التنبؤ بسرطان الثدي |
| -- |
EMGD مجموعة بيانات |
| 700 0# - ADDED ENTRY--PERSONAL NAME |
|---|
| Personal name |
Shahira Shaaban Azab |
| Relator term |
thesis advisor. |
| 700 0# - ADDED ENTRY--PERSONAL NAME |
|---|
| Personal name |
Hesham Ahmed Hefny |
| Relator term |
thesis advisor. |
| 900 ## - Thesis Information |
|---|
| Grant date |
01-01-2025 |
| Supervisory body |
Shahira Shaaban Azab |
| -- |
Hesham Ahmed Hefny |
| 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 |