صور من OpenLibrary

Automated classification of mature and immature leukocytes for diagnosing acute myeloid leukemia / by Samira Mohamed Haroun ; Supervisors Dr. Amr Abdelrahman Sharawi, Dr. Wael Aboelwafa Ahmed.

بواسطة:

Samira Mohamed Haroun [preparation.]

المساهم:

نوع المادة :

نصاللغة: الإنجليزية لغة الملخص: الإنجليزية, العربية المنتج: 2025الوصف: 72 pages : illustrations ; 30 cm. + CDنوع المحتوى:

text

نوع الوسائط:

Unmediated

نوع الناقل:

volume

عنوان آخر:

التصنيف الالي لخلايا الدم البيضاء الناضجة و الغير ناضجة لتشخيص سرطان الدم النخاعي الحاد [عنوان مضاف عنوان الصفحة]

الموضوع:

تصنيف ديوي العشري:

610.28

Available additional physical forms:

Issues also as CD.

ملاحظة الأطروحة: Thesis (M.Sc)-Cairo University, 2025. ملخص: This thesis evaluates six deep learning models—YOLOv11x, YOLOv8x, ResNet-50, VGG19, GoogLeNet, and SqueezeNet—for classifying mature and immature white blood cells in Acute Myeloid Leukemia (AML) using the Munich AML Morphology Dataset. The dataset comprises 18,365 single-cell images and was partitioned into training, validation, and testing sets. To address class imbalance, we applied multiple balancing techniques. Model performance was assessed using accuracy, precision, recall, specificity, and F1-score. Across all experiments, YOLOv11x achieved the best results, reaching 96% accuracy. These findings underscore the promise of advanced YOLO architectures for reliable, automated AML detection.ملخص: تُقيّم هذه الأطروحة ستة نماذج للتعلم العميق [YOLOv11x، YOLOv8x، ResNet-50، VGG19، Google Net، وSqueeze Net] لتصنيف خلايا الدم البيضاء الناضجة وغير الناضجة في سرطان الدم النخاعي الحاد باستخدام مجموعة بيانات ميونخ لعلم مورفولوجيا سرطان الدم النخاعي الحاد. قُسِّمت مجموعة البيانات، التي تضم 18,365 صورة أحادية الخلية، إلى مجموعات تدريب وتحقق واختبار، مع تقليل اختلال توازن الفئات باستخدام طرق مختلفة . قُيِّمت النماذج باستخدام معايير الدقة والتذكر والخصوصية ودرجة F1. تشير النتائج إلى أن YOLOv11x حقق أقصى أداء بدقة 96%. تُظهر هذه النتائج إمكانات هياكل YOLO المتقدمة للكشف الآلي والموثوق عن سرطان الدم النخاعي الحاد

وسوم من هذه المكتبة: لا توجد وسوم لهذا العنوان في هذه المكتبة. قم بتسجيل الدخول لإضافة الوسوم.

المقتنيات
نوع المادة	المكتبة الحالية	المكتبة الرئيسية	رقم الاستدعاء	حالة	الباركود
Thesis	قاعة الرسائل الجامعية - الدور الاول	المكتبة المركزبة الجديدة - جامعة القاهرة	Cai01.13.03.M.Sc.2025.Sa.A (استعراض الرف(يفتح أدناه))	Not for loan	01010110093830000

استعرض المكتبة المركزبة الجديدة - جامعة القاهرة رفاً إغلاق مستعرض الرف (يخفي مستعرض الرف)

السابق	لا توجد صورة غلاف متاحة	لا توجد صورة غلاف متاحة	لا توجد صورة غلاف متاحة	لا توجد صورة غلاف متاحة	لا توجد صورة غلاف متاحة	لا توجد صورة غلاف متاحة	لا توجد صورة غلاف متاحة	التالي
السابق	Cai01.13.03.M.Sc.2024.Ta.C Computer-Aided Multi-Label Retinopathy Diagnosis Via Inter-Disease Graph Regularization /	Cai01.13.03.M.Sc.2025.Mo.V A vendor-neutral strain elastography technique: experimental validation /	Cai01.13.03.M.Sc.2025.Ra.C A combined deep learning-regression paradigm for echocardiography-based left ventricle ejection fraction prediction /	Cai01.13.03.M.Sc.2025.Sa.A Automated classification of mature and immature leukocytes for diagnosing acute myeloid leukemia /	Cai01.13.03.Ph.D.1996.Ah.Q Quantitative techniques and algorithms for ultrasound tissue characterization of liver diseases /	Cai01.13.03.Ph.D.1996.Mo.I Image proccssing and automatic identifcation of fingerprints /	Cai01.13.03.Ph.D.1998.Ma.U Use of neural networks in the diagnosis of congenital anomalies detected by ultrasound : With a supportive multimedia database /	التالي

Thesis (M.Sc)-Cairo University, 2025.

Bibliography: pages 65-72.

This thesis evaluates six deep learning models—YOLOv11x, YOLOv8x, ResNet-50, VGG19, GoogLeNet, and SqueezeNet—for classifying mature and immature white blood cells in Acute Myeloid Leukemia (AML) using the Munich AML Morphology Dataset. The dataset comprises 18,365 single-cell images and was partitioned into training, validation, and testing sets. To address class imbalance, we applied multiple balancing techniques. Model performance was assessed using accuracy, precision, recall, specificity, and F1-score. Across all experiments, YOLOv11x achieved the best results, reaching 96% accuracy. These findings underscore the promise of advanced YOLO architectures for reliable, automated AML detection.

تُقيّم هذه الأطروحة ستة نماذج للتعلم العميق [YOLOv11x، YOLOv8x، ResNet-50، VGG19، Google Net، وSqueeze Net] لتصنيف خلايا الدم البيضاء الناضجة وغير الناضجة في سرطان الدم النخاعي الحاد باستخدام مجموعة بيانات ميونخ لعلم مورفولوجيا سرطان الدم النخاعي الحاد. قُسِّمت مجموعة البيانات، التي تضم 18,365 صورة أحادية الخلية، إلى مجموعات تدريب وتحقق واختبار، مع تقليل اختلال توازن الفئات باستخدام طرق مختلفة . قُيِّمت النماذج باستخدام معايير الدقة والتذكر والخصوصية ودرجة F1. تشير النتائج إلى أن YOLOv11x حقق أقصى أداء بدقة 96%. تُظهر هذه النتائج إمكانات هياكل YOLO المتقدمة للكشف الآلي والموثوق عن سرطان الدم النخاعي الحاد

Issues also as CD.

Text in English and abstract in Arabic & English.

لا توجد تعليقات على هذا العنوان.

لنشر تعليق.

جامعة القاهرة

المكتبة المركزية الجديدة

مكتبة جامعة القاهرة الأهلية

Automated classification of mature and immature leukocytes for diagnosing acute myeloid leukemia / by Samira Mohamed Haroun ; Supervisors Dr. Amr Abdelrahman Sharawi, Dr. Wael Aboelwafa Ahmed.

استعرض المكتبة المركزبة الجديدة - جامعة القاهرة رفاً إغلاق مستعرض الرف (يخفي مستعرض الرف)