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

Bibliography: pages 60-68.

Blastocyst grading is considered as a critical factor that influences the success of in-vitro fertilization (IVF) treatment cycle. The main purpose of this thesis is to build a Computer Aided Grading (CAG) system to grade the quality of blastocysts based on Gardner’s grading system; in terms of blastocyst age, Characteristics of Inner Cell Mass (ICM), and Characteristics of Trophectoderm (TE). It is worth noting that our proposed model is employing YOLOv8 classification neural network which surpasses all the proposed models, within this study to achieve an accuracy of 96.62%, 89.1%, 81.56% for grading expansion, ICM, and TE respectively. Additionally, this study seeks to create an automated method for predicting IVF outcomes, based on the blastocyst grading models that evolved. The proposed model surpasses all the models to achieve an accuracy of 83.33% in predicting IVF outcome.

يعد تصنيف الكيسة الأريمية من بين العوامل الحاسمة التي تؤثر على نجاح دورة التلقيح الاصطناعي( ( IVF .الغرض الرئيسي من هذه الرسالة هو بناء نظام التصنيف بمساعدة الحاسوب (CAG) لتصنيف جودة الأكياس الأريمية بناءً على نظام التصنيف الخاص Garden’s Grading system ؛ من حيث عمر الكيسة الأريمية(معدل التوسع )، وخصائص كتلة الخلايا الداخلية (ICM)، وخصائص الأديم المغذي(TE) . تجدر الإشارة إلى أن النظام المقترح الذي يستند إلى شبكة عصبية YOLOv8 للتصنيف تتجاوز جميع النماذج المقترحة لتحقيق دقة 96.62٪ و 89.1٪ و 81.56٪ في تصنيف عمر الكيسة الأريمية و ICM و TE على التوالي. بالإضافة إلي ذلك، تهدف الرسالة إلى بناء نظام آلي للتنبؤ بنتائج عملية التلقيح الاصطناعي بناءً على أنظمة تصنيف الكيسة الأريمية. تجدر الإشارة إلى أن النموذج المقترح لدينا يتجاوز جميع النماذج لتحقيق دقة بنسبة 83.33٪

Issues also as CD.

Text in English and abstract in Arabic & English.