000			04278namaa22004331i 4500
003			EG-GICUC
005			20251222112704.0
008			251222s2025 ua a|||frm||| 000 0 eng d
040			_aEG-GICUC _beng _cEG-GICUC _dEG-GICUC _erda
041	0		_aeng _beng _bara
049			_aDeposit
082	0	4	_a610.284
092			_a610.284 _221
097			_aPh.D
099			_aCai01.13.03.Ph.D.2025.Sh.D
100	0		_aShimaa Mohamed Khder Abd EL-Mokhtar, _epreparation.
245	1	0	_aComputer aided grading system for human ivf blastocyst embryos / _cby Shimaa Mohamed Khder Abd EL-Mokhtar ; Supervisors Prof. Inas Ahmed Yassine, Prof. Ahmed Mohmed El-Bialy
246	1	5	_aنظام التصنيف بمساعدة الكمبيوتر للصور المجهرية للاجنة في مرحلتها الأخيرة التي تسمى بالكيسة الاريمية
264		0	_c2025.
300			_a68 pages : _billustrations ; _c30 cm. + _eCD.
336			_atext _2rda content
337			_aUnmediated _2rdamedia
338			_avolume _2rdacarrier
502			_aThesis (Ph.D)-Cairo University, 2025.
504			_aBibliography: pages 60-68.
520		3	_aBlastocyst 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.
520		3	_aيعد 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٪
530			_aIssues also as CD.
546			_aText in English and abstract in Arabic & English.
650		0	_aBiomedical engineering
650		0	_aالهندسة الحيوية الطبية
653		1	_aComputer Aided Grading (CAG) system _a In Vitro Fertilization (IVF) _aBlastocyst _aConvolution Neural Network (CNN) _aGardner’s Grading system _aالإخصاب في المختبر (IVF) _aنظام التصنيف بمساعدة الكمبيوتر (CAG)
700	0		_aInas Ahmed Yassine _ethesis advisor.
700	0		_aAhmed Mohmed El-Bialy _ethesis advisor.
900			_b01-01-2025 _cInas Ahmed Yassine _cAhmed Mohmed El-Bialy _dAhmed Hisham Kandil _dNancy Mostafa Ahmed Salem _UCairo University _FFaculty of Engineering _DDepartment of Biomedical Engineering and Systems
905			_aShimaa
942			_2ddc _cTH _e21 _n0
999			_c176916