000			07352namaa22004451i 4500
003			EG-GICUC
005			20260120130901.0
008			260111s2024 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	_a616.0757
092			_a616.0757 _221
097			_aPh.D
099			_aCai01.11.31.Ph.D.2024.Sa.A
100	0		_aSalma Moheeb Abdelghaffar, _epreparation.
245	1	0	_aAdded value of artificial intelligence in the specification of the grouped breast microcalcifications / _cby Salma Moheeb Abdelghaffar ; Supervised Prof. Sahar Mahmoud Mansour, Prof. Rasha Wessam Abdel-Rahman, Prof. Ghada Mohammed Abdel-Salam.
246	1	5	_aالقيمة الإضافية للذكاء الإصطناعي في تمييز التجمعا التكلسية بالثدي
264		0	_c2024.
300			_a174 pages : _billustrations ; _c25 cm. + _eCD.
336			_atext _2rda content
337			_aUnmediated _2rdamedia
338			_avolume _2rdacarrier
502			_aThesis (Ph.D)-Cairo University, 2024.
504			_aBibliography: pages161-172.
520		3	_aBreast microcalcifications are small calcium deposits that appear on mammograms and can be classified as either physiological or malignant. Physiological calcifications are typically benign, resulting from normal aging, fibrocystic changes, or previous trauma, while malignant calcifications are often associated with ductal carcinoma in situ (DCIS) or invasive breast cancer. Due to their overlapping appearances, distinguishing between benign and malignant microcalcifications is crucial for accurate diagnosis and appropriate management. Therefore, an advanced imaging modality is required to differentiate between the two, allowing for better characterization of morphology, distribution, and associated tissue changes to guide clinical decision-making. This study was conducted to leverage artificial intelligence (AI) in enhancing our ability to differentiate between benign and malignant breast microcalcifications on mammograms. Additionally, we aimed to assess AI’s potential in predicting the subsequent risk of breast cancer based on the various morphological patterns of grouped microcalcifications. We used AI Lunit INSIGHT software, that was applied to mammograms, and an abnormality score reflecting the probability of malignancy score detected for each lesion ranging from 1-100% (100% represents the highest level of suspicion and 1% the lowest level and colour hue were given to each case, I read mammograms and acquired microcalcifications morphologies, readings were correlated with pathology results To our knowledge, this is the first study to classify the value of AI in correlation to microcalcification morphologies. Our study showed that AI could suspect malignancy of grouped breast MCs, with 72.67% accuracy, with AI cut-off value for estimating suspicion 78.5%, sensitivity of 62.7%, specificity of 78.1%, and AUC 0.757 (P =0. 000).
520		3	_aالتكلسات الدقيقة في الثدي هي ترسبات صغيرة من الكالسيوم تظهر في صور الأشعة السينية للثدي، ويمكن تصنيفها إلى تمعدنات فيزيولوجية أو خبيثة. التكلسات الفيزيولوجية عادة ما تكون حميدة وتنتج عن الشيخوخة الطبيعية أو التغيرات الكيسية الليفية أو الصدمات السابقة، بينما التمعدنات الخبيثة غالبًا ما ترتبط بسرطان القنوات الموضعي (DCIS)أو سرطان الثدي الغازي. نظرًا لتشابه مظهرها، فإن التمييز بين التكلسات الحميدة والخبيثة أمر بالغ الأهمية للتشخيص الدقيق والإدارة السليمة. ولذلك، هناك حاجة إلى وسيلة تصوير متقدمة لتمييز النوعين، مما يتيح توصيف أفضل للخصائص الشكلية، والتوزيع، والتغيرات المرتبطة بالنسيج، وذلك لإرشاد اتخاذ القرارات السريرية. تم إجراء هذه الدراسة للاستفادة من الذكاء الاصطناعي (AI) في تعزيز قدرتنا على التمييز بين التمعدنات الدقيقة الحميدة والخبيثة في صور الأشعة السينية للثدي. بالإضافة إلى ذلك، كان هدفنا تقييم قدرة الذكاء الاصطناعي في التنبؤ بمخاطر الإصابة بسرطان الثدي المستقبلية بناءً على الأنماط الشكلية المختلفة للتمعدنات الدقيقة المتجمعة. استخدمنا برنامج الذكاء الاصطناعيLunit INSIGHT، الذي تم تطبيقه على صور الأشعة السينية للثدي، حيث تم تحديد درجة الشذوذ التي تعكس احتمالية الخبث لكل آفة، والتي تراوحت من 1-100% (حيث تمثل 100% أعلى مستوى من الاشتباه و1% أدنى مستوى)، وتم منح كل حالة لونًا معينًا. قمت بقراءة صور الأشعة السينية واكتساب الأشكال المختلفة للتمعدنات الدقيقة، وتم ربط القراءات بنتائج الفحص النسيجي. وفقًا لما نعلمه، فإن هذه هي الدراسة الأولى التي تصنف قيمة الذكاء الاصطناعي بالارتباط مع أشكال التمعدنات الدقيقة. أظهرت دراستنا أن الذكاء الاصطناعي يمكنه الاشتباه في الخبث في التمعدنات الدقيقة المتجمعة في الثدي بدقة تصل إلى 72.67%، مع قيمة قطع للذكاء الاصطناعي لتقدير الاشتباه تبلغ 78.5%، وحساسية قدرها 62.7%، وخصوصية 78.1%، ومنطقة تحت المنحنى AUC قدرها 0.757 (P = 0.000). أظهرت أبحاثنا أيضًا أن الذكاء الاصطناعي يمكن استخدامه بشكل فعال للاشتباه في الخبث في الأشكال الخشنة المتنوعة والأشكال الدقيقة المتعددة للتمعدنات الدقيقة المتجمعة، مع قيم قطع تبلغ 69.5% و87.5%، وحساسية قدرها 87.5% و63.83%، وخصوصية 67.8% و86.21%، ودقة 75.76% و76.19%، ومنطقة تحت المنحنى AUC قدرها 0.841 و0.763.
530			_aIssues also as CD.
546			_aText in English and abstract in Arabic & English.
650		0	_aRadiodiagnosis
650		0	_aالاشعة التشخيصية
653		1	_aartificial _aspecification _abreast microcalcifications
700	0		_aSahar Mahmoud Mansour _ethesis advisor.
700	0		_aRasha Wessam Abdel-Rahman _ethesis advisor.
700	0		_aGhada Mohammed Abdel-Salam _ethesis advisor.
900			_b01-01-2024 _cSahar Mahmoud Mansour _cRasha Wessam Abdel-Rahman _cGhada Mohammed Abdel-Salam _UCairo University _FFaculty of Medicine _DDepartment of Radiodiagnosis
905			_aShimaa _eEman Ghareb
942			_2ddc _cTH _e21 _n0
999			_c177603