000			04015namaa22004331i 4500
003			EG-GICUC
005			20260311102322.0
008			260301s2025 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	_a610.28
092			_a610.28 _221
097			_aPh.D
099			_aCai01.13.03.Ph.D.2025.Ah.D
100	0		_aAhmed Mohamed Salaheldin Mohamed Sadek, _epreparation.
245	1	0	_aDetection and grading of papilledema using artificial intelligence techniques / _cby Ahmed Mohamed Salaheldin Mohamed Sadek ; Supervisors Prof. Manal Abdel Wahed, Prof. Neven Saleh.
246	1	5	_aاكتشاف وتصنيف ارتشاح عصب الابصار باستخدام تقنيات الذكاء الاصطناعي
264		0	_c2025.
300			_a82 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 76-82.
520		3	_aThis thesis investigates three distinct approaches for the accurate diagnosis and grading of papilledema, a neuro-ophthalmic condition characterized by optic disc swelling due to heightened intracranial pressure. Utilizing diverse imaging modalities and comprehensive clinical data, the research employs a cascaded model, pretrained convolutional neural networks (CNNs), and customized CNN models for papilledema detection from OCT images. Additionally, fundus images are analyzed using a multi- paths CNN model and a cascaded model integrating ResNet-50 and LSTM for feature extraction and classification. Classical machine learning models including SVM, neural networks, and fuzzy logic are also utilized for papilledema severity detection using clinical data. Contributions include pioneering the implementation of a cascaded deep learning model, introducing a novel OCT dataset, crafting transfer learning models, and designing tailored CNN architectures.
520		3	_aتبحث هذه الدراسة في ثلاثة طرق متميزة للتشخيص الدقيق وتصنيف ارتشاح عصب الابصار، وهي حالة عصبية بصرية تتميز بتورم القرص البصري بسبب ارتفاع الضغط داخل الجمجمة. باستخدام طرق التصوير المتنوعة والبيانات السريرية الشاملة، يستخدم البحث نموذجًا متتاليًا وشبكات عصبية تلافيفية مدربة مسبقًا. بالإضافة إلى ذلك، يتم تحليل صور قاع العين باستخدام نموذج شبكات عصبية تلافيفية متعدد المسارات ونموذج متتالي يدمج طرق لاستخراج الميزات وتصنيفها. يتم أيضًا استخدام نماذج التعلم الآلي الكلاسيكية بما في ذلك نموذج دعم الالة والشبكات العصبية والمنطق الغامض للكشف عن خطورة ارتشاح عصب الابصار باستخدام البيانات السريرية.
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	_aPapilledema _aOptical coherence tomography _aFundus Images _aMachine learning _aDeep learning _aConvolutional neural network _aاضطرابات الشبكية _aالصور المقطعية للشبكية
700	0		_aManal Abdel Wahed _ethesis advisor.
700	0		_aNeven Saleh _ethesis advisor.
900			_b01-01-2025 _cManal Abdel Wahed _cNeven Saleh _dMohamed Ali El Dosoky _dAhmed Hisham Kandil _UCairo University _FFaculty of Engineering _DDepartment of Biomedical Engineering and Systems
905			_aShimaa _eEman Ghareb
942			_2ddc _cTH _e21 _n0
999			_c178777