Brain Tumor Detection & Segmentation WebApp

Brain Tumor Detection & Segmentation Web Application

قمت ببناء تطبيق ويب تفاعلي باستخدام Flask يدمج بين تصنيف أورام الدماغ (Classification) و تجزئتها (Segmentation) بالاعتماد على صور الرنين المغناطيسي (MRI)، وذلك بهدف دعم الأطباء والباحثين في اكتشاف الأورام بشكل أوضح وأسرع.

المهام المنجزة:

1- تصميم تطبيق ويب باستخدام Flask:

إنشاء واجهة مستخدم سهلة تتيح رفع صور الرنين المغناطيسي (MRI).

دعم صيغ متعددة للصور: jpg, jpeg, png, tif.

2- نماذج الذكاء الاصطناعي:

نموذج التصنيف (Classification – ResNet50):

يحدد ما إذا كانت الصورة تحتوي على ورم أم لا.

يعطي تنبؤًا ثنائيًا (Tumor / No Tumor) مع نسبة الثقة.

الصور يتم معالجتها وإعادة تحجيمها إلى 224×224.

نموذج التجزئة (Segmentation – U-Net):

يستخرج موقع الورم داخل الصورة الطبية.

ينتج قناع (Mask) ثنائي يوضح مكان الورم.

الصور يتم معالجتها وإعادة تحجيمها إلى 256×256.

3- المعالجة المسبقة للصور (Preprocessing):

تحويل الصور من BGR إلى RGB.

إعادة التحجيم والتطبيع (Normalization).

تجهيز الصور لتناسب متطلبات كل نموذج.

4- إخراج النتائج:

عرض الصورة الأصلية المرفوعة.

عرض القناع الناتج من نموذج التجزئة.

عرض نتيجة التصنيف (Tumor / No Tumor + نسبة الثقة).

حفظ الصور المرفوعة في مجلد uploads، والأقنعة في مجلد outputs.

الأدوات والتقنيات المستخدمة:

Python (Flask, TensorFlow/Keras, OpenCV, NumPy, Matplotlib).

Deep Learning Models: ResNet50 للتصنيف، U-Net للتجزئة.

النتائج النهائية (Key Outcomes):

تطوير تطبيق ويب يسمح برفع صور MRI وتحليلها فورياً.

الحصول على تنبؤ واضح: هل يوجد ورم أم لا.

توليد قناع (Mask) يوضح المنطقة المصابة بدقة.

واجهة تفاعلية تسهّل عرض النتائج للأطباء أو الباحثين.