Brain Tumor Detection Model

هذا المشروع يهدف إلى تطوير نموذج ذكاء اصطناعي متقدم لاكتشاف أورام الدماغ من خلال تحليل صور الرنين المغناطيسي (MRI). يعتمد النموذج على خوارزمية K-Means لتقسيم الصور وتحسينها، بالإضافة إلى استخدام الشبكة العصبية U-Net للحصول على نتائج دقيقة في تحديد الأورام. يعد هذا النظام من الحلول المتقدمة التي تستخدم الذكاء الاصطناعي لدعم الأطباء في تشخيص الأورام بدقة أكبر.

منهجية العمل:

قاعدة البيانات: استخدمنا مجموعة بيانات BRATS2020 التي تحتوي على صور MRI لأكثر من 355 مريضًا.

معالجة البيانات: شملت إعادة تصنيف الأقنعة، تطبيع قيم الكثافة، وتقليل الضوضاء باستخدام مرشحات Gaussian.

تطبيق خوارزمية K-Means: لتجميع بكسلات الصور إلى مجموعات بناءً على الكثافة اللونية.

تطوير النموذج العميق باستخدام U-Net: مع تخصيص معلمات مثل حجم الدُفعة (16) وأبعاد الإدخال (240، 240، 1).

النتائج والأداء:

دقة النموذج (Accuracy): 98.87%

معدل فقدان التدريب (Loss): 0.0187

معدل التحقق (Validation Accuracy): 98.92%

متوسط معيار Dice Score: 0.8352

تحليل الأداء:

أظهر النموذج قدرة عالية على تحديد الأورام بدقة، مع توازن جيد بين الدقة والاسترجاع.

الاستنتاج والتوصيات:

تم تحسين دقة التقسيم باستخدام مزيج من K-Means وU-Net.

التوصية بزيادة حجم البيانات التدريبية واستخدام نماذج إضافية مثل Attention U-Net لتحسين الأداء في الأورام الصغيرة.