Brainee Classifier

مصنف Brainee هو نظام كامل مدعوم بالذكاء الاصطناعي لتصنيف أورام المخ. وهو يستفيد من التعلم العميق مع التعلم الانتقالي VGG19 لتصنيف الصور الطبية بدقة وكفاءة. يتضمن المشروع واجهة برمجة تطبيقات خلفية مبنية باستخدام Flask وتطبيق ويب حديث قائم على React، مما يخلق واجهة تفاعلية للمستخدمين.

الميزات

التصنيف المدعوم بالذكاء الاصطناعي: يستخدم التعلم الانتقالي VGG19 لتحقيق دقة عالية.

التكامل الكامل: واجهة Flask الخلفية متصلة بواجهة React الأمامية لتجربة مستخدم سلسة.

خط أنابيب البيانات المخصص: يتعامل مع معالجة الصور مسبقًا، والزيادة، والتحميل.

تحسين التدريب المتقدم: يتضمن عمليات إعادة الاتصال مثل التوقف المبكر وتعديل معدل التعلم.

التصور التفاعلي: يعرض التوقعات ومصفوفات الارتباك ومقاييس الأداء.

جاهز للنشر: يتم حفظ النموذج كملف .h5 قابل لإعادة الاستخدام للتطبيقات في العالم الحقيقي.

هندسة النظام

معالجة البيانات: المعالجة المسبقة، والزيادة، وتطبيع الصور الطبية.

تدريب النموذج: نقل التعلم باستخدام VGG19 والضبط الدقيق لتحسين الأداء.

الواجهة الخلفية (Flask): توفر نقاط نهاية واجهة برمجة التطبيقات لاستنتاج النموذج والتنبؤ به.

الواجهة الأمامية (React): واجهة مستخدم تفاعلية لتحميل الصور وتصور النتائج.

حزمة التكنولوجيا

الواجهة الخلفية:

Flask

TensorFlow/Keras

الواجهة الأمامية:

React.js

Axios

التعلم الآلي:

VGG19 Transfer Learning

مكتبات Python: NumPy وPandas وMatplotlib وSeaborn وPlotly وScikit-learn

التثبيت

المتطلبات الأساسية

Python 3.8+

Node.js وnpm

الخطوات

استنساخ المستودع

git clone https://github.com/hassan...

cd braineeclassifier

إعداد الواجهة الخلفية

انتقل إلى مجلد الواجهة الخلفية:

cd backend

تثبيت تبعيات Python:

pip install -r requirements.txt

تشغيل خادم Flask:

python app.py

إعداد الواجهة الأمامية

انتقل إلى مجلد الواجهة الأمامية:

cd frontend

تثبيت تبعيات React:

npm install

بدء تشغيل تطبيق React:

npm run dev

الاستخدام

تحميل صورة مسح دماغي من خلال تطبيق الويب React.

يتم إرسال الصورة إلى الواجهة الخلفية لـ Flask للمعالجة المسبقة والتصنيف.

يتنبأ النموذج بنوع الورم ويعرض النتيجة على الواجهة الأمامية.

التصورات

أداء النموذج: دقة التدريب/التحقق ومنحنيات الخسارة.

مصفوفة الارتباك: تعرض مقاييس التنبؤ لكل فئة.

تحليل التنبؤ: مقارنة بصرية بين العلامات الحقيقية والمتوقعة.

الاعتبارات الأخلاقية

تم تصميم هذه الأداة لأغراض البحث والتعليم فقط.

لا تعد بديلاً عن المشورة الطبية المهنية أو التشخيص.

يُطلب التحقق السريري قبل النشر في إعدادات الرعاية الصحية.

التحسينات المستقبلية

دعم أنواع ومجموعات بيانات إضافية للأورام.

دمج نماذج الذكاء الاصطناعي الأكثر تقدمًا.

تحسين واجهة المستخدم/تجربة المستخدم للتفاعل مع المستخدم.

الترخيص

هذا المشروع مرخص بموجب ترخيص MIT.

الشكر والتقدير

نموذج VGG19 المدرب مسبقًا من ImageNet.

الإلهام مستوحى من أبحاث تصنيف الصور الطبية.

لأي أسئلة أو تعاون، لا تتردد في التواصل معنا!