Brain Tumor Segmentation

مشروع تحليل وتجزئة أورام الدماغ

•المشروع

-الهدف: تطوير نموذج ذكي لتجزئة الصور الطبية (MRI) لتحديد وتجزئة أورام الدماغ بدقة عالية، مما يساعد في التشخيص الطبي وتحسين خطط العلاج.

-مجموعة البيانات: تم استخدام مجموعة بيانات LGG MRI Segmentation من Kaggle، التي تحتوي على صور MRI مقترنة بأقنعة (masks)

تحدد مواقع الأورام.

•التقنيات المستخدمة:

-معالجة الصور: مكتبات OpenCV وNumPy لتحميل الصور وتحويلها إلى تنسيق RGB، مع ضبط حجم الصور لتتناسب مع النموذج.

-تصور البيانات: استخدام Matplotlib وSeaborn لعرض الصور الطبية مع الأقنعة المتراكبة، مما يوضح جودة التجزئة.

-نموذج التعلم العميق: بناء نموذج U-Net باستخدام TensorFlow وKeras، وهو نموذج قوي لتجزئة الصور الطبية، يتضمن طبقات الطي (Convolution) والتجميع (Pooling) والتوسيع (UpSampling).

-تجهيز البيانات: إنشاء إطار بيانات (DataFrame) باستخدام Pandas لتنظيم مسارات الصور والأقنعة، مع تقسيم البيانات إلى مجموعات تدريب واختبار باستخدام Scikit-learn.

-تحسين الأداء: استخدام تقنيات مثل BatchNormalization وImageDataGenerator لتحسين استقرار النموذج وزيادة تنوع البيانات.

-التقييم: تحديد مقاييس الأداء مثل الدقة (Accuracy) ومعامل دايس (Dice Coefficient) لتقييم جودة التجزئة.

•النتائج:

-عرض مرئي للصور الطبية مع الأقنعة المتراكبة باستخدام خريطة ألوان "jet" لتوضيح مناطق الأورام.

-نموذج U-Net يحقق دقة عالية في تحديد الأورام، مما يجعله أداة فعالة للتشخيص الطبي.