نظام تنبؤ بصحة الجنين

قمت بتطوير نظام باستخدام تعلم الآلة لتصنيف حالة صحة الجنين (طبيعية، مشكوك فيها، أو مرضية) اعتمادًا على إشارات تخطيط قلب الجنين (CTG).

استخدمت مجموعة بيانات Fetal Health Classification (من Kaggle/UCI) والتي تحتوي على سمات مثل معدل ضربات قلب الجنين وانقباضات الرحم.

قمت بمعالجة اختلال التوازن في الفئات، وتطبيق تحجيم الخصائص، وتحليل الارتباطات بين المتغيرات.

درّبت نماذج مختلفة تشمل Random Forest، SVM، وXGBoost، وحققت دقة تصل إلى 94٪ على بيانات التحقق.

تم تقييم النماذج باستخدام مصفوفة الالتباس، ومعدل F1، ومنحنى ROC-AUC لضمان الأداء في جميع الفئات.

أنشأت تطبيقًا تفاعليًا باستخدام Streamlit لعرض التنبؤات في الوقت الفعلي بناءً على إدخالات المستخدم.

الأدوات والتقنيات: Python، Scikit-learn، Pandas، Seaborn، Streamlit، Matplotlib