في هذا المشروع، قمت بتطوير نظام متكامل يعتمد على التعلم العميق لتصنيف صور الرنين المغناطيسي (MRI) وتحديد ما إذا كانت تحتوي على ورم في الدماغ أم لا. يهدف هذا النظام إلى مساعدة الأطباء في التشخيص المبكر وزيادة دقة الكشف.
معالجة البيانات: قمت بمعالجة مجموعة من صور أشعة الرنين المغناطيسي، وشمل ذلك قص (Cropping) الصور للتركيز على منطقة الدماغ فقط، مما يحسن من أداء النموذج.
بناء النموذج: استخدمت بنية الشبكة العصبونية الالتفافية (CNN) القوية VGG-16 كأساس للنموذج، مع الاستفادة من تقنية "التعلم بالنقل" (Transfer Learning) لتدريبها على المهمة المحددة.
التدريب والتقييم: درّبت النموذج على مجموعة بيانات التدريب وقمت بتقييم أدائه على مجموعة بيانات منفصلة للتحقق (Validation set)، حيث حقق دقة ممتازة.
التقنيات المستخدمة:
لغة البرمجة: Python
مكتبات التعلم العميق: Keras, TensorFlow
مكتبات معالجة الصور والبيانات: OpenCV, Scikit-learn, Matplotlib, Plotly, NumPy
حقق النموذج دقة تصل إلى 98% على بيانات التحقق، مما يثبت فعاليته العالية كأداة مساعدة ذكية في المجال الطبي.