نموذج تعلم عميق لتصنيف أورام الدماغ متعددة الأنواع باستخدام ResNet50

قمت بتطوير نموذج تعلم عميق لتصنيف أورام الدماغ (أربع أنواع مختلفة) بالاعتماد على صور الرنين المغناطيسي (MRI). الهدف من المشروع هو مساعدة الأطباء والباحثين في التعرف على نوع الورم بشكل أسرع وأكثر دقة

طريقة التنفيذ:

معالجة البيانات: قمت باستخدام مكتبة OpenCV لإجراء معالجة مسبقة للصور، بالإضافة إلى تطبيق تقنيات زيادة البيانات (التدوير، التكبير، والانعكاس) لتحسين قدرة النموذج على التعميم.

التعلم بالنقل (Transfer Learning): استخدمت الشبكة العصبية ResNet50 كأساس، مع إضافة طبقات مخصصة (GlobalAveragePooling2D، Dense، Dropout) وتحسين الأداء من خلال إعادة ضبط بعض الطبقات (Fine-tuning).

تحسين التدريب: تم استخدام تقنيات مثل Class Weights للتعامل مع عدم توازن البيانات، بالإضافة إلى Early Stopping و تقليل معدل التعلم لضمان أفضل دقة ممكنة.

المميزات والنتائج

دقة اختبار وصلت إلى %81.22 على بيانات متنوعة.

النموذج تم اختباره على مصادر مختلفة لصور الرنين المغناطيسي وحقق نسبة 5/6 صحيحة.

المشروع موثق بالكامل ومرفوع على GitHub وKaggle مع فيديو توضيحي، مما يبرز التطبيق العملي في مجال الطب والتصوير الطبي.