Brain Tumar Detection and Classification

المشروع يهدف إلى تطوير نظام ذكي لتصنيف أورام الدماغ بالاعتماد على صور الرنين المغناطيسي (MRI) بأنواعه (T1، T1 مع مادة تباين، T2). تم استخدام مجموعة صور مجهولة الهوية ومصنفة من قِبل أطباء أشعة لتشمل أنواعًا متعددة من الأورام مثل: astrocytoma, carcinoma, ependymoma, ganglioglioma, germinoma, glioblastoma, granuloma, medulloblastoma, meningioma, neurocytoma, oligodendroglioma, papilloma, schwannoma, tuberculoma.

لتنفيذ مهمة التصنيف، جرى الاعتماد على عدة نماذج عميقة:

CNN من الصفر: يحتوي على 4 وحدات Convolution مع Dropout وBatch Normalization، واستخدمنا Adamax optimizer وCallbacks (EarlyStopping, ReduceLROnPlateau) لتحقيق تدريب مستقر وكفء.

ResNet (مختلف الإصدارات): أُجريت تجارب على عدة إصدارات مثل ResNet50, ResNet101، وقد حقق ResNet50V2 أفضل أداء من بينها.

DenseNet121 & DenseNet169: بالاستفادة من الأوزان المدربة مسبقًا على ImageNet، مما سمح بتحسين استخراج السمات وإعادة استخدامها بكفاءة.

EfficientNet (عدة نسخ): بعد المقارنة، تم اختيار EfficientNetB5 كأفضل نموذج متوازن بين الدقة والكفاءة الحسابية.

لإتاحة الاستخدام، تم بناء تطبيق ويب باستخدام Flask يتيح للمستخدم رفع صورة الرنين المغناطيسي، حيث يقوم النظام بمعالجتها وإجراء التنبؤ باستخدام النموذج المدرب، ثم يُظهر نوع الورم مع نسبة الاحتمال، إضافة إلى عرض الصورة نفسها في واجهة النتائج.