PCOS Detection Using Machine Learning and Deep Learning: Web and Mobile

متلازمة تكيس المبيض (PCOS) من أكثر الاضطرابات الهرمونية شيوعًا بين النساء في سن الإنجاب، وغالبًا ما تؤدي إلى مشكلات مثل العقم واضطرابات التمثيل الغذائي. في هذا المشروع، قمتُ بتطوير إطار تشخيصي يعتمد على الذكاء الاصطناعي يجمع بين البيانات السريرية وصور الأشعة فوق الصوتية للحصول على كشف مبكر ودقيق.

نماذج التعلم العميق:

شبكة عصبية مخصصة CNN بدقة 99.07% وخسارة 0.06.

النماذج الجاهزة (InceptionV3, DenseNet121) حققتا دقة 100% بدون خسارة.

VGG16 حققت 99.26%، و ResNet50 حققت 96.53%.

بينما MobileNetV2 لم تحقق نتائج قوية (65.76%).

خوارزميات التعلم الآلي على البيانات السريرية:

تم استخدام Random Forest, Naive Bayes, XGBoost, AdaBoost.

أفضل نتيجة كانت مع XGBoost بدقة 96.58% مع قوة في الدقة والاسترجاع.

نموذج Stacking Ensemble باستخدام Random Forest كـ Meta-classifier حسّن من الأداء.

نشر النظام:

تم تطوير تطبيق ويب وتطبيق موبايل بواجهة سهلة الاستخدام.

يتيح رفع صور الأشعة والحصول على تشخيص لحظي.

متكامل مع Firebase لإدارة بيانات المرضى بشكل آمن وسهل.

هذا المشروع يُظهر فعالية الجمع بين التعلم العميق والتعلم الآلي لبناء نظام تشخيصي متكامل، قابل للتوسع، وسهل الاستخدام، مما يوفر أداة دعم قرار فعّالة خاصة في البيئات الطبية محدودة الموارد.