Skin Cancer Classification Using Genetic Algorithms

نوع العمل:

تصنيف صور طبية (Medical Image Classification) باستخدام تقنيات الذكاء الاصطناعي وخوارزميات التحسين (Optimization). المشروع يركز على تطبيق الخوارزميات الجينية (Genetic Algorithms) لتحسين دقة نموذج تصنيف سرطان الجلد.

المميزات:

-تحسين دقة التصنيف لتصل إلى %83.6 من خلال اختيار الخصائص (features) المثالية باستخدام الخوارزميات الجينية.

-تقليل أبعاد البيانات (Dimensionality Reduction) مما ساعد على تقليل وقت التدريب وتحسين كفاءة النموذج.

-إمكانية استخدام المشروع في تطبيقات طبية حقيقية لدعم الأطباء في تشخيص أسرع وأكثر دقة.

-الاعتماد على تقنيات الذكاء الاصطناعي المتقدمة (Machine Learning + Optimization).

طريقة التنفيذ:

-تم استخدام بيانات حقيقية من HAM10000 dataset (صور سرطان الجلد).

-تم معالجة البيانات مبدئيًا (Preprocessing) لتجهيز الصور.

-تطبيق خوارزمية جينية لاختيار أفضل مجموعة من الخصائص أو معلمات النموذج.

-تدريب النموذج باستخدام مكتبات Python مثل: TensorFlow, scikit-learn, numpy, pandas, PIL.

-تقييم الأداء باستخدام دالة ملائمة (Fitness Function) قائمة على دقة النموذج.

-متابعة تطور الخوارزمية عبر أجيال متعددة (Generations) حتى الوصول إلى أفضل نموذج.