Brain Tumor Classification using Deep Learning

طورت نظاماً شاملاً لتصنيف أورام الدماغ من صور الرنين المغناطيسي MRI باستخدام تقنيات الذكاء الاصطناعي المتقدمة. يقوم النظام بتصنيف الصور إلى 4 فئات: Glioma، Meningioma، Pituitary، و No Tumor.

الإنجازات الرئيسية:

حققت دقة 99.39% باستخدام نموذج VGG16 المحسن

قارنت بين 11 نموذج مختلف شملت Custom CNN، Transfer Learning (VGG16, ResNet50, EfficientNet)، و Vision Transformers

طبقت تقنيات Explainable AI مثل Grad-CAM و LIME لتفسير قرارات النموذج

استخدمت تقنيات متقدمة لمعالجة عدم التوازن في البيانات

أنشأت نظام تقييم شامل مع Expert Annotations للتحقق من دقة النتائج

التقنيات المستخدمة:

Deep Learning architectures: Custom CNN, VGG16, ResNet50, EfficientNetB0/B5, Vision Transformers

Transfer Learning و Fine-tuning

Data Augmentation و Class Balancing

Explainable AI: Grad-CAM, LIME

Model Evaluation: Confusion Matrix, Classification Reports

TensorBoard للمراقبة والتحليل

النتائج:

أفضل نموذج: VGG16 Fine-tuned بدقة 99.39%

Precision: 99.40%, Recall: 99.39%, F1-Score: 99.39%

نجح في تحقيق Sensitivity عالي (99.34%) و Specificity (99.80%)

تم حفظ جميع النماذج مع Training Logs مفصلة

المهارات المستخدمة:

Python

TensorFlow/Keras

Deep Learning

Computer Vision

Transfer Learning

Vision Transformers

Explainable AI

Medical Image Analysis

Data Science

Model Optimization