بناء نموذج للتنبؤ بأمراض القلب

نظام متكامل لتشخيص أمراض القلب باستخدام تعلم الآلة و Flask

مشروع شامل يغطي دورة حياة علم البيانات كاملة، بدءاً من معالجة البيانات وصولاً إلى نشر النموذج كخدمة API تفاعلية.

1. تحليل ومعالجة البيانات (EDA):

استخدام بيانات (Heart Disease UCI) من Kaggle.

تنظيف البيانات ومعالجة القيم المفقودة (باستخدام الحذف أو التعويض بالوسيط/المنوال).

تحليل استكشافي لفهم العلاقات بين العوامل الطبية (مثل العمر، الكوليسترول، نوع ألم الصدر) والإصابة بالمرض.

2. بناء النموذج (Model Building):

معالجة البيانات للتدريب (Standardization و One-Hot Encoding).

تدريب ومقارنة نماذج (Logistic Regression و Random Forest).

تحسين أداء النموذج النهائي (Random Forest) باستخدام GridSearchCV مع التركيز على مقياس Recall لتقليل التشخيصات الخاطئة.

3. تفسير النموذج (Interpretability):

تطبيق خوارزمية SHAP لفهم كيفية تأثير كل ميزة (مثل ضغط الدم) على قرار النموذج، مما يزيد الثقة في النتائج.

4. الواجهة البرمجية (RESTful API):

تطوير API باستخدام Flask لتقديم التنبؤات.

ربط النظام بقاعدة بيانات MySQL لتخزين سجلات المرضى ونتائجهم.

توفير نقاط نهاية (Endpoints) متقدمة للحصول على التنبؤ، وتفسيرات SHAP، ومقارنة تطور حالة المريض.