تصنيف أورام المخ

تصنيف أورام المخ باستخدام الشبكات العصبية الالتفافية (CNN) وتحسين معاملات النموذج بخوارزمية سرب الجسيمات (PSO)

مع التطور المستمر في مجال الذكاء الاصطناعي، أصبح من الممكن تطوير أدوات دقيقة وسريعة تساعد الأطباء في تشخيص الأمراض المعقدة مثل أورام المخ. في هذا المشروع، قمنا بتطوير نموذج يعتمد على الشبكات العصبية الالتفافية (Convolutional Neural Networks - CNN) لتصنيف صور الرنين المغناطيسي للمخ بدقة عالية.

يقوم النموذج بتحليل صور أشعة الرنين المغناطيسي للمخ لتحديد ما إذا كان هناك ورم أم لا، وإذا وُجد فإنه يحدد نوعه. تم تدريب النموذج على تصنيف الصور إلى أربع فئات رئيسية:

ورم الجليوما (Glioma Tumor)

ورم السحايا (Meningioma Tumor)

ورم الغدة النخامية (Pituitary Tumor)

لا يوجد ورم (No Tumor)

ولتحسين دقة النموذج وتجنب أسلوب المحاولة والخطأ في ضبط معاملات النموذج يدويًا، استخدمنا خوارزمية سرب الجسيمات (Particle Swarm Optimization - PSO). وهي تقنية تحسين مستوحاة من السلوك الجماعي للطيور والأسماك، وتساعد في الوصول إلى أفضل توليفة ممكنة لمعاملات النموذج، مثل:

عدد الفلاتر في كل طبقة التفاف

حجم النواة (Kernel Size)

معدل التعلم (Learning Rate)

عدد الطبقات

معدل الإسقاط (Dropout Rate