Hematological Analysis & Dengue Prediction

هدف المشروع إلى تحليل بيانات الدم (CBC) لـ 100 مريض للتمييز بين الحالات الطبيعية وحالات حمى الضنك، وبناء نموذج تعلم آلة (Machine Learning) للمساعدة في التشخيص المبكر.

ما قمت به: استخدمت لغة Python ومكتباتها التحليلية لتنفيذ الخطوات التالية:

التحليل الاستكشافي: اختبار التوزيع الطبيعي للبيانات واكتشاف القيم الشاذة (Outliers).

التحليل الإحصائي: استخدام اختبارات (Mann-Whitney U) لتحديد الفروقات الجوهرية بين المرضى والأصحاء.

تحليل المكونات الرئيسية (PCA): لتقليل الأبعاد وتصور الفوارق بين المجموعات بيانياً.

بناء النماذج: تدريب نماذج (Random Forest, Logistic Regression) للتنبؤ بالمرض.

أهم النتائج:

تحديد "نقص الصفائح الدموية" كأهم مؤشر حيوي للتمييز بين المجموعتين.

نجح نموذج الانحدار اللوجستي (Logistic Regression) في التنبؤ بالمرض بدقة وصلت إلى 93.3%.

تقديم تقرير متكامل يدعم اتخاذ القرار الطبي بناءً على الأدلة.