Computer Vision for Eye Disease Analysis + Classification

تُعد أمراض العين مثل الساد (Cataract)، اعتلال الشبكية السكري (Diabetic Retinopathy)، والجلوكوما (Glaucoma) من الأسباب الرئيسية لفقدان البصر في حال عدم اكتشافها مبكرًا.

يهدف هذا المشروع إلى تطوير نظام آلي لاكتشاف أمراض العين باستخدام الرؤية الحاسوبية والتعلم العميق، وذلك لتصنيف الصور بدقة واستخراج السمات المهمة من شبكية العين.

في هذا المشروع قمت بالتالي

1- التصنيف (Classification) باستخدام نموذج ResNet18 مع إعادة التدريب (Fine-tuning)

و تطبيق تقنيات تعزيز البيانات (Data Augmentation) مثل تغيير الحجم إلى (224×224)و القلب الأفقيو الدوران

تعديل الألوان (Color Jitter) تصنيف الصور إلى 4 فئات مختلفة من أمراض العين.

2- التقسيم (Segmentation)

استخدام تقنيات الرؤية الحاسوبية التقليدية لاستخراج الأوعية الدموية باستخدام (CLAHE + Canny)

الآفات المرضية باستخدام (HSV + العمليات المورفولوجية)

السمات المستخرجة (Feature Extraction) كانت كثافة الأوعية الدموية, مساحة الآفات المرضية ,متوسط وانحراف ألوانRGB مستوى السطوع (Brightness)

النتائج تشمل

دقة النموذج بنسبة 90%. قيمة الخطأ (Loss): 0.2537

أفضل أداء كان في فئة اعتلال الشبكية السكري:

Precision = 1.0

Recall = 0.98

أظهرت اختبارات عشوائية على الصور تطابقًا بصريًا واضحًا بين التصنيفات المتوقعة والحقيقية

نجحت خوارزميات التقسيم في إبراز المناطق الحرجة المرتبطة بكل مرض بدقة عالية