نظام آلي يساعد الأطباء في تشخيص أورام الكبد بدقة وسرعة عالية

بناءً على ملف "CT_class_improved.ipynb" الذي قمت برفعـه، إليك تفاصيل المشروع من حيث النوع والميزات وطريقة التنفيذ:

1. نوع العمل (Project Type)

المشروع عبارة عن نظام ذكاء اصطناعي متخصص في الرؤية الحاسوبية الطبية (Medical Computer Vision)، وتحديداً:

تجزئة صور الكبد ثلاثية الأبعاد (3D CT Liver Segmentation): تحديد ورسم حدود الكبد والأورام بدقة.

التصنيف الطبي (Classification): تصنيف الحالة كـ "وجود سرطان" أو "عدم وجود سرطان" بناءً على نسبة الأورام المكتشفة في الأشعة المقطعية.

2. ميزات المشروع (Project Features)

يتميز هذا العمل بعدة تحسينات تقنية تجعله متطوراً وفعالاً:

كفاءة الذاكرة والأداء: يستخدم "التدريب بدقة مختلطة" (Mixed Precision Training) لتسريع العملية وتقليل استهلاك ذاكرة الكارت الرسومي (GPU).

هيكلية نموذج متقدمة: يعتمد على نموذج 3D U-Net المطور، والذي يحتوي على "وصلات متبقية" (Residual Connections) لضمان تدفق أفضل للبيانات وتحقيق دقة أعلى.

معالجة بيانات ذكية: يتضمن المشروع نظاماً لتخزين البيانات المعالجة مؤقتاً (Caching) لتجنب إعادة المعالجة في كل دورة تدريبية، مما يوفر وقتاً كبيراً.

دقة التقييم: يستخدم مقاييس متقدمة مثل Dice Coefficient (معامل دايس) و Combined Loss (مزيج من خسارة الدايس والتقاطع الثنائي) لضمان أعلى جودة في تحديد أماكن الأورام.

نظام تعزيز البيانات (Data Augmentation): يقوم النظام تلقائياً بتدوير وقلب وتغيير سطوع الصور الطبية لزيادة قدرة النموذج على التعرف على الحالات المختلفة.

3. طريقة التنفيذ (Implementation Workflow)

يتبع المشروع تسلسلاً هندسيًا منظماً كالتالي:

تحميل وتجهيز البيانات: يتم قراءة ملفات الأشعة بصيغة (NIfTI)، ثم تطبيق تقنية "نافذة وحدات هونسفيلد" (HU windowing) لتركيز التباين على الأنسجة الرخوة في الكبد.

بناء النموذج: يتم تصميم شبكة 3D U-Net التي تتكون من "مشفر" (Encoder) لاستخراج الميزات، و "مفكك تشفير" (Decoder) لإعادة رسم الخريطة المكانية للورم.

التدريب الذكي: يتم تدريب النموذج باستخدام تقنيات مثل:

Early Stopping: لإيقاف التدريب تلقائياً عند وصول النموذج لأفضل دقة ومنع "التعلم الزائد".

Learning Rate Scheduling: تقليل سرعة التعلم تدريجياً لضمان الوصول إلى أدق النتائج.

التنبؤ والتصنيف: عند إدخال أشعة جديدة، يقوم النموذج بتوليد قناع (Mask) يحدد مكان الورم، ثم يحسب نسبة حجم الورم إلى حجم الكبد الكلي لتحديد الحالة الطبية ( CANCER DETECTED أو NO CANCER).

التصور النهائي: يعرض المشروع النتائج عبر صور توضيحية لعدة شرائح من الأشعة (Multi-slice visualization) لتسهيل مراجعتها من قبل الأطباء