نظام كشف وتحديد موقع أورام المخ (MRI Tumor Detection)

قمت بتطوير نظام ذكاء اصطناعي طبي يهدف إلى مساعدة الأطباء في تحليل صور الرنين المغناطيسي (MRI) للدماغ، عن طريق الكشف التلقائي عن الأورام وتحديد موقعها بدقة باستخدام مربعات الإحاطة (Bounding Boxes).

التحدي التقني:

أورام المخ تختلف كثيراً في الحجم والشكل والمكان، وقد تكون صغيرة جداً أو مشابهة لأنسجة المخ السليمة، مما يجعل اكتشافها تحدياً كبيراً. الهدف هو بناء نموذج "كشف كائنات" (Object Detector) متخصص لهذه المهمة الحساسة.

المنهجية والتقنيات (Architecture):

الخوارزمية المستخدمة: اعتمدت على معمارية Faster R-CNN (Region-based Convolutional Neural Networks).

لماذا Faster R-CNN؟ تعتبر من أدق الخوارزميات في مجال كشف الكائنات، حيث تعمل على مرحلتين (استخراج المناطق المقترحة RPN، ثم تصنيفها وتحديد أبعادها)، مما يجعلها مثالية لالتقاط الأورام الصغيرة بدقة عالية مقارنة بخوارزميات المرحلة الواحدة الأسرع والأقل دقة.

التدريب: تم تدريب النموذج على مجموعة بيانات طبية موسومة (Labeled MRI Dataset) ليتعلم التمييز بين أنسجة الورم وأنسجة المخ الطبيعية.

وظائف النظام:

Detection & Localization: فحص صورة الأشعة وتحديد ما إذا كان هناك ورم أم لا.

Visualization: رسم مربع ملون (Bounding Box) بدقة حول منطقة الورم المكتشفة على الصورة الأصلية، مع توضيح نسبة الثقة (Confidence Score).

الأدوات المستخدمة:

Python.

Deep Learning Framework (: PyTorch).

Faster R-CNN Architecture.

OpenCV (لمعالجة الصور وعرض النتائج).