CerebroScan | تطبيق ويب بالذكاء الاصطناعي للكشف عن مراحل ألزهايمر

تعاني الأدوات الطبية التشخيصية غالبًا من واجهات مستخدم قديمة ومعقدة. كان الهدف من مشروع CerebroScan هو سد الفجوة بين نماذج التعلم العميق )Deep Learning( المتقدمة وتجربة المستخدم )UI/UX( الاستثنائية. قمنا ببناء تطبيق ويب حديث وسهل الاستخدام يصنف مراحل مرض ألزهايمر من خلال صور الرنين المغناطيسي )MRI(.

)تنويه: هذا المشروع تم تطويره للأغراض التعليمية والبحثية فقط، ولا يغني عن الاستشارة الطبية المتخصصة(.

دوري في المشروع:

تم تنفيذ هذا المشروع بالتعاون مع فريق من الطلبة الجامعيين بقسم الهندسة الطبية. بينما كان البحث العلمي وتدريب النماذج جهدًا مشتركًا، كان دوري الأساسي يتمثل في التطوير البرمجي )Software Engineering(، وتنفيذ واجهة المستخدم، والنشر الكامل للتطبيق )Full-Stack Deployment(. قمت بحزم التطبيق )Containerization( ونشره في بيئة إنتاج حية باستخدام GitHub وNetlify للفرونت إند ومنصة Hugging Face للباك إند )Flask API(.

المميزات التقنية الأساسية:

• نظام تعدد النماذج )Multi-Model(: يوفر النظام مرونة للمستخدم للاختيار بين 3 نماذج ذكاء اصطناعي مخصصة، تم تحسينها لتحقيق أعلى دقة:

- نموذج Orion (ResNet-101): الأساسي )دقة 98%(

- نموذج Atlas (ResNet-50): سريع وموثوق )دقة 98%(

- نموذج Pulse (EfficientNet-B2): بنية عالية الكفاءة )دقة 98%(

• معالجة الحالات الحرجة "Unsure State": لضمان الموثوقية، قمت ببرمجة النظام ليعتمد على "عتبة ثقة" )Confidence Threshold(. إذا قلت نسبة ثقة النموذج عن رقم معين )Atlas: 75%, Orion: 80%, Pulse: 85%(، يرفض التطبيق إعطاء نتيجة إيجابية أو سلبية كاذبة. بدلًا من ذلك، تظهر حالة "غير متأكد" مع عرض تفصيلي شفاف لكل الاحتمالات.

فلسفة التصميم وتجربة المستخدم )UI/UX(:

تم تصميم الواجهة لتكون عكس البرامج الطبية التقليدية المزدحمة. تتميز بجمالية حديثة، وتدعم التبديل السلس بين الوضعين الداكن والفاتح )Light/Dark Mode(، مع استجابة كاملة لجميع الشاشات )Responsive Design( لتقديم نتائج بصرية فورية ونظيفة.

التقنيات المستخدمة:

• واجهة المستخدم Frontend): React & Tailwind CSS (Lovable)(

• الواجهة الخلفية Backend): Python, Flask, Gunicorn, TensorFlow/Keras(

• النشر والاستضافة Deployment): Hugging Face (Backend), GitHub/Netlify (Frontend)(