Brain Tumor Detection using Deep Learning

يعتبر التشخيص المبكر لأورام المخ أمراً حيوياً لإنقاذ الأرواح، ومن هنا جاء هذا المشروع لتقديم حل تقني متقدم يعتمد على الذكاء الاصطناعي (AI) وتحديداً التعلم العميق (Deep Learning). يهدف النظام إلى تحليل صور الأشعة بالرنين المغناطيسي (MRI) وتصنيفها بدقة عالية لتحديد وجود ورم من عدمه.

لقد قمت باستخدام تقنية التعلم بنقل الخبرة (Transfer Learning) من خلال توظيف نموذج ResNet50V2 العالمي، وتدريبه على مجموعة بيانات ضخمة تحتوي على صور ممسوحة ضوئياً لمرضى، مما يضمن دقة عالية وتوفيراً كبيراً في الموارد الحسابية والوقت.

المميزات التقنية والمراحل (Technical Highlights):

معالجة البيانات (Data Preprocessing):

تنظيم وتحليل مسارات الصور وتصنيفها آلياً.

التعامل مع ملفات التسميات (Labels) والإحداثيات (Bounding Boxes) لضمان دقة البيانات المدخلة.

بناء النموذج (Model Architecture):

الاعتماد على بنية ResNet50V2 المتطورة التي تتميز بقدرتها العالية على استخلاص الميزات (Feature Extraction) من الصور الطبية المعقدة.

إضافة طبقات مخصصة (Custom Layers) لتحسين نتائج التصنيف الثنائي (Binary Classification).

التدريب والتحسين:

استخدام مكتبات TensorFlow و Keras للتدريب.

تحسين المعاملات (Hyperparameter Tuning) للوصول لأفضل دقة ممكنة وتقليل نسبة الخطأ.

النتائج:

توفير نموذج قادر على التنبؤ بالحالات المصابة والسليمة بدقة (Accuracy) عالية جداً، مما يجعله أداة مساعدة قوية للأطباء.

الأدوات والتقنيات المستخدمة:

اللغة: Python 3.

المكتبات الأساسية: TensorFlow, Keras, NumPy, Pandas.

معالجة الصور: OpenCV / PIL.