Teeth Disease Classification

قمت بتطوير نظام يعتمد على التعلم العميق والرؤية الحاسوبية لتصنيف أمراض الأسنان تلقائيًا من الصور الطبية، بهدف المساعدة في تسريع عملية التشخيص وتحليل الحالات بدقة عالية.

يعتمد المشروع على بناء عدة نماذج Convolutional Neural Networks (CNNs)، حيث تم:

- بناء نموذج CNN من الصفر.

- استخدام نماذج متقدمة مدربة مسبقًا مثل EfficientNetB7 و InceptionResNetV2 مع إعادة تدريبها (Fine-tuning) لتحسين الأداء على بيانات أمراض الأسنان.

أهم مميزات المشروع:

- تصنيف 7 أنواع مختلفة من أمراض الأسنان.

- استخدام تقنيات Data Augmentation لزيادة تنوع البيانات وتحسين قدرة النموذج على التعميم.

- تطبيق Class Balancing لمعالجة مشكلة عدم توازن البيانات بين الفئات.

- مقارنة أداء عدة نماذج Deep Learning للوصول لأفضل نموذج.

- واجهة تفاعلية للتنبؤ بالنتائج

تم تطوير تطبيق تفاعلي باستخدام Streamlit يسمح للمستخدم بـ:

- رفع صورة للأسنان.

- الحصول على التنبؤ الفوري بالمرض المحتمل.

- عرض مخطط دائري لاحتمالات الفئات.

- عرض مستوى الثقة لكل فئة.

- إمكانية تحميل النموذج واستخدامه.

النتائج:

حقق النموذج المعدل من InceptionResNetV2 أفضل أداء حيث وصل إلى:

- 99.77% دقة على بيانات التدريب

- 98.25% على بيانات التحقق

- 98.15% على بيانات الاختبار

مما يدل على قدرة النموذج على تحقيق دقة عالية مع تقليل مشكلة الـ Overfitting.

استخدامات المشروع:

- دعم الأطباء في التشخيص المبكر لأمراض الأسنان.

- أنظمة الفحص الطبي الذكية.

- تطبيقات الصحة الرقمية (Digital Health).