Brain tumor detection model

Brain Tumor AI هو مشروع ذكاء اصطناعي لتصنيف أورام المخ تلقائيًا من صور الرنين المغناطيسي (MRI) باستخدام تقنيات التعلم العميق. المشروع من تطوير محمد حسام، مطور ذكاء اصطناعي وتعلم آلي متخصص في رؤية الحاسوب وتطبيقات الذكاء الاصطناعي في المجال الطبي.

المشكلة التي يحلها

أورام المخ من أخطر الحالات الطبية التي تحتاج تشخيصًا سريعًا ودقيقًا. التحليل اليدوي التقليدي لصور الرنين المغناطيسي يستغرق وقتًا طويلًا ويعتمد على خبرة الطبيب الشخصية، مما قد يُفضي إلى أخطاء في التشخيص. معدل البقاء على قيد الحياة لمدة 5 سنوات يبلغ 35% فقط في المتوسط، مما يجعل الاكتشاف المبكر أمرًا بالغ الأهمية.

ماذا يفعل النموذج؟

يقوم المستخدم برفع صورة رنين مغناطيسي للمخ، ثم يمر بمراحل المعالجة عبر نموذج التعلم العميق، لينتهي بتصنيف الصورة إلى إحدى 4 فئات مع درجة ثقة لكل فئة.

أنواع الأورام التي يكتشفها

النموذج مُدرَّب على التمييز بين أربعة تصنيفات:

Glioma — ورم يصيب الخلايا الدبقية في المخ والحبل الشوكي

Meningioma — ورم يتطور في الأغشية المحيطة بالمخ والنخاع

Pituitary — ورم في الغدة النخامية في قاعدة المخ

No Tumor — لا يوجد ورم (حالة طبيعية)

البيانات التدريبية

النموذج مُدرَّب على مجموعة بيانات متخصصة من صور الرنين المغناطيسي تضم 2,870 صورة تدريب و 394 صورة اختبار.

المعمارية التقنية — كيف يعمل النموذج؟

خط المعالجة يمر بـ 5 مراحل متتالية:

المرحلة 1 — الإدخال: صورة الرنين المغناطيسي الخام

المرحلة 2 — المعالجة المسبقة: تغيير حجم الصورة إلى 224×224 بكسل وتطبيع القيم

المرحلة 3 — النموذج الأساسي: شبكة VGG16 العصبية التلافيفية (Transfer Learning) بعمق 16 طبقة

المرحلة 4 — طبقات التصنيف: طبقات Dense مخصصة مع Softmax لـ 4 فئات

المرحلة 5 — النتيجة: نوع الورم مع درجة الثقة

التقنيات المستخدمة

Python، TensorFlow، Keras، VGG16، CNN، ANN، OpenCV

نتائج الأداء

دقة الاختبار الإجمالية: 95.4% على 394 صورة اختبار، مع خسارة تحقق منخفضة جدًا تبلغ 0.12

أداء النموذج لكل فئة على حدة:

Glioma: 94%

Meningioma: 96%

No Tumor: 97%

Pituitary: 95%

أهداف المشروع الأربعة

الكشف عن الورم، تصنيف نوعه، تجزئته وتحديد حدوده بدقة، ومتابعة تغيراته الموضعية عبر الزمن لتقييم استجابة العلاج