Brain MRI

يهدف المشروع إلى بناء نموذج تعلم عميق (Deep Learning) لتصنيف صور الرنين المغناطيسي للدماغ (Brain MRI) للكشف عن وجود أورام سرطانية من عدمه.

خطوات العمل التفصيلية في الكود:

استيراد المكتبات (Importing Libraries):

استخدام مكتبات معالجة البيانات مثل pandas و numpy.

استخدام مكتبات التصور البياني مثل matplotlib و seaborn.

الاعتماد بشكل أساسي على tensorflow و keras لبناء وتدريب الشبكات العصبية الاصطناعية.

تحضير البيانات (Data Preparation):

يتم جلب مسارات الصور وتصنيفاتها (Labels) من مجلد محدد (brain_tumor_dataset).

تنظيم البيانات في إطار بيانات (DataFrame) يحتوي على مسار الصورة والفئة الخاصة بها ("yes" للورم، و "no" لعدم وجود ورم).

تحتوي مجموعة البيانات الإجمالية على 253 صورة.

تقسيم البيانات (Data Splitting):

تقسيم البيانات إلى مجموعة تدريب (Training set) بنسبة 80% ومجموعة اختبار (Test set) بنسبة 20%.

نتج عن ذلك 202 صورة للتدريب و 51 صورة للاختبار.

توليد ومعالجة الصور (Image Data Generation):

استخدام ImageDataGenerator لتحميل الصور ومعالجتها.

تحديد حجم الصور ليكون 224x224 بكسل مع 3 قنوات ألوان (RGB).

استخدام "batch size" يساوي 8 لمعالجة الصور في مجموعات صغيرة أثناء التدريب.

مخرجات النموذج (Model Outputs):

يتضمن الكود في نهايته عمليات لحفظ أوزان النموذج المدرب (Model.weights.h5) وحفظ أسماء الفئات في ملف json لاستخدامها لاحقاً في عمليات التنبؤ