تطبيق متكاملComputer Vision يقوم بالكشف عن مرض الالتهاب الرئوي من صور الأشعة السينية للصدر بدقة تصل إلى 96%. يغطي المشروع خط أنابيب كامل لتعلم الآلة بدءًا من تحضير البيانات وتدريب النموذج وصولًا إلى النشر كـ REST API مع واجهة ويب تفاعلية.
تم بناء النموذج باستخدام DenseNet121 المدرب مسبقًا على ImageNet، وضبطه الدقيق باستخدام استراتيجية Transfer Learning ثنائية المرحلة على مجموعة بيانات Kaggle للأشعة السينية للصدر التي تحتوي على 5,863 صورة. تشمل تقنيات التدريب المستخدمة: Class Weighting للتعامل مع عدم توازن البيانات، و Data Augmentation لتحسين تعميم النموذج، و L2 Regularization و Dropout للحد من Overfitting، بالإضافة إلى Early Stopping و ModelCheckpoint للحصول على أفضل نموذج.
يتم تقديم النموذج المدرب من خلال FastAPI Backend الذي يقبل رفع صور الأشعة السينية ويعيد نتيجة التصنيف مع درجة الثقة. كما يوفر Streamlit Frontend واجهة مستخدم بسيطة لرفع الصور وعرض التنبؤات من خلال شريط ثقة ملون.
أبرز المهارات المُطبَّقة: Transfer Learning، تصنيف الصور الطبية، تطوير REST API، نشر النماذج، وتطوير تطبيقات ML متكاملة.
التقنيات المستخدمة: Python، TensorFlow، Keras، DenseNet121، FastAPI، Streamlit، OpenCV، Scikit-learn، Conda