AFCM Egypt Project
تفاصيل العمل
## تطبيق Flutter للكشف المبدئي عن التهاب المفاصل الروماتويدي باستخدام الذكاء الاصطناعي
قمت بتطوير تطبيق موبايل باستخدام Flutter يعتمد على نموذج ذكاء اصطناعي بصيغة TensorFlow Lite لتحليل صور الأشعة X-Ray والمساعدة في التمييز بين الصور الطبيعية والصور التي قد تحتوي على مؤشرات غير طبيعية مرتبطة بالتهاب المفاصل الروماتويدي.
يتيح التطبيق للمستخدم اختيار صورة الأشعة من معرض الصور أو التقاط صورة مباشرة باستخدام كاميرا الهاتف، ثم يقوم بمعالجة الصورة وتشغيل نموذج التعلم الآلي محليًا على الجهاز، مع عرض النتيجة ونسبة الثقة بطريقة واضحة وسهلة الاستخدام.
### فكرة المشروع
يهدف التطبيق إلى تقديم تجربة بسيطة وسريعة لتحليل صور الأشعة باستخدام تقنيات Machine Learning داخل تطبيق موبايل، مع التركيز على سهولة الاستخدام وسرعة عرض النتائج دون الحاجة إلى الاتصال المستمر بالخادم.
> ملاحظة: التطبيق مخصص للمساعدة والتحليل المبدئي فقط، ولا يُعتبر بديلًا عن التشخيص الطبي المتخصص.
### أهم المميزات
* اختيار صورة الأشعة من معرض الصور.
* التقاط صورة مباشرة باستخدام كاميرا الهاتف.
* تشغيل نموذج TensorFlow Lite داخل التطبيق.
* تحليل الصورة وعرض نتيجة التوقع.
* عرض نسبة الثقة Confidence Score الخاصة بالنتيجة.
* إمكانية تطبيق معالجة Grayscale على الصور لتحسين جودة الإدخال.
* شاشة نتائج تعرض الصورة الأصلية مع النتيجة المتوقعة.
* واجهة استخدام بسيطة وواضحة.
* دعم الوضع الليلي والنهاري Light / Dark Mode.
* حفظ تفضيلات المستخدم مثل الثيم وحالة أول استخدام للتطبيق.
* تصميم واجهة مريحة بصريًا مع هوية وشعار خاص بالتطبيق.
### التقنيات والأدوات المستخدمة
* Flutter
* Dart
* TensorFlow Lite
* TFLite Flutter Package
* Camera Package
* Image Picker
* SharedPreferences
* GetStorage
* Image Processing
* Machine Learning Model Integration
### دوري في المشروع
* بناء واجهات التطبيق باستخدام Flutter.
* دمج نموذج TensorFlow Lite داخل التطبيق.
* تجهيز تدفق اختيار أو التقاط الصور.
* تنفيذ شاشة عرض النتائج والتوقعات.
* إضافة دعم الوضع الليلي والنهاري.
* إدارة التخزين المحلي لتفضيلات المستخدم.
* تحسين تجربة المستخدم والتنقل داخل التطبيق.
* تجهيز التطبيق للعمل على أجهزة الموبايل بكفاءة.
### النتيجة النهائية
تم تنفيذ تطبيق موبايل متكامل قادر على استقبال صور الأشعة، معالجتها، تشغيل نموذج ذكاء اصطناعي عليها، ثم عرض النتيجة للمستخدم بشكل مباشر وسهل، مما يوضح إمكانية دمج تقنيات الذكاء الاصطناعي داخل تطبيقات Flutter الطبية والتعليمية.