breast_cancer

1. المشكلة التي يحلها المشروع:

الكشف المبكر عن أورام سرطان الثدي وتصنيفها إلى خبيثة أو حميدة يعد خطوة حاسمة لإنقاذ حياة المرضى. المشكلة تكمن في أن التحليل اليدوي للفحوصات والبيانات الطبية قد يستغرق وقتاً طويلاً ويحتمل نسبة خطأ بشري، مما يتطلب وجود أداة ذكاء اصطناعي دقيقة وموثوقة تساند الأطباء في اتخاذ القرارات التشخيصية السريعة.

2. الحل التقني والمنهجية:

تم بناء وتدريب 3 خوارزميات تجميعية متقدمة (Ensemble Boosting Models) لتصنيف البيانات الطبية بدقة عالية:

AdaBoost

Gradient Boosting

XGBoost

تم إجراء تدريب ومقارنة شاملة لنسب الدقة (Accuracy Scores) بين النماذج الثلاثة لاختيار النموذج الأكفأ والأكثر دقة في التنبؤ الحالات.

3. القيمة المضافة:

دقة وسرعة التشخيص: تقليل زمن التشخيص المبدئي ومساعدة الكوادر الطبية بتقديم تقييم آلي دقيق.

مقارنة تقنية محايدة: تقييم أداء أشهر خوارزميات الـ Boosting وتحديد الخوارزمية الأفضل للتعامل مع البيانات الطبية الحساسة.