المشكلة اللي المشروع ده بيحلها:
التعامل مع صور الرنين المغناطيسي (MRI) لأورام المخ عملية بتحتاج وقت كبير ومجهود ذهني من الأطباء. الفكرة هنا كانت بناء نظام "مساعد" يقدر يصنف الصور دي لـ 3 أنواع (Glioma, Meningioma, Brain Tumor) بسرعة وبدقة توصل لـ 97.5%.
إيه اللي أنا عملته في المشروع؟
بناء النموذج: اعتمدت على معمارية EfficientNetB0 لأنها بتديني توازن ممتاز بين السرعة والدقة في تصنيف الصور، وده كان تحدي كبير عشان أوصل لأفضل أداء ممكن.
التعامل مع البيانات: الصور الطبية حساسة جداً، فاشتغلت على الـ Preprocessing والـ Data Augmentation بنفسي عشان النموذج ميعملش "حفظ" للصور (Overfitting) ويقدر يقرأ أي صورة جديدة بثقة.
النتائج اللي وصلت لها: زي ما هو واضح في الـ Confusion Matrix والـ ROC Curve، النموذج قدر يفرق بين الحالات بدقة شبه كاملة. النتائج دي مش بس أرقام، دي بتعكس قدرة النظام على تقليل الأخطاء في التشخيص.
التقنيات اللي استخدمتها:
استخدمت بايثون (Python) مع مكتبات TensorFlow و Keras لبناء وتدريب النموذج، وكل الشغل ده تم على بيئة عمل منظمة عشان أوصل لأفضل استقرار في النتائج.
ليه المشروع ده مهم؟
هدفي من المشروع ده هو توفير أداة عملية تدعم الأطباء، وتسرع عملية التشخيص، وتكون حلقة وصل بين التقنية المتطورة والمجال الطبي.
