Skin Lesion Classification Using Machine Learning and Deep Learning

تطوير مشروع لتصنيف صور الآفات الجلدية إلى حالات حميدة وخبيثة باستخدام تقنيات Machine Learning وDeep Learning بلغة Python. اعتمد المشروع على بيانات ISIC، والتي تحتوي على صور Dermoscopic للآفات الجلدية إلى جانب بيانات سريرية مساندة مثل العمر، الجنس، ومكان ظهور الآفة. شمل العمل تجهيز البيانات ومعالجة القيم المفقودة، تحويل المتغيرات النصية إلى قيم رقمية، وتطبيع البيانات والصور قبل التدريب. كما تم تنفيذ ومقارنة عدة نماذج لتقييم أداء كل أسلوب على البيانات المنظمة والصور. ساهمت في بناء نماذج Support Vector Machine باستخدام RBF Kernel لتصنيف البيانات السريرية والصور بعد تحويلها إلى Feature Vectors. النتائج التي تم الوصول إليها: * SVM على البيانات السريرية: دقة 78.29%. * SVM على الصور: دقة 68.61%. * CNN على الصور: دقة تحقق وصلت إلى 79.2%. يوضح المشروع أهمية دمج تحليل الصور مع البيانات السريرية لدعم الكشف المبكر عن سرطان الجلد وتحسين القرار الطبي. التقنيات المستخدمة: Python، Scikit-learn، Support Vector Machine، TensorFlow/Keras، CNN، Image Processing، Data Visualization.