تجزئة أورام المخ باستخدام 3D U-Net مع بيانات BraTS 2020
في هذا المشروع، تم تطوير نموذج باستخدام شبكة 3D U-Net لتحديد وتجزئة أورام المخ في صور الرنين المغناطيسي (MRI) ثلاثية الأبعاد.
استخدمنا بيانات BraTS 2020، وهي واحدة من أكبر وأهم قواعد البيانات المتخصصة في أورام الدماغ.
يهدف المشروع إلى إنشاء نظام دقيق يمكنه التعرف على أماكن الأورام بشكل تلقائي، مما يساعد الأطباء في التشخيص وتحليل تطور المرض.
خطوات تنفيذ المشروع:
1. تحميل البيانات ومعالجتها:
تم تحميل بيانات BraTS 2020 باستخدام مكتبة Kaggle Datasets.
تطبيق المعالجة الأولية على الصور الطبية، مثل:
التطبيع (Normalization) لضبط قيم البكسلات.
إعادة التشكيل (Resampling) لتوحيد أبعاد الصور.
تطبيق بعض تقنيات التحسين العشوائي (Augmentation) لتحسين أداء النموذج.
2. بناء شبكة 3D U-Net:
تم تصميم شبكة 3D U-Net باستخدام مكتبة PyTorch.
تم ضبط طبقات الالتفاف (Convolutions) والتجميع (Pooling) والرفع (Upsampling) لتناسب البُعد الثلاثي للبيانات.
3. تحديد دالة الخسارة:
استخدمنا مزيجًا من Dice Loss وCross-Entropy Loss لزيادة دقة التجزئة وتقليل الأخطاء في المناطق الصغيرة من الورم.
4. تدريب النموذج:
تقسيم البيانات إلى مجموعات تدريب واختبار.
تدريب النموذج لعدة دورات (Epochs) مع حفظ أفضل نسخة من النموذج بناءً على الأداء.
5. تقييم النموذج:
استخدام مؤشرات مثل Dice Score لتقييم دقة التجزئة بين الأورام الحقيقية والمتوقعة.
اختبار النموذج على عينات جديدة لضمان جودة الأداء.
