التحقق من اورام الدماغ

يهدف هذا المشروع إلى تصنيف أورام الدماغ بشكل آلي بالاعتماد على تقنيات التعلم العميق وصور الرنين المغناطيسي (MRI). يتكون مجموعة البيانات من أربع فئات: الورم الدبقي (Glioma)، الورم السحائي (Meningioma)، ورم الغدة النخامية (Pituitary)، وحالة بدون ورم (No Tumor)، مع تقسيمها إلى بيانات للتدريب والاختبار. لتحسين قدرة النموذج على التعميم، تم تطبيق تقنيات زيادة البيانات (Data Augmentation) مثل التدوير، التكبير، الانعكاس الأفقي، والقص، كما تمت إعادة تحجيم جميع الصور إلى 256×256 بكسل ومعالجتها بالتطبيع. تم بناء شبكة عصبية التفافية (CNN) من الصفر تحتوي على عدة طبقات التفاف (Convolution) وتجميع (Pooling)، تليها طبقات كثيفة (Dense) لاستخلاص الأنماط. الطبقة النهائية تستخدم دالة Softmax لتصنيف الصور إلى الأنواع الأربعة للأورام. تم تدريب النموذج باستخدام خوارزمية Adam ودالة الخسارة Categorical Crossentropy لمدة 22 عصر (Epochs)، مع استخدام التوقف المبكر (Early Stopping) لتجنب فرط التكيّف. حقق النموذج أداءً عالياً وصل إلى %95 دقة على بيانات الاختبار. وأخيرًا، تم حفظ أوزان النموذج (model1.weights.h5) ثم استخدمه في عمل موقع باستخدام flask حيث يقوم المستخدم برفع الصورة و هو يحلل و يوضح النتيجة