تحليل أمراض العيون باستخدام الذكاء الاصطناعي

في هذا المشروع، قمت بتنفيذ دورة متكاملة لتحليل صور أمراض العين اعتمادًا على تقنيات الذكاء الاصطناعي والتعلم العميق (Deep Learning)، بدءًا من معالجة البيانات وحتى بناء وتقييم النماذج، وذلك وفق الخطوات التالية: 1. استكشاف البيانات (Data Understanding & EDA): قمت بتحميل وفحص بيانات الصور الخاصة بأمراض العين من قاعدة بيانات طبية متخصصة. حللت توزيع الفئات المختلفة (أنواع أمراض العين) وتوازنها داخل البيانات. استخدمت تقنيات EDA لعرض عينات من الصور وفهم الخصائص البصرية لكل فئة مرضية. 2. تنظيف البيانات (Data Cleaning): إزالة الصور التالفة أو المكررة أو ذات الجودة المنخفضة. توحيد أبعاد الصور ومعايير الإدخال لتتناسب مع الشبكات العصبية العميقة. تقسيم البيانات إلى مجموعات تدريب (Train) واختبار (Test) وتحقق (Validation) لضمان دقة النتائج. 3. إعداد البيانات للنمذجة (Preprocessing & Augmentation): تطبيق تقنيات Data Augmentation مثل التدوير، العكس، والتكبير لتقوية النموذج ضد التحيزات. تحويل الصور إلى مصفوفات رقمية (Tensors) وتطبيعها لتسريع عملية التدريب وتحسين الأداء. 4. بناء النماذج (Modeling): استخدمت نموذج VGG16 و Xception و Transformers Vision Models لمقارنة الأداء بين النماذج المختلفة. اعتمدت على Transfer Learning لتقليل زمن التدريب وتحسين دقة التنبؤ. ضبطت معلمات النماذج (Hyperparameters Tuning) للوصول إلى أعلى أداء ممكن.