Brain tumor model

وصف المشروع: مشروع تقني متقدم يهدف إلى مساعدة الأطباء في الكشف المبكر عن أورام الدماغ من خلال تحليل صور الرنين المغناطيسي (MRI). قمت ببناء وتدريب نموذج ذكاء اصطناعي (Deep Learning Model) قادر على التمييز بين الصور السليمة والصور المصابة بدقة عالية جداً، مما يقلل من نسبة الخطأ البشري ويوفر الوقت في التشخيص. المواصفات التقنية (Tech Stack): اللغة المستخدمة: Python. المكتبات الأساسية: TensorFlow / Keras (أو PyTorch حسب ما استخدمت)، OpenCV لمعالجة الصور، NumPy، و Pandas. الخوارزمية: Convolutional Neural Networks (CNN). التقنيات المستخدمة: Data Preprocessing: معالجة الصور (Resizing, Normalization, Noise Reduction). Data Augmentation: لزيادة دقة النموذج وتجنب الـ Overfitting. Evaluation Metrics: قياس الأداء باستخدام (Accuracy, Precision, Recall, F1-Score). النتائج المحققة (Achievements): وصلت دقة النموذج (Accuracy) إلى [اكتب النسبة اللي وصلتلها، مثلاً 97%] على مجموعة بيانات الاختبار. استخراج تقارير بصرية توضح الـ Loss & Accuracy Curves ومصفوفة الارتباك (Confusion Matrix). تسليم الكود البرمجي بملف Jupyter Notebook منظم ومشروح بالكامل لسهولة المراجعة. ما قدمته في هذا المشروع: تجميع وتجهيز قاعدة بيانات صور الرنين المغناطيسي. تصميم معمارية الشبكة العصبية (Model Architecture). عملية التدريب (Training) والتحسين (Fine-tuning) للبارامترات. اختبار النموذج على بيانات جديدة لم يراها من قبل لضمان كفاءته.