تصميم نموذج ذكاء اصطناعي للتصنيف و التوليد

تطوير نموذج ذكاء اصطناعي متقدم لاكتشاف أورام المخ باستخدام صور الرنين المغناطيسي (MRI)، بالاعتماد على تقنيات التعلم العميق (Deep Learning). يتم بناء النموذج باستخدام شبكات عصبية تلافيفية (CNN) لاستخراج الخصائص من الصور، بالإضافة إلى شبكات الخصومة التوليدية (GANs) لتوليد صور اصطناعية تساعد في تحسين دقة النموذج عبر زيادة حجم البيانات (Data Augmentation). => يساعد هذا النظام في: - الكشف المبكر عن الأورام - تقليل الأخطاء البشرية في التشخيص - دعم الأطباء في اتخاذ القرار => متطلبات البيانات: صور بصيغة JPG أو PNG داخل مجلد، أو ملف CSV يحتوي على مسارات الصور والتصنيفات الحد الأدنى للبيانات: 5000 صورة للحصول على أداء فعّال => ما الذي ستستلمه كود Python كامل:- ملف Jupyter Notebook أو ملفات Python تحتوي على: - تحميل البيانات ومعالجتها - بناء نموذج CNN - بناء نموذج GAN (Generator Discriminator) - تدريب النموذج نتائج التدريب: صور حقيقية من البيانات صور مولدة بواسطة GAN رسوم بيانية لأداء النموذج (Loss Curves) نموذج مبدئي: نموذج مدرب بشكل أولي يمكنك تشغيله واستخدامه كتجربة أو تطويره لاحقاً تقرير مختصر يشمل: - عدد الصور المستخدمة - شرح المعمارية المستخدمة - ملخص أداء النموذج =>حجم العمل مقابل الخدمة الأساسية:- في هذه الخدمة الأساسية ستحصل على نموذج أولي يشمل: - بناء نموذج CNN بسيط لاكتشاف الأورام من صور MRI - إعداد نموذج GAN بشكل مبدئي لتوليد صور اصطناعية - تدريب النموذج على عينة صغيرة من البيانات (Demo Dataset) - توليد عدد من الصور الاصطناعية كمثال على عمل النموذج - اختبار النموذج على مجموعة صور محدودة