تحديد أهداف المشروع وحدود المشكلة، مع التركيز على أهمية التمييز بين الأورام الحميدة والخبيثة باستخدام الشبكات العصبية التلافيفية.
هدفنا الرئيسي هو تصنيف الأورام إلى فئات حميدة وخبيثة، وهذه العملية ضرورية للتخطيط المناسب للعلاج.
بعد تحديد نطاق المشروع، ننتقل إلى جمع البيانات.
في مرحلة جمع البيانات من مشروعنا، نركز على تجميع البيانات اللازمة لتدريب واختبار الشبكة العصبية التلافيفية (CNN) لتصنيف أورام الدماغ. تعتبر هذه المرحلة حاسمة لأن جودة وكمية البيانات تؤثر بشكل مباشر على أداء نموذجنا.
قم بتحميل مجموعة البيانات من هنا:
تتكون مجموعة البيانات من صور الرنين المغناطيسي (MRI) المصنفة إلى فئتين:
Malignant - صورة ورم خبيث
Benign - صورة ورم حميد
اختر التصنيف:
{{ quizFeedback }}
تصور البيانات هو أداة قوية في أي مشروع يركز على البيانات، خاصة في مجالات مثل التصوير الطبي. في هذه المرحلة، نهدف إلى تمثيل البيانات من مجموعة بيانات أورام الدماغ بصريًا لاكتساب رؤى وفهم أفضل للأنماط الموجودة فيها.
يساعد التصور في تحديد الاتجاهات، والنقاط الشاذة، وتوزيع البيانات. يجعل البيانات المعقدة أكثر سهولة في الوصول إليها وتفسيرها، مما يساعد في كل من تطوير وتقييم نموذجنا.
لمشروعنا، سنركز على نوعين رئيسيين من التصورات:
في هذا القسم، نعرض بشكل مبدئي خمس صور من كل فئة: تلك التي تشير إلى وجود أورام ("YES") وتلك التي بدون ("NO"). يساعد هذا في تقديم عرض فوري ومقارن للفئتين الرئيسيتين في مجموعة بياناتنا.
مجموعة التدريب: تُستخدم لتدريب النموذج.
مجموعة التحقق: تُستخدم لتحسين النموذج وتجنب التعميم الزائد أثناء التدريب.
مجموعة الاختبار: تُستخدم لتقييم أداء النموذج المدرب على بيانات غير مرئية.
عارض تفاعلي لمسح الرنين المغناطيسي (MRI) استخدم الشريط السفلي للتنقل بين الأقسام المختلفة لمسح الرنين المغناطيسي. تتيح لك هذه الميزة التفاعلية استكشاف تنوع وتعقيد المسوحات في مجموعة البيانات الخاصة بنا.
يساعد القص في الشبكات العصبية التلافيفية (CNN) على التركيز على الميزات ذات الصلة عن طريق إزالة المعلومات غير ذات الصلة وتوفير زوايا متنوعة، مما يعزز قدرة الشبكة على تعلم الأنماط المميزة بكفاءة من الصور المدخلة.
تتكون الصور من بكسلات، ولكل بكسل قيمة تتراوح من 0 إلى 255 (للصور ذات التدرج الرمادي 8 بت) أو مجموعات من ثلاث قيم تتراوح من 0 إلى 255 لكل قناة (الأحمر، الأخضر، والأزرق) للصور الملونة. يتضمن التطبيع إعادة مقياس هذه القيم إلى نطاق بين 0 و 1.
في مرحلة النمذجة، سنستخدم شبكة عصبية تلافيفية (CNN) لتصنيف أورام الدماغ. هذه خطوة حاسمة حيث يتعلم الكمبيوتر التمييز بين الأورام الحميدة والخبيثة من خلال مسوحات الدماغ.
الشبكة العصبية التلافيفية هي نوع من الذكاء الاصطناعي الذي يتفوق في معالجة وتحليل الصور. إنها فعالة بشكل خاص في المهام التي تتطلب التعرف على الأنماط والتفاصيل داخل الصور.
ℹ️ الشبكة العصبية التلافيفية (CNN) تُستخدم لتدريب النموذج.
✅ تم تدريب النموذج بنجاح! دقة التحقق: {{ validationAccuracy }}% دقة الاختبار: {{ testAccuracy }}%
في مرحلة التقييم، نختبر نموذج CNN الخاص بنا من خلال السماح للمستخدمين باختيار صور فحص الدماغ والتنبؤ بما إذا كانت الأورام حميدة أم خبيثة. يوفر هذا النهج التفاعلي تجربة مباشرة وعملية لقدرات النموذج.
📌 اختر صورة لاختبار نموذج CNN الخاص بك.
{{ predictionMessage }}