نظام ذكاء اصطناعي للكشف عن تسوس الأسنان | Multi-YOLO Benchmark Pipeline

هل تبحث عن دقة متناهية وأداء فائق في تطبيقات الرؤية الحاسوبية (Computer Vision) للمجال الطبي؟ قمت ببناء وتطوير خط معالجة واختبار متكامل (Pipeline) للكشف الآلي عن تسوس الأسنان باستخدام تقنيات التعلم العميق (Deep Learning)، وتحديداً عبر عمل مقارنة معيارية (Benchmark) بين أحدث إصدارات نماذج YOLO (YOLOv5, YOLOv8, YOLOv11) لتحديد النموذج الأكفأ والأدق في البيئات الطبية. ### 💡 ما تم إنجازه في هذا المشروع: - **معالجة البيانات الطبية:** هندسة وتحسين الصور الشعاعية للأسنان لرفع دقة التعرف على الأنماط الطبية الدقيقة. - **مقارنة معيارية (Benchmarking):** تدريب وتقييم نماذج متعددة من عائلة YOLO بمختلف الأحجام (Nano, Small, Medium) لقياس التوازن المثالي بين السرعة والدقة (Inference Speed vs Accuracy). - **أتمتة خط العمل (Pipeline):** بناء كود برمي مرن ومنظم باستخدام Python يتيح تدريب النماذج وتقييمها واستخراج التقارير بشكل تلقائي. ### 🛠️ التقنيات المستخدمة: - **لغة البرمجة:** Python - **المكتبات والإطارات:** PyTorch, Ultralytics (YOLO), OpenCV, NumPy - **أدوات التقييم:** Precision, Recall, mAP50, mAP50-95 ✨ **رابط الكود المصدري للمشروع على GitHub لمراجعة جودة العمل:** (https://github.com/MaryamSayedGitHub/dental_caries_classification_Computer_Vesion_Project) إذا كنت بحاجة إلى تطوير حلول مخصصة في الرؤية الحاسوبية (Computer Vision) أو الذكاء الاصطناعي الطبي بدقة وموثوقية عالية، يسعدني التعاون معك لتحويل فكرتك إلى واقع!