هل تبحث عن حلول ذكية وموثوقة لتحليل الصور الطبية ودعم القرار الطبي باستخدام الذكاء الاصطناعي؟
قمت بتطوير نظام متكامل للرؤية الحاسوبية (Computer Vision) يهدف إلى الكشف التلقائي عن تليف الكبد وتصنيف مراحله المختلفة بدقة عالية، مما يساعد في أتمتة قراءة التقارير الطبية والصور الشعاعية وتقليل نسبة الخطأ البشري.
### 💡 ما تم إنجازه في هذا المشروع:
- **تصنيف المراحل (Classification):** بناء وتدريب نماذج تعلم عميق لتصنيف درجات تليف الكبد بدقة بناءً على الأنماط الحيوية في الصور.
- **تحديد مواقع الإصابة (Detection):** دمج تقنيات تحديد الأجسام لعزل المناطق المتأثرة بدقة وتسهيل فحصها من قِبل الأطباء.
- **تحسين جودة الصور الطبية:** تطبيق فلاتر وتقنيات معالجة رقمية (Image Processing) لتعزيز التباين وإبراز الأنسجة المصابة في الكبد قبل عملية التدريب.
### 🛠️ التقنيات المستخدمة:
- **لغة البرمجة:** Python
- **المكتبات والإطارات الأساسية:** PyTorch / TensorFlow, OpenCV, Scikit-image
- **معالجة البيانات والتقييم:** NumPy, Pandas, Confusion Matrix, F1-Score
✨ **رابط الكود المصدري للمشروع على GitHub لمراجعة جودة ومستوى البرمجة:**
(https://github.com/MaryamSayedGitHub/Liver-Fibrosis-Classification-and-Detection)
إذا كنت صاحب منشأة طبية، أو تبحث عن مهندس ذكاء اصطناعي متمكن لبناء وتطوير نماذج طبية مخصصة بدقة فائقة، يسعدني جداً العمل معك!
