كشف سرطان الثدي الحراري

نظرة عامة

يهدف هذا المشروع إلى الكشف المبكر وغير الجراحي عن سرطان الثدي باستخدام الصور الحرارية. حيث تلتقط الصور الحرارية أنماط الحرارة التي يمكن أن تكشف النشاط الوعائي أو الأيضي المرتبط بالأورام. تم تدريب نماذج تعلم عميق لتصنيف الحالات الحميدة مقابل الخبيثة وتحسين أدائها على أجهزة مدمجة منخفضة الطاقة.

التفاصيل التقنية

• مجموعة البيانات: صور حرارية للثدي (حميد وخبيث، بيانات Diagnostics.xlsx)
• المعالجة المسبقة: زيادة البيانات، التطبيع، موازنة الفئات
• النماذج: YOLOv8 (النموذج النهائي)، MobileNetV2، نماذج CNN
• الشرح: خرائط Grad-CAM لتوضيح مناطق الاهتمام
• الأجهزة: Raspberry Pi 5 وكاميرا حرارية MLX90640
• الأطر: Python، PyTorch، OpenCV، Ultralytics YOLO

النتائج

حقق نموذج YOLOv8 النهائي دقة تفوق 90% مع أداء متوازن بين الحالات الحميدة والخبيثة. أكدت خرائط Grad-CAM أن النموذج يركز على الأنماط الحرارية ذات الصلة بيولوجياً. عمل النظام على Raspberry Pi في الوقت الفعلي، مما أثبت إمكانية إنشاء نظام فحص محمول ومنخفض التكلفة.

التحديات والحلول

كانت البيانات تعاني من اختلال في الفئات (عدد أكبر من العينات الحميدة). تم حل ذلك باستخدام زيادة البيانات وتقنيات موازنة الفئات. لتشغيل YOLOv8 على Raspberry Pi تم استخدام الكمّنة والتحسينات الخاصة بالأجهزة. كما أُضيفت Grad-CAM لزيادة موثوقية النموذج في التطبيقات الطبية.