نماذج الذكاء الاصطناعي

الكشف عن تضخم القلب (Inception-V3)

🔬 التركيز البحثي:

تنفيذ Inception-V3 لالتقاط الميزات متعددة المقاييس، مما يسمح للنموذج باكتشاف كل من اتساع القلب واسع النطاق والعلامات الشعاعية الدقيقة في وقت واحد.

📊 مقاييس الأداء:

دقة التدريب: 98.05%.

دقة التحقق: 99.55% في مجموعة التحقق.

دقة الاختبار: 97.85% في مجموعة اختبار مستقلة.

الدقة (Precision): 98.10% | الاستدعاء (Recall): 97.60% | F1-Score: 97.85%

AUC-ROC: 0.991

المعلمات: 22.3 مليون معلمة قابلة للتدريب.

حجم المدخلات: 299x299 صور RGB.

التعقيد: تلافيفات محللة من أجل الكفاءة.

🧠 المزايا التقنية:

وحدات Inception: استخدام فعال لمرشحات 1x1 و 3x3 و 5x5 لتقليل الأبعاد والتقاط الميزات المكانية.

تلافيفات محللة: تحلل تلافيفات 7x7 لتقليل التكلفة الحسابية.

مصنفات مساعدة: طبقتان softmax مساعدتان لتحسين تدفق التدرج.

تحسين Adamax: منحنى تدريب مستقر مع معدل تعلم أقل (0.0005).

📁 ملفات النموذج:

النموذج: `model_inception_v3.h5`

الورقة البحثية: IEEE 6th ROMA 2025

التقنيات المستخدمة

PythonTensorFlowInceptionV3Deep LearningCNN

مجموعة البيانات والتحويلات

samples

نظرة على الصور المدخلة بعد المعالجة المسبقة. يعتمد نموذج Inception-V3 على هذه العينات المتنوعة لتحسين استخراج الميزات متعدد المقاييس.

سجل تدريب متعدد المقاييس

history

يظهر Inception-V3 منحنى تعلم سريعاً جداً. تصل الدقة إلى ذروتها بسرعة بسبب المرشحات متعددة المقاييس الفعالة. تؤكد الفجوة المستقرة بين دقة التدريب والتحقق متانة النموذج. يحقق النموذج دقة تحقق مثالية تقريباً خلال الدورات العشر الأولى.

مصفوفة التحقق التشخيصي

cm

تظهر مصفوفة الارتباك لـ Inception-V3 تمييزاً ممتازاً. يلتقط النموذج العلامات الشعاعية الدقيقة التي تميز تضخم القلب في مراحله المبكرة عن فحوصات القلب العادية. مع معدل إيجابي كاذب يبلغ 2.15% فقط، فهو موثوق للغاية لأغراض الفرز.