قمت بتطوير مشروع يعتمد على التعلم العميق والتعلم بالنقل لتصنيف صور أشعة الرئة إلى ثلاث فئات: Lung Opacity، Viral Pneumonia، Normal. بدأت بإعداد البيانات عبر إنشاء DataFrame لمسارات الصور وتصنيفاتها، ثم تقسيمها إلى Train وValidation وTest، مع تطبيق Data Augmentation لزيادة تنوع العينات وتحسين الأداء. عرضت عينات من الصور لفهم طبيعتها قبل التدريب.

درّبت ثلاثة نماذج مسبقة التدريب: DenseNet121، ResNet50، EfficientNetB0 باستخدام TensorFlow/Keras، وتابعت أداء Accuracy وLoss خلال التدريب والتحقق. كما قيّمت النماذج باستخدام Confusion Matrix وClassification Report على مجموعات البيانات المختلفة، ثم اخترت أفضل نموذج للتنبؤ بالصور الجديدة وقمت بحفظه لإعادة الاستخدام.

استُخدمت Python ومكتبات مثل Pandas وNumPy وMatplotlib، وتقنيات مثل Image Rescaling وTrain/Validation/Test Split. النتيجة كانت نموذجًا دقيقًا يساعد في دعم التشخيص الطبي المبكر لصور الأشعة الصدرية.