التنبؤ بمستوى خطورة سرطان الرئة باستخدام Graph Neural Networks (GCN) و Python

منذ أسبوعين

اطلب عمل مماثل

عرض العمل

الوصف

مشروع تعلّم آلي للتنبؤ بمستوى خطورة المرض (Low / Medium / High) لـ 1000 مريض، اعتمادًا على 26 عامل (عوامل بيئية ونمط حياة وأعراض ومخاطر جينية).

فكرة المشروع: بدل التعامل مع كل مريض كصف منفصل في جدول، حوّلت البيانات إلى شبكة (Graph): كل مريض عقدة، والروابط بين المرضى مبنية على تشابههم (Cosine Similarity)، وبعدها دربت نموذج GCN يتعلم من المريض ومن المرضى المشابهين له.

اللي اتعمل في المشروع:

تنظيف البيانات وفحص القيم المفقودة وتوزيع الفئات
تطبيع الأعمدة وتشفير الفئات (StandardScaler / LabelEncoder)
بناء الجراف وتدريب نموذج GCN بـ PyTorch Geometric (تقسيم 80/20 تدريب واختبار)
بناء جراف بديل قائم على العامل الجيني فقط ومقارنته
تحليل أهم العوامل المؤثرة على مستوى الخطورة
تصوير النتائج: t-SNE للـ Embeddings، رسم شبكة المرضى، Confusion Matrix

الأدوات: Python, PyTorch, PyTorch Geometric, Pandas, NumPy, Scikit-learn, NetworkX, Matplotlib, Seaborn, Google Colab.

برمجة قواعد البيانات معالجة البيانات إستخراج البيانات الخوارزميات الرسوم البيانية بايثون git التعلم الآلي

التفاصيل

المشاهدات 4
المفضلة 0
القسم برمجة, تطوير المواقع و التطبيقات - اخري

حساب المستخدم

يٌدار بواسطة أنجز تك الرقمية

All rights reserved © kaf 2026