Exploring the Potential of AI in Medical Image Diagnosis

Abstract

In recent years, Artificial Intelligence (AI), and more specifically Deep Learning, has become a fundamental tool driving transformative advancements across various fields, particularly in healthcare. This study focuses on designing an intelligent model based on Convolutional Neural Networks (CNN), one of the most prominent techniques in deep learning, to classify brain Magnetic Resonance Imaging (MRI) scans and automatically detect tumors. The significance of this work lies in addressing the challenges of conventional diagnosis, such as delays and inconsistencies in interpretation among physicians. The proposed model follows a structured process involving image preprocessing, training, and classification. Results have shown that the model effectively accelerates the diagnostic workflow, making it a promising supportive tool in clinical practice. The model achieved an accuracy of 97.71%, confirming its high reliability and effectiveness in tumor detection. في السنوات الأخيرة، أصبحت الذكاء الاصطناعي (AI)، وبشكل أكثر تحديدًا التعلم العميق، أداة أساسية تدفع التقدم التحويلي عبر مجالات متنوعة، لا سيما في مجال الرعاية الصحية. يركز هذه الدراسة على تصميم نموذج ذكي يعتمد على الشبكات العصبية الالتفافية (CNN)، وهي واحدة من أبرز التقنيات في التعلم العميق، لتصنيف عمليات مسح التصوير بالرنين المغناطيسي (MRI) للدماغ وكشف الأورام تلقائيًا. تكمن أهمية هذا العمل في معالجة التحديات التي تواجه التشخيص التقليدي، مثل التأخيرات وعدم التناسق في التفسير بين الأطباء. يتبع النموذج المقترح عملية منظمة تتضمن معالجة الصور، والتدريب، والتصنيف. وقد أظهرت النتائج أن النموذج يسرع بشكل فعال من سير العمل التشخيصي، مما يجعله أداة داعمة واعدة في الممارسة السريرية. حقق النموذج دقة بلغت 97.71%، مما يؤكد موثوقيته العالية وفعاليته في كشف الأورام.