Deep Learning Approaches for Stroke Detection Using CNN and Transfer Learning Techniques

Abstract

This project explores the application of artificial intelligence (AI) techniques to enhance the diagnosis of stroke disease through medical image classification. Leveraging the power of neural networks, we conducted a comparative study involving popular transfer learning techniques such as VGG16, VGG19, and ResNet-50. While these complex architectures demonstrated their potential, we also recognized the pitfalls of deep models, leading us to introduce a simpler Convolutional Neural Network (CNN) model. Through rigorous evaluation, our proposed CNN model achieved an exceptional accuracy of 99.60%, underscoring the efficacy of a streamlined approach. Our findings emphasize the balance between sophisticated methodologies and pragmatic solutions, showcasing how AI can significantly impact medical diagnoses. As a practical application, we developed an intuitive application that enables users to classify medical images, bridging the gap between AI advancements and real-world medical practices. This project contributes to the advancement of AI in healthcare : يستكشف هذا المشروع تطبيق تقنيات الذكاء الاصطناعي لتعزيز تشخيص مرض السكتة الدماغية من خلال تصنيف الصور الطبية. من أجل الاستفادة من قوة الشبكات العصبية، أجرينا دراسة مقارنة تتضمن تقنيات التعلم بالنقل الشائعة مثل VGG16، وVGG19، وResNet-50. في حين أظهرت هذه البنى المعقدة إمكاناتها، فقد أدركنا أيضًا مخاطر النماذج العميقة، مما دفعنا إلى تقديم نموذج أبسط للشبكة العصبية التلافيفية (CNN). ومن خلال التقييم الدقيق، حقق نموذج CNN المقترح لدينا دقة استثنائية تبلغ 99.60%، مما يؤكد فعالية النهج المبسط. تؤكد النتائج التي توصلنا إليها على التوازن بين المنهجيات المتطورة والحلول العملية، وتعرض كيف يمكن للذكاء الاصطناعي أن يؤثر بشكل كبير على التشخيص الطبي. كتطبيق عملي، قمنا بتطوير تطبيق بديهي يمكّن المستخدمين من تصنيف الصور الطبية، وسد الفجوة بين تطورات الذكاء الاصطناعي والممارسات الطبية في العالم الحقيقي. يساهم هذا المشروع في تطوير الذكاء الاصطناعي في مجال الرعاية الصحية، مما يعرض إمكانية التشخيص الدقيق والفعال لأمراض السكتة الدماغية., showcasing the potential for accurate and efficient stroke disease diagnosis