المشاريع الواعدة

عنوان المشروع: —

الوصف:
—

تاريخ رفع الملفات: —

عنوان المشروع: Vision Sight

الوصف:
The device is designed to assist those with visual impairments in object detection.

تاريخ رفع الملفات: 2026-07-05 10:00:38

عنوان المشروع: —

الوصف:
—

تاريخ رفع الملفات: —

عنوان المشروع: Intelligent Epileptic Seizure Prediction System Using EEG Signals and Machine Learning

الوصف:
الهدف الرئيسي من هذا البحث هو خلق نظام ذكي قادر على التنبؤ بحدوث نوبات الصرع. وذلك من خلال تحليل اشارات تخطيط الدماغ الكهربائية (EEG). وكانت بيانات CHB-MIT مناسبة للتدريب والاختبار لانها تحتوي قرائات حقيقية مختلفة للعديد من مرضى الصرع . حيث تم اجراء معالجة كامله للبيانات تضمنت التخلص من القيم غير الضرورية واختيار الميزات ذات التاثير الاقوى على نتيجة التنبؤ. ، وبعد ذلك تم استخدام خوارزمية الاشجار شديدة العشوائية لتدريب نموذج ذكي قادر على التمييز بين الاشارات التي فيها نوبات والاشارات الطبيعية. ولجعل النوذج الذكي للتنبؤ سهل الاستخدام. تم استخدام Streamlit لصناعة واجهة سهلة مع كامل التعليمات التي تمكن المستخدم من رفع تقرير تخطيط الدماغ للمريض واستلام نتائج التنبؤ بعد فحص التقرير. و نتائج اختبار النظام كانت ممتازة حيث حقق النموذج دقة بلغت 84.76%، مما يدل على كفاءة التطبيق في تصنيف اشارات تخطيط الدماغ والمساعدة في التنبؤ بالنوبات الصرعية

تاريخ رفع الملفات: 2026-07-02 02:37:57

عنوان المشروع: A Novel Artificial Intelligence Framework for Early Detection of Autism Spectrum Disorder

الوصف:
Individuals with Autism Spectrum Disorder (ASD) often experience difficulties in recognizing
and interpreting facial expressions, which can negatively affect social communication and daily
interactions. This study presents an artificial intelligence (AI)-based embedded system for realtime facial emotion recognition to assist individuals with ASD in understanding the emotional
states of others. The proposed system integrates an ESP32-CAM microcontroller with a builtin camera to capture facial images in real time. A Convolutional Neural Network (CNN) model
is employed to classify facial expressions into basic emotion categories, including happiness,
sadness, and anger. The recognized emotion is transmitted wirelessly via Bluetooth as
lightweight data to minimize communication latency. A user-friendly web or mobile interface
then converts the detected emotions into simple visual and auditory feedback that is suitable
for individuals with ASD. Experimental evaluation demonstrates that the proposed system
provides efficient real-time performance with low communication latency while maintaining
reliable emotion recognition. The developed portable and wearable solution offers a practical
assistive technology for improving social interaction and supporting independent
communication in educational and everyday environments.

تاريخ رفع الملفات: 2026-07-05 02:55:11

عنوان المشروع: Design and Implementation of a Smart Prosthetic Arm Using Computer Vision for Finger Movement Control

الوصف:
يتناول هذا المشروع مشكلةً جوهريةً في مجال التقنيات المساعدة وهندسة إعادة التأهيل، إذ إن الأطراف الاصطناعية التقليدية إما أن تكون سلبية الحركة أو تعتمد على وسائل استشعار مكلفة وغير موثوقة مثل إشارات العضلات الكهربائية السطحية أو القفازات المزوّدة بالحساسات. ويستند الحل المقترح إلى منظومة رؤية حاسوبية لا تلامسية تعتمد على كاميرا ويب اعتيادية ونموذج MediaPipe لاكتشاف معالم اليد، حيث تُحسب درجة انثناء كل إصبع في الزمن الحقيقي، ثم تُحوَّل إلى زوايا لمحركات السيرفو بعد تمريرها عبر مرشّح تنعيم أسّي ونطاق ميّت لإخماد الاهتزاز، وتُرسل عبر منفذ تسلسلي إلى متحكم أردوينو يقود ستة محركات سيرفو في يد اصطناعية قابلة للطباعة ثلاثية الأبعاد. ويهدف المشروع إلى توفير طريقة بديهية ومنخفضة الكلفة وخالية من الحساسات لمحاكاة حركات الأصابع الطبيعية. وقد أظهرت النتائج التجريبية تتبعاً سلساً لكل إصبع على حدة بمعدل إرسال 30 مرة في الثانية وبتأخير غير محسوس بصرياً، مع تقليل ضوضاء المحركات واستهلاك الطاقة باستراتيجية فصل تلقائي. وتشمل النتائج المتوقعة منصة اصطناعية ميسورة الكلفة تصلح للتدريب التأهيلي والعلاج بالمرآة وللتطوير المستقبلي نحو واجهات تحكم موجهة لمبتوري الأطراف.

تاريخ رفع الملفات: 2026-07-05 10:26:42

عنوان المشروع: A Hybrid System Combining Computer Vision (YOLOv11) and Autonomous Robotics (RoboDK) for Safe Path Planning and Brain Tumor Ablation

الوصف:
This project addresses a significant problem in the field of automated robotic neurosurgery and computer-aided tumor resection, where manual trajectory alignment presents a critical risk of cognitive fatigue and human error. The proposed solution is based on an integrated hybrid framework combining advanced deep learning computer vision via the YOLOv11 architecture with autonomous robotic execution within the RoboDK environment. A custom-developed Medical-RRT* path planning algorithm is implemented to operate dynamically on a 3D virtual brain phantom constructed layer-by-layer from sequential 2D multi-slice MRI scans.
With the aim of establishing a sub-millimeter accurate, collision-free toolpath that guarantees absolute evasion of delicate brain vascular networks and critical functional areas, the system continuously adjusts physical execution constraints. A closed-loop control model regulates feed rates and robot velocities adaptively (from 5.0 mm/s down to 3.0 mm/s) based on real-time localized risk indices, securely logging all intraoperative parameters.
The empirical outcomes demonstrate exceptional boundary box localization precision (93.0% mAP50) and high-fidelity target segmentation masks (92.7% mAP50). Integrated hardware-in-the-loop simulation via a 6-DOF Universal Robots UR5e manipulator verified successful execution of a 32.0 mm multi-layer spiral ablation path across 13 optimized waypoints, providing an autonomous, robust, and safe robotic pipeline capable of completely eliminating tool-to-vessel collisions during continuous brain tumor ablation.

تاريخ رفع الملفات: 2026-06-26 09:32:07

عنوان المشروع: BioPulse: An Activity-Aware Wearable System for Early Detection of Health Deterioration

الوصف:
بايو بَلس (BioPulse) سِوارٌ طبّيٌّ ذكيٌّ يراقب المؤشّرات الحيوية باستمرار ويكشف مبكراً عن التدهور الصحّي قبل أن يشعر به المستخدم؛ إذ تقيس مستشعراتُه نبض القلب والأكسجين والحرارة والحركة، ويدمجها الذكاء الاصطناعي في مؤشّر خطرٍ واحد (طبيعي/منخفض/متوسط/مرتفع) مع بوابة نشاطٍ تمنع الإنذارات الكاذبة أثناء الرياضة، محقّقاً دقّةً عالية (99% في تصنيف النشاط) وكشفاً للسقوط وتحليلاً للنوم لخدمة كبار السن والمراقبة عن بُعد — ليكون أوّل نموذجٍ عراقيٍّ لسوارٍ طبّيٍّ ذكيٍّ ينافس دولياً، يحمل في هويّته البصرية روح حضارات العراق، مهد العلم الأول.

تاريخ رفع الملفات: 2026-07-02 09:05:54

عنوان المشروع: AuscultAl

الوصف:
نظام AuscultAl لتشخيص والتنبؤ بالأمراض التنفسية الذكي
مقدمة وملخص المشروع: نقدم لكم مشروع "AuscultAl"، وهو منصة رقمية تشخيصية وتنبؤية مبتكرة تعتمد على مستشعرات الهواتف الذكية لمعالجة أمراض الجهاز التنفسي المزمنة، وتحديداً الربو والانسداد الرئوي المزمن (COPD). يهدف المشروع إلى التدخل المبكر وتقليل الوفيات الناتجة عن التفاقم الحاد لهذه الأمراض، والتي غالباً ما تحدث بسبب التأخر في رصد ضيق التنفس وعدم ربط الحالة السريرية بالمتغيرات البيئية.
المنهجية والابتكار العلمي:
يرتكز النظام هندسياً وبرمجياً على ثلاثة محاور تقنية متقدمة:
1. وحدة التشخيص الصوتي (Deep Learning): يعتمد النظام على معالجة الإشارات الصوتية باستخدام مرشح تمرير النطاق (100 هرتز إلى 2 كيلو هرتز)، وتحويلها إلى مخططات طيفية (Mel-Spectrograms). يتم تمرير هذه البيانات عبر شبكات عصبية التفافية (CNNs) خفيفة الوزن بنسق TFLite لتصنيف الأنماط المرضية (الأزيز والفرقعة) بدقة لا تقل عن 85% وزمن استجابة أقل من 3 ثوانٍ.
2. محرك التنبؤ البيئي الاستباقي: تكامل بيانات الطقس اللحظية عبر واجهة (OpenWeatherMap API) لحساب مؤشر الخطر البيئي بناءً على الرطوبة (فوق 70%)، تركيز الجسيمات الدقيقة (PM2.5 فوق 50 µg/m³)، والانخفاض المفاجئ في الضغط الجوي. يولد هذا المحرك إنذارات استباقية قبل تفاقم الحالة بمدة تصل إلى ساعتين.
3. نظام استجابة الطوارئ متعدد الطبقات: يدمج لوحة تحكم مؤسسية تنقل إحداثيات الموقع الجغرافي (GPS) وبيانات التنفس الحيوية بشكل مشفر إلى أقسام الطوارئ في المستشفيات. كما يشمل تنبيهات فورية (FCM) للأقارب عند رصد انقطاع النفس لأكثر من 10 ثوانٍ.
الخلاصة: يمثل AuscultAl نموذجاً هندسياً متكاملاً، يحول الهواتف الذكية إلى أدوات إنقاذ حيوية، مقدماً حلاً قابلاً للتوسع يدعم كلاً من المرضى ومزودي الرعاية الصحية لتسريع أوقات الاستجابة للطوارئ.
AuscultAl - Smart Respiratory Diagnostic & Predictive System
Overview: "AuscultAl" is an innovative, smartphone-based diagnostic and predictive digital platform designed to manage chronic respiratory conditions, primarily asthma and Chronic Obstructive Pulmonary Disease (COPD). The system aims to mitigate the morbidity and mortality associated with acute respiratory exacerbations, which are often attributed to delayed detection of distress and insufficient integration of environmental variables into clinical monitoring.
Scientific Methodology & Innovation:
The system's scalable architecture is built upon three advanced technological axes:
1. Acoustic Diagnostic Engine (Deep Learning): The pipeline applies a 100 Hz to 2 kHz bandpass filter and transforms audio into Mel-Spectrograms. It utilizes lightweight Convolutional Neural Networks (CNNs) in TFLite format to accurately classify pathological patterns (wheezes and crackles) with a minimum accuracy of 85% and a processing latency under 3 seconds.
2. Proactive Environmental Prediction Engine: Retrieves real-time meteorological data via the OpenWeatherMap API to compute an environmental risk index based on high relative humidity (>70%), PM2.5 concentrations (>50 µg/m³), and sudden atmospheric pressure drops. This enables proactive exacerbation warnings up to two hours in advance.
3. Multi-Tiered Emergency Response System: Features an institutional dashboard and a 3-layer alert mechanism. It utilizes Firebase Cloud Messaging (FCM) for immediate relative notification during apnea events lasting over 10 seconds, and securely transmits encrypted GPS coordinates and vital signs directly to hospital emergency departments.
Conclusion: AuscultAl represents an enterprise-ready, biomedical engineering solution that bridges the gap between remote patient monitoring and institutional emergency care, ultimately reducing response times during critical events.

تاريخ رفع الملفات: 2026-07-05 20:03:11

عنوان المشروع: BrAIn Lab

الوصف:
BrainLab
الملخص والمقدمة:
نقدم لكم تطبيق "BrainLab"، وهو منصة رقمية مرجعية متطورة صُممت خصيصاً لسد الفجوة المعرفية وتسريع اتخاذ القرار السريري للكوادر الطبية وطلاب المهن الصحية. يهدف المشروع إلى تحويل الأدلة المخبرية التقليدية المعقدة إلى واجهة تفاعلية ذكية، تقدم وصولاً لحظياً وشاملاً لمئات التحاليل الطبية المصنفة علمياً (مثل أمراض الدم، الكيمياء الحيوية، الهرمونات، وعلامات الأورام).
الخصائص التقنية والابتكار:
يعتمد التطبيق في بنيته على دمج قواعد البيانات الطبية الدقيقة مع قدرات الذكاء الاصطناعي التوليدي (Generative AI). يوفر النظام لكل فحص مخبري بطاقة تعريفية متكاملة تشمل: القيم المرجعية الدقيقة لكلا الجنسين، القيم الحرجة (Panic Values)، أنواع أنابيب السحب القياسية (مثل EDTA و Sodium Fluoride)، نوع العينة المطلوبة، والتحضيرات السابقة للسحب. ما يميز المشروع ابتكارياً هو دمج "المساعد الذكي" (BrainLab Assistant) المعتمد على تقنية (Google Gemini)، والذي يتيح للمستخدمين الاستعلام باللغتين العربية والإنجليزية عبر معالجة اللغات الطبيعية (NLP) للحصول على تفسيرات فورية لارتفاع أو انخفاض المؤشرات الحيوية والتداخلات الدوائية.
الخلاصة:
يمثل "BrainLab" أداة تعليمية وتشغيلية لا غنى عنها، تساهم في تقليل الأخطاء الطبية المتعلقة بجمع العينات وتفسير النتائج، مما يجعله خطوة رائدة نحو رقمنة المراجع الطبية وتمكين الممارسين الصحيين بأدوات الجيل القادم.


BrainLab (Smart Clinical Laboratory Reference)
Abstract & Overview:
We present "BrainLab," an advanced digital reference platform specifically engineered to bridge the knowledge gap and accelerate clinical decision-making for healthcare professionals and medical students. The project aims to transform complex traditional laboratory manuals into a smart, interactive interface, providing instantaneous and comprehensive access to hundreds of scientifically categorized medical tests (e.g., Hematology, Biochemistry, Hormones, and Tumor Markers).
Technical Features & Innovation:
The application's architecture integrates precise medical databases with the capabilities of Generative Artificial Intelligence. For each laboratory test, the system provides an integrated profile that includes: accurate gender-specific reference ranges, critical (panic) values, standard collection tube types (e.g., EDTA, Sodium Fluoride), required sample types, and pre-analytical patient preparation protocols. The core innovation of this project is the integration of the "BrainLab Assistant," powered by Google Gemini. This Natural Language Processing (NLP) module allows users to query in both Arabic and English, delivering instant interpretations of physiological highs and lows, as well as critical drug interactions.
Conclusion:
"BrainLab" stands as an indispensable educational and operational tool that significantly mitigates medical errors related to sample collection and result interpretation. It represents a pioneering step towards the digitalization of medical references, empowering healthcare practitioners with next-generation clinical tools.

تاريخ رفع الملفات: 2026-07-05 19:57:41

عنوان المشروع: Acoustic Tomography Vest for Lungs/سترة التصوير المقطعي الصوتي للرئتين

الوصف:
لقرابة الـ 200 عام، اعتمد الطب على 'سماعة الطبيب' للاستماع إلى الرئتين.. أداة عظيمة، لكنها تعتمد كلياً على التقدير الشخصي للطبيب، ولا تخبرنا بـ 'المكان الدقيق' للمشكلة.
في المقابل لدينا الاشعة السينية: ”X-RAY”
التي تعطينا صورة دقيقة، ولكن بثمن باهظ: التعرض لإشعاع ضار، واستحالة استخدامها لمراقبة المريض على مدار الساعة.
السؤال هو: ماذا لو دمجنا أمان سماعة الطبيب، مع دقة الصورة الشعاعية؟.
ليوم، نفخر بأن نقدم لكم مشروعنا: سترة التصوير المقطعي الصوتي. منصة لا-إشعاعية، تعتمد على تقنية الحساسات الميكروية
والذكاء الاصطناعي، لتجعلنا لا 'نسمع' الرئة فحسب، بل 'نراها' من الداخل، وبأمان تام."

تاريخ رفع الملفات: 2026-07-01 04:46:49

عنوان المشروع: MukhtabarAI

الوصف:
MukhtabarAI
الملخص والمقدمة: نقدم لكم مشروع "MukhtabarAI"، وهو منصة برمجية متكاملة صُممت لإحداث نقلة نوعية في التحول الرقمي للقطاع الصحي والمختبرات الطبية. يهدف مشروعنا إلى معالجة التحديات التشغيلية الكلاسيكية في المختبرات من خلال التوظيف المبتكر لخوارزميات الذكاء الاصطناعي (AI) والرؤية الحاسوبية، لتقديم تجربة رقمية آمنة، دقيقة، وسلسة لكل من المرضى والمحللين الطبيين على حد سواء.
الهيكلية التقنية (System Architecture):
تعتمد معمارية النظام على أربع وحدات رئيسية مترابطة:
* واجهة LabPulse (LabPulse Interface): بوابة تفاعلية للمرضى توفر نظاماً للحجز المسبق، ومساعداً ذكياً لتوجيه المرضى، بالإضافة إلى نظام وصول سريع يعتمد على رموز (QR) لعرض النتائج المخبرية باستخدام رسوم بيانية ديناميكية مبسطة.
* محرك DiagnoLab AI: وحدة تحليل بيانات متقدمة تستخدم تقنية التعرف البصري على الحروف (OCR) ومعالجة اللغات الطبيعية (NLP) لأتمتة قراءة التقارير الطبية، وتفسير المؤشرات الحيوية المعقدة لتحويلها إلى تقارير ذكية ونصائح طبية قابلة للتنفيذ.
* وحدة اكتشاف انحلال الدم (Hemolysis Detection): نظام رؤية حاسوبية مبرمج بلغة (Python) ومكتبة (OpenCV) لفحص عينات الدم صورياً قبل بدء التحليل الكيميائي. تعمل هذه الوحدة على منع استخراج نتائج خاطئة وتوفير استهلاك الكواشف والمواد الطبية باهظة الثمن.
* نظام الفرز الذكي (SmartSample Prioritizer): خوارزمية أتمتة لإدارة سير العمل، تقوم بتصنيف أولوية العينات الحرجة (STAT)، وتتبع صلاحيتها الزمنية لضمان التوزيع الأمثل للمهام على الكوادر الطبية.
الخلاصة: يستند النظام في بنيته التحتية إلى تقنية "Blockchain" لضمان أقصى درجات الأمن والموثوقية لسجلات المرضى. إن مشروعنا يمثل خطوة حقيقية نحو تطوير "المختبر الرقمي" الذي يواكب الطب الحديث، مدعماً كفاءة التشغيل وسرعة اتخاذ القرار السريري.

MukhtabarAI
Abstract & Overview: We present "MukhtabarAI," an institutional-grade software platform engineered to drive digital transformation within the healthcare and clinical laboratory sectors. Our project addresses core operational bottlenecks by synergizing Artificial Intelligence (AI) and Computer Vision to deliver a highly secure, seamless, and intelligent digital experience for both patients and clinical analysts.
System Architecture & Core Modules:
The platform's architecture is built upon four integrated modules:
* LabPulse Interface: An interactive patient portal featuring an AI-driven preparation assistant, secure QR code access for rapid check-ins, and a visual dashboard that translates complex laboratory results into intuitive graphical timelines.
* DiagnoLab AI: An analytical data engine utilizing Deep Learning-based Optical Character Recognition (OCR) and NLP. It automates the ingestion of medical reports, translating complex biochemical markers into structured data and dynamic, actionable clinical insights.
* Hemolysis Detection Unit: A dedicated Computer Vision pipeline powered by Python and OpenCV. It visually screens blood samples for hemolysis prior to biochemical testing, effectively preventing diagnostic inaccuracies and optimizing the use of expensive chemical reagents.
* SmartSample Prioritizer: An intelligent triage algorithm designed to instantly flag critical (STAT) samples, monitor sample validity timers in real-time, and autonomously orchestrate laboratory workflow distribution.
Conclusion: Fortified by Blockchain technology to cryptographically secure patient records and ensure immutable audit trails, MukhtabarAI envisions a faster, highly accurate, and intelligent clinical environment, significantly enhancing clinical decision support.

تاريخ رفع الملفات: 2026-07-05 19:54:44