Promising Projects

Project Title: PHRNet-Powered Intelligent Web Platform for Clinical Analytics and Pharmaceutical Supply Chains

Description:
Pharmacies play a critical role in ensuring safe medicine distribution and reliable pharmaceutical services. However, the exponential proliferation of therapeutics and high visual similarity of medicine packaging challenge manual identification, potentially leading to medication errors. To address these challenges, this study introduces an AI-driven smart pharmacy ecosystem integrating deep learning and Optical Character Recognition (OCR). A specialized dataset comprising 798 medicine and vitamin products was curated from local pharmacies and official Iraqi pharmaceutical websites, then expanded via data augmentation to approximately 39,900 images. The core pipeline utilizes a custom deep learning architecture, the Pharmacy Recognition Network (PHRNet) implemented in PyTorch, to classify medicine packages and retrieve clinical profiles, while Google ML Kit OCR extracts medication names from prescriptions for automated verification.
Following successful network training, an intelligent web-based platform was developed to leverage PHRNet for real-time drug classification and the multi-criteria analysis of therapeutic indications, side effects, and health risks. To bridge the gap between diagnostic intelligence and pharmaceutical supply chains, the platform incorporates an end-to-end e-commerce module enabling secure transactions between verified local pharmacies and wholesale drug stores (warehouses). Furthermore, the system implements an automated expiration date tracking mechanism and clinical validation protocols strictly aligned with the regulatory mandates of the Iraqi Ministry of Health and the global guidelines of the World Health Organization (WHO). Integrated into a user-friendly Flutter mobile application, experimental results demonstrated that PHRNet achieves an exceptional validation accuracy of 99.16%, a precision of 99.29%, a recall of 99.16%, and an F1-score of 99.11%, confirming the platform’s high efficacy in reducing clinical errors and optimizing pharmaceutical logistics

Uploaded At: 2026-07-03 15:54:36

Project Title: Real-Time Automated Chromosome Segmentation and Probabilistic Inference Platform for Genetic Syndromes Using Artificial Intelligence

Description:
It is crucial to analyze human chromosomes correctly in cytogenetic studies, as well as in evolutionary, embryological and individualized therapeutic planning. Genetic syndromes, malignancies and multi-system abnormalities are linked to structural and numerical abnormalities of chromosomes, which is a form of rapid screening that must be done for early clinical decision making. In order to alleviate the burden and delay of manual karyotyping, this study aimed to create a decision support platform, called Chromosome Scan, that aids in automated chromosome classification and clinical reporting using AI. The evaluation was done using 28,500 human epithelial cell chromosome images from public repositories, standardized, and split into a training, validation, and testing set. Three types of image representations, namely, grayscale image (ChCNg), heatmap image (ChCNh), and RGB image (ChCNr) were included into the proposed Chromosome Classification Networks (ChCN). Furthermore, Grad-CAM was used to enable localized visual explanations, and make the diagnosis more interpretable. In addition, the web-based platform incorporates a genomic reference database which allows retrieval of gene associated information for known chromosomal abnormalities, as well as case management and automated report generation. The proposed framework was validated using experimental results with high validation accuracy of 94.04% for ChCNh, 94.69% for ChCNr, and 95.23% for ChCNg, which showed the effectiveness of the proposed framework for automated cytogenetic analysis.

Uploaded At: 2026-07-02 10:03:51

Project Title: Autonomous Opportunistic Osteoporosis Screening via Novel Trabecular Disruption Index (TDI)

Description:
تُعد هشاشة العظام من الأمراض الشائعة التي تؤثر بشكل كبير في صحة الإنسان وجودة حياته، إذ تؤدي إلى انخفاض كثافة العظام وتدهور بنيتها المجهرية، مما يزيد من خطر الكسور والمضاعفات المرتبطة بها. وتكمن إحدى أبرز التحديات في تشخيص هذا المرض في غياب الأعراض السريرية الواضحة خلال مراحله المبكرة، الأمر الذي يجعل الكشف المبكر والتدخل الوقائي أمراً بالغ الأهمية. وفي هذا السياق، برزت تقنيات التصوير الطبي والتحليل الحاسوبي كأدوات واعدة لدعم التشخيص الانتهازي من خلال الاستفادة من الصور الشعاعية الروتينية المتاحة للمرضى.

تركز هذه الدراسة على توظيف أساليب متقدمة لاستخراج الخصائص من صور الأشعة السينية للركبة بهدف تقييم حالة النسيج العظمي الإسفنجي والكشف عن مؤشرات التدهور المرتبطة بهشاشة العظام. وتعتمد الدراسة على دمج طريقتين رياضيتين هما الهندسة الكسيرية (Fractal Geometry) وتحليل نسيج غابور (Gabor Texture Analysis)، لتطوير مؤشر جديد يُعرف باسم "مؤشر اضطراب العظم الإسفنجي" (Trabecular Disturbance Index - TDI). كما يتم استخدام خوارزمية آلة المتجهات الداعمة (Support Vector Machine - SVM) لتصنيف الحالات إلى ثلاث فئات سريرية هي: الطبيعي، وقلة كثافة العظم، وهشاشة العظام. وقد أظهرت النتائج فعالية النهج المقترح، حيث حقق دمج الطريقتين دقة تصنيف بلغت 90.21% على مجموعة بيانات سريرية مكونة من 470 صورة شععية للركبة، مما يؤكد إمكاناته كأداة مساعدة للكشف المبكر عن هشاشة العظام.

Uploaded At: 2026-06-23 05:28:37

Project Title: DermaScan AI: A Reliable Deep Learning System for Automated Skin Disease Diagnosis

Description:
Skin diseases are one of the most important health issues of the world but access to specialized dermatological services is limited. In this study, DermaScanAI-20, a custom 20-layer architecture using Convolutional Neural Networks (CNN) is introduced within an intelligent Clinical Decision Support System (CDSS) for automated skin lesion analysis. To overcome the "black box" problem inherent in deep learning, Gradient-weighted Class Activation Mapping (Grad-CAM) was added to create an explainable AI heatmap that points to the specific clinical region that is responsible for the classification. The proposed system is designed to combine automated image preprocessing, deep feature learning, and K-Means clustering for accurate segmentation of the lesions, using a curated dataset of 46,334 dermatological images across fifteen distinct disease categories. The results of the experiments are presented, and it is found that DermaScanAI-20 has an outstanding Overall Testing Accuracy of 92.80%, a Macro-Average Precision of 93.20%, a Macro-Average recall of 92.80% and a harmonic F1-Score of 93.00%. The high validation metrics statistically confirm the strong integrity of the diagnostic process of the system, making it an extremely reliable and transparent screening system for clinical dermatology applications.

Uploaded At: 2026-06-30 06:45:17

Project Title: Autism Spectrum Disorder Indicator

Description:
يُعدّ اضطراب طيف التوحد (ASD) من الحالات النمائية العصبية المعقدة التي تلقي بظلالها على قدرات التواصل الاجتماعي، والأنماط السلوكية، ومستوى التفاعل لدى الأفراد. ونظراً لكون الرصد المبكر لمؤشرات هذا الاضطراب يمثل حجر الزاوية في الارتقاء بفاعلية التدخلات العلاجية وتعزيز مسارات النمو السليم؛ ينبثق هذا البحث ليقدم منظومة ذكية ومبتكرة، صُممت خصيصاً لدعم جهود الفحص المبكر والتقييم الأولي لمؤشرات التوحد، وذلك عبر إحداث تكاملٍ متطور بين أدوات التقييم السلوكي وتقنيات الذكاء الاصطناعي الحديثة والرؤية الحاسوبية.

وتتبلور الهيكلية التشغيلية للنظام المقترح في مرحلتين محوريتين:

المرحلة الأولى (التقييم السلوكي): تعتمد على استبيان شامل ودقيق يضم 36 سؤالاً سلوكياً، يستهدف استقصاء السمات الشائعة والمميزة لاضطراب طيف التوحد.

المرحلة الثانية (التحليل الذكي): في حال تخطي النتيجة التقييمية للاستبيان حداً معيارياً محدداً سلفاً (Threshold)، ينتقل النظام تلقائياً إلى هذه المرحلة المتقدمة. وتتولى هذه المرحلة إجراء تحليلٍ لحظيٍّ ومباشر (Real-time) لحركية الجسم، وإيماءات الوجه، وحالة العينين، بالاعتماد على معالجة تدفق الكاميرا باستخدام إطار العمل المتقدم (MediaPipe).

Uploaded At: 2026-07-05 20:43:55

Project Title: Omni guard :Smart Wristband for Children with Autism

Description:
,OmniGuard: is an AI-assisted smart wearable wristband designed to enhance the safety of children with Autism Spectrum Disorder (ASD). The device integrates GPS tracking, fall detection, heart rate and SpO₂ monitoring, and an SOS emergency button. An intelligent decision-making engine fuses these inputs to classify the child's condition as "Safe, Warning, or Emergency", while a Decision Tree model was used to validate the proposed decision logic. Real-time alerts and location updates are delivered to caregivers through a Flutter mobile application integrated with Firebase. OmniGuard provides an affordable and reliable solution for improving child safety through intelligent monitoring and rapid emergency response.

Uploaded At: 2026-06-30 12:22:15

Project Title: تطوير نموذج ذكي للتقييم الآلي للحول الأفقي وتقدير مقدار انحراف العين

Description:
يتناول هذا المشروع مشكلة مهمة تتمثل في التشخيص الدقيق والتقييم الكمي للحول الأفقي. يعتمد الحل المقترح على نظام ذكي لمعالجة الصور باستخدام برنامج MATLAB ، يوظف كشف المعالم العينية وتحليل هيرشبرغ بهدف التصنيف التلقائي لنوع الحول وتقدير زاوية انحراف العين من صور الوجه الملتقطة في وضعية النظر الأولية. ومن المتوقع أن تسهم مخرجات النظام في التمييز الموثوق بين المحاذاة العينية الطبيعية والحول الأنسي والحول الوحشي، مع توفير تقدير دقيق لمقدار الانحراف، وتحسين كفاءة برامج التحري والكشف عن الحول، وتقديم وسيلة سريعة ومنخفضة التكلفة للفحص الأولي، خاصةً لدى الأطفال والمرضى غير المتعاونين، مع تقليل الوقت اللازم لتقييم المرضى المتعاونين.

Uploaded At: 2026-07-03 04:50:16

Project Title: Using RFC To Bulid a Monitoring System For Thalassemia Patients

Description:
The proposed system allows the administrator to create user accounts, and the user can log into the system to enter
laboratory test results through a dedicated interface. The entered data includes blood test parameters such as Complete
Blood Count (CBC) and ferritin level, which are important indicators for detecting thalassemia. After entering the
data, the system sends the values to a trained prediction model that was built using the Random Forest algorithm.
The model was trained using a prepared dataset containing laboratory results for normal and thalassemia cases. The
algorithm compares the input data with the learned patterns and produces a based on the majority voting of multiple
decision trees. The system then displays the result to the user and stores it in the database for future monitoring.
The developed system helps in improving diagnostic accuracy, reducing manual errors, and providing continuous
follow-up for patients. It can be used as a decision support tool for doctors and laboratories to assist in the early
detection of thalassemia and to monitor patient condition over time.

Uploaded At: 2026-07-03 21:37:26

Project Title: A CNN-Based Mobile Application for Early Detection of Skin Cancer

Description:
يعتمد الكشف المبكر عن آفات الجلد وسرطان الجلد غالباً على الفحص البصري، إلا أن الوصول إلى أطباء الجلدية المختصين يبقى محدوداً في كثير من المناطق النائية أو قليلة الخدمات. يعرض هذا المشروع تطبيق DermaCare، وهو تطبيق محمول لدعم القرار الطبي والفحص الأولي لآفات الجلد. يعتمد النظام على مسار عمل مكوّن من فحص جودة الصورة، والتحقق من أن الصورة تحتوي على جلد بشري، ثم تصنيف الآفة باستخدام نموذج EfficientNet-B4، مع طبقة مراجعة ذكية للحالات غير الواضحة. تم تدريب النموذج وتقييمه على نسخة مفلترة من مجموعة ISIC 2019 تضم سبع فئات من الآفات الجلدية. حقق النموذج دقة تحقق مقدارها 68.9% ومتوسط مساحة تحت المنحنى قدره 0.954. وبسبب تفاوت الأداء بين الفئات، يقدم التطبيق النتيجة على شكل فحص أولي يتضمن الفئة المتوقعة ونسبة الثقة والتوصية المناسبة، ولا يُعد بديلاً عن تشخيص الطبيب المختص.

Skin cancer screening often begins with visual inspection, yet access to specialist dermatology services remains limited in many remote and underserved areas. This project presents DermaCare, a mobile decision-support application for preliminary screening of skin lesions. The proposed system uses a safety-oriented pipeline that checks image quality, verifies that the input contains skin, classifies the lesion using an EfficientNet-B4 convolutional neural network, and applies a vision-language review layer to uncertain cases. The classifier was trained and evaluated on a filtered seven-class subset of the ISIC 2019 dermoscopic dataset covering actinic keratosis, basal cell carcinoma, dermatofibroma, melanoma, nevus, squamous cell carcinoma, and vascular lesions. The classifier achieved 68.9% validation accuracy and a macro-average AUC of 0.954. Since performance varies between lesion classes, the application is presented as an Arabic mobile screening aid that reports the predicted class, confidence level, and recommendation, but does not replace clinical diagnosis by a dermatologist.

Uploaded At: 2026-07-05 02:05:08

Project Title: تصميم نظام تحكم يعتمد على حركة اليد بالاعتماد على زاوية الميل لمساعدة المكفوفين

Description:
يتناول هذا المشروع مشكلة جوهرية في مجال ضعاف البصر (أو المكفوفين) والتي تعد من أصعب المشكلات الملموسة في العالم. ويستند الحل المقترح إلى تصنيع جهاز يعمل على اعانة المكفوفين في تشغيل الاجهرة الضرورية في الحياة اليومية من دون الاعتماد على الآخرين، ومن الجدير بالذكر انه يتميز بعدم الاعتماد على الانترنيت. وذلك بهدف توفير حياة مستقرة نسبياً للمكفوفين. وتشمل النتائج المتوقعة في اعتماد المكفوفين على أنفسهم دون الحاجة للآخرين.

Uploaded At: 2026-07-03 10:41:55

Project Title: Protecting a Factory from Cyberattacks Using Artificial Intelligence

Description:
Industrial factories face increasing cyber threats targeting programmable logic controllers (PLCs), sensors, cameras, and human-machine interfaces (HMIs). This paper presents a distributed, real-time intrusion detection system (IDS) for smart factories, built on a three-tier Fog–Cloud–Dashboard architecture deployed via Docker. The Fog layer applies a tuned Decision Tree (DT v3, Recall = 99.89%) combined with an Isolation Forest anomaly detector to filter network traffic locally, forwarding only suspicious packets to the Cloud. The Cloud layer uses an XGBoost classifier (Accuracy = 76.15%) trained on the UNSW-NB15 dataset with SMOTE oversampling and adversarial augmentation to classify nine attack types, while SHAP values provide human-interpretable explanations for each decision. Two web dashboards serve distinct roles: a technical dashboard for security managers and a simplified bilingual (Arabic/English) observer interface. Live tests demonstrate a detection rate exceeding 97% under stress conditions, with sub-second response latency.

Uploaded At: 2026-07-05 12:22:32

Project Title: Smart Door Using AI

Description:
This project addresses a significant problem in edge-based biometric authentication and intelligent access control systems. The proposed solution is based on the development of an edge-based face recognition system using an ESP32-S3 camera and client-side AI libraries with the aim of transferring resource-intensive vision processing directly onto the web browser to eliminate cloud costs and privacy risks. The expected outcomes include a dramatic reduction in network latency and bandwidth, alongside immediate access verification via responsive physical LED indicators.

Uploaded At: 2026-07-05 21:26:49