Promising Projects

Project Title: The role of AI in data collection and analysis for poly pharmacy patients from emerging mobile applications and databases in community pharmacy

Description:
يتناول هذا المشروع مشكلةً مهمة تتمثل في دمج تقنيات الذكاء الاصطناعي في صيدليات المجتمع، وبشكل خاص المخاطر المتزايدة المرتبطة بتعدد الأدوية (Polypharmacy) لدى المرضى كبار السن. ويستند الحل المقترح إلى نظام دعم قرار سريري مدعوم بالذكاء الاصطناعي يقوم بتحليل بيانات الوصفات الطبية، واكتشاف الأدوية غير المناسبة المحتمل وصفها، والكشف الفوري عن التداخلات الدوائية–الدوائية والتداخلات الدوائية–المرضية الضارة، بهدف مساعدة صيادلة المجتمع على اتخاذ قرارات أكثر أمانًا واستنادًا إلى الأدلة فيما يتعلق بتقليل الأدوية ، وتقليل العبء الدوائي الإجمالي لدى كبار السن.

Uploaded At: 2026-07-04 02:34:48

Project Title: قفاز رقيم - Raqeem Glove

Description:
مشروع (قفاز رقيم) هو نظام طبي ومساعد مبتكر ومنخفض الكلفة، مصمم على شكل قفاز ذكي ملبوس لمساعدة الأفراد فاقدي القدرة على النطق أو الذين يواجهون صعوبات في التواصل اللفظي اليومي. يعتمد النظام على متحكم دقيق من نوع ESP32 وخمسة حساسات انحناء (Flex Sensors) مثبتة بدقة على أصابع اليد لقراءة حركة ونبضات الإيماءات الطبيعية. بعد معايرة وتصفية هذه الإشارات عبر خوارزميات ذكاء اصطناعي محلي متقدمة وتجاوز التشويش الحركي، يتم تصنيف وترجمة الحركة فوراً إلى كلمات وعبارات مفهومة. تنتقل هذه البيانات لاسلكياً عبر تقنية البلوتوث إلى تطبيق أندرويد مخصص على الهاتف، حيث تقوم وحدة تحويل النص إلى كلام (Text-to-Speech) بنطق العبارات بصوت عربي مسموع وواضح؛ مما يكسر فجوة التواصل اليومي ويمنح المستخدم أداة ذكية وسريعة للتعبير عن احتياجاته في الأسواق، الشارع، والمنزل بسلاسة كاملة.

Raqeem Glove is an innovative, low-cost wearable assistive system designed to bridge the communication gap for speech-impaired individuals who rely on hand gestures in their daily interactions. The prototype utilizes an ESP32 microcontroller integrated with five flex sensors positioned on the fingers to accurately measure bending levels. Under the hood, advanced local machine learning algorithms filter and process these kinematic signals to eliminate noise and precisely classify predefined hand configurations. Once a gesture is recognized, the corresponding phrase is transmitted via Bluetooth to a dedicated Android application, where a built-in text-to-speech module instantly converts the output into clear, audible Arabic speech. This embedded solution provides a practical, user-friendly, and culturally inspired interface to enhance communication speed and independence in everyday social and practical contexts

Uploaded At: 2026-06-25 09:09:43

Project Title: Skin Disease Detection and Classification System using Convolutional Neural Networks (CNNs) and Raspberry Pi Platform

Description:
This project presents an intelligent and portable system for the automatic detection and classification of skin diseases using Artificial Intelligence (AI) and Deep Learning. The proposed system utilizes a Convolutional Neural Network (CNN) trained on the DermNet dataset, which includes 23 categories of skin diseases. During operation, input skin images are first preprocessed through resizing and normalization before being analyzed by the trained CNN model. The optimized model is then deployed on a Raspberry Pi platform, enabling real-time, on-device disease classification without requiring cloud connectivity. The expected outcome is a fast, accurate, and low-cost diagnostic support system capable of providing preliminary skin disease classification, assisting healthcare professionals, and improving access to dermatological screening, particularly in remote and resource-limited areas.

Uploaded At: 2026-07-05 05:22:56

Project Title: Safwa Cardio Ai-Unit

Description:
يعد مرض الرجفان الاذيني من الامراض الرئيسية في حدوث الازمات القلبية والدماغية المتمثلة بالسكتات الدماغية وفشل القلب , رغم التطور في استخدام الانظمة المؤتمتة وانظمة الذكاء الاصطناعي في تشخيص مشاكل القلب , فأن هذه الانظمة تعاني من عدم قابلية التفسير حيث تصنف كأنها صناديق سوداء تفتقر لآلية محددة تفسر قرارتها للكادر الطبي . يقدم فريق Safwa Cardio AI-Unit نظام "CardioSense AI" , وهو نظام متكامل لدعم الكادر الطبي وتسهيل عملية الفرز الاولي السريع والمدعم بالذكاء الاصطناعي المفسر لحالات الرجفان الاذيني , يتكون النظام من 1 - الهارد وير : عبارة عن جهاز محمول صغير يعتمد في عمله على ) مستشعر AD8232 والمتحكم الدقيق ESP32-C3 ( ومن 2 - سوفت وير : منصة سحابية متكاملة : حيث تم تصميمها وفق معايير مخصصة من حي ث الاستخدام السهل والتصميم والالوان المريحة للمستخدم تشمل المنصة على خوارزمية فرز ذكية لكشف الاشارات المشوشة الناتجة ع ن حركة المريض يعتمد النظام على بنية شبكية من نوع SE-ResNet1D، جرى تحسينها باستخدام تقنية مقياس درجة الحرارة (Temperature Scaling( لتقديم احتمالات تنبؤية معايرة رياضيا بدقة. ومن خلال دمج هذه الاحتمالات مع مقياس إنتروبيا شانو ن ، يعمل النظام وفق إطار يضمن وجود العنصر البشري في حلقة اتخاذ القرار؛ حيث يحسم النظام ذاتيا الحالات ذات الثقة العالية )والتي شكل ت 83.8% من عينة الاختبار لدينا)، بينما يحيل التسجيلات المشكوك فيها اختياريا إلى الأطباء الاختصاصيين. وحقق النموذج دقة بلغ ت 98.77% على مجموعة البيانات الفرعية التي حُسمت ذاتيا من قا عدة بيانا ت PhysioNet 2017 , توفر لوحة التحكم المخصصة للأطبا ء خرائط بصرية للذكاء الاصطناعي القابل للتفسير (XAI( حيث توضح اماكن انتشار النقاط المهمة في الاشارة لدى النموذج في تشخيصه , وتقارير مدعومة بالنماذج اللغوية , مما يسهم في الحد من انحياز الأتمتة وتوفير بيئة تشخيصية أكثر أمان اً

Uploaded At: 2026-07-05 10:34:07

Project Title: Healthy smart bracelet for animale

Description:
طوق ذكي صحي للحيوانات

يراقب صحة الحيوان عن طريق قياس الحرارة وحركة الاهتزاز
مزود بنظام تحديد الموقع
ويرسل البيانات بشكل بسيط ومبتذل


في الشكل الأولي يعمل الطوق بشروط محددة تعطي قراءات الحرارة ومستوى الاهتزاز الحركي وتحدد أيضاً الموقع
تُعالج البيانات وترسل بشكل مباشر من شريحة اتصال داخل الجهاز
الى الرقم المحدد بداخل الكود والفعال أيضاً داخل الهاتف النقال

يعطينا هذا الجهاز
مراقبة لسلوك الحيوان
او الكشف المبكر عن الأصابات والأشتباه بوجود خطر صحي بشكل عام للحيوانات
ويكون هذا الطوق في ظل وجود بعضاََ من تعقيدات أستخدامه
الا أنه قابل للتطوير والتحسين مستقبلاََ

Uploaded At: 2026-07-04 19:26:54

Project Title: AI-powered smart monitoring system

Description:
يتناول هذا المشروع تحديًا هامًا في مجال الرعاية الصحية الذكية والمراقبة الطبية، حيث تفتقر أنظمة مراقبة المرضى التقليدية غالبًا إلى التكامل الذكي للبيانات، والتحليل الفوري، ودعم اتخاذ القرارات السريرية الشاملة. يعتمد الحل المقترح على دمج إنترنت الأشياء الطبية (IoMT)، والحوسبة السحابية، والذكاء الاصطناعي متعدد الوسائط، لتطوير منصة مراقبة طبية ذكية قادرة على جمع العلامات الحيوية للمرضى بشكل مستمر وتحليلها جنبًا إلى جنب مع تقارير المختبر، والوثائق الطبية، والصور التشخيصية.
يستخدم النظام وحدات تحكم دقيقة ESP32 مزودة بمستشعرات حيوية لقياس معدل ضربات القلب، ونسبة تشبع الأكسجين في الدم (SpO₂)، ودرجة حرارة الجسم. تُنقل البيانات المجمعة بشكل آمن باستخدام بروتوكول MQTT إلى خادم سحابي، حيث تُخزن، وتُعرض من خلال لوحة تحكم ثنائية اللغة على الويب، وتُعالج باستخدام نماذج الذكاء الاصطناعي متعددة الوسائط من OpenAI لتوليد توصيات سريرية ذكية.
يتناول هذا المشروع تحديًا هامًا في مجال الرعاية الصحية الذكية والمراقبة الطبية، حيث تفتقر أنظمة مراقبة المرضى التقليدية إلى التكامل الذكي للبيانات، والتحليل الفوري، ودعم اتخاذ القرارات السريرية الشاملة. يهدف هذا المشروع بشكل أساسي إلى تحسين سلامة المرضى من خلال تمكين المراقبة المستمرة في الوقت الفعلي، والكشف المبكر عن الحالات الصحية غير الطبيعية، ودعم اتخاذ القرارات السريرية بمساعدة الذكاء الاصطناعي، مع الحفاظ على دور الأطباء كصانعي القرار النهائيين. تشمل النتائج المتوقعة تعزيز كفاءة الرعاية الصحية، وتقليل عبء العمل على الطاقم الطبي، وتسريع الاستجابة لحالات الطوارئ، وتحسين الدعم التشخيصي، وتقديم حلول رعاية صحية ذكية قابلة للتطوير، مناسبة للتطبيق في المستشفيات الحديثة وبيئات الرعاية الصحية الرقمية المستقبلية.

Uploaded At: 2026-07-05 07:23:28

Project Title: MedCoreAI: An Explainable Deep Learning Model Based on an Enhanced SqueezeNet with Grad-CAM for Multi-Class Spinal MRI Diagnosis

Description:
Accurate and explainable diagnosis of spinal disorders from magnetic resonance imaging (MRI) remains a significant challenge due to the complex anatomy, variability in pathological manifestations, and the limited interpretability of conventional deep learning models. This paper proposes MedCoreAI, an explainable deep learning model for multi-class spinal MRI diagnosis based on an enhanced SqueezeNet architecture with Gradient-weighted Class Activation Mapping (Grad-CAM). The proposed model employs transfer learning to adapt a lightweight SqueezeNet model to classify four spinal pathology categories while maintaining low computational complexity suitable for clinical deployment. To enhance the model's transparency, Grad-CAM provides class-specific visual explanations and highlights the image region most diagnostically important for the prediction, helping the clinician interpret and validate the model's predictions. An 80:20 stratified split was used to train and validate the model on the multi-source spinal MRI dataset. The experimental results show that the proposed model achieves a high overall classification accuracy of 98.39%, with high precision, recall, and F1-score for each pathology class considered, demonstrating its robustness and effectiveness. To enable practical clinical application, the trained model was implemented in an interactive MATLAB-based decision support system that supports automatic MRI analysis, explanation, image enhancement, measurement, and patient data management. The results of the experiments suggest that MedCoreAI can provide a reliable, efficient, and interpretable computer-aided diagnosis solution for spinal MRI diseases, which could be beneficial for clinical decision-making in real-world clinical settings.

Uploaded At: 2026-07-04 21:58:58

Project Title: BYBIX (National Digital Health Platform for Iraq)

Description:
The purpose of this paper is to assess the academic and professional impact of the decision to grant an exception from the entrance exam to senior residents who wish to train in specialized surgical medical areas (such as maxillofacial surgery) due to health concerns. The paper will analyze a case of a senior resident who is a practicing dentist and wants to enter the program. This paper considers the delicate issue of satisfying the humanitarian and health needs of medical staff while ensuring the highest levels of academic and clinical proficiency. The paper states that in exceptional situations it is necessary to create an additional way of assessment next to the regular exam.

Keywords: Maxillofacial surgery, senior resident, exam requirement exemption, clinical competence, health policies

Uploaded At: 2026-07-05 01:30:52

Project Title: The Project: An Explainable AI System for Brain Tumor Classification and Automated Clinical Reporting

Description:
تمثل أورام الدماغ تحديا صحيا عالميا كبيرا، مما يستلزم تشخيصا دقيقاَوفي الوقت المناسب ﻹدارة فعالة للمرضى. غالبا ما
تكون اﻷساليب التشخيصية التقليدية، التي تعتمد بشكل أساسي على التفسير اليدوي لصور الرنين المغناطيسي، عرضةً
للمﻼحظة بين المﻼحظينَوقد تستغرق وقتا طويﻼً، مما يؤدي إلى تأخيرات محتملة في بدء العﻼج. نستنتج ان التشخيص
الطبي يحتاج ﻷدوات متقدمة قادرة على تعزيز كفاءة وموثوقية تصنيف أورام الدماغ
تقدم هذه الورقة نظامنا الذكي، وهو مساعد تشخيص طبي مبتكر يعمل بالذكاء اﻻصطناعي، مصمم لمعالجة هذه التحديات
عن طريق تصنيف صور الرنين المغناطيسي للدماغ إلى أربع فئات متميزة : الورم الدبقي، الورم السحائي، ورم الغدة
النخامية، وغياب الورم يعني ﻻ يوجد ورم. يدمج النظام المقترح بنية ذكاء اصطناعي متعددة الطبقات تتكون من نموذج
الشبكة العصبية التﻼفيفية الفعالة لتصنيف التعلم العميق، مع خريطة حرارية توضح على ماذا ركز النموذج، مع نموذج رؤية
الذكاء اﻻصطناعي من شركة كوكل ﻹعداد التقارير السريرية اﻵلية

Uploaded At: 2026-06-29 05:18:54

Project Title: AI-Based Diabetes Prediction Web - Based

Description:
This
study proposes an AI-based web system for diabetes prediction using machine learning. The
system utilizes medical and demographic features, including glucose concentration, blood
pressure, insulin level, body mass index (BMI), age, number of pregnancies, skin thickness, and
diabetes pedigree function. Data preprocessing included median imputation for missing values,
feature selection, and exploratory data analysis to improve data quality and identify significant
predictors. The dataset was divided into training and testing sets using an 80:20 stratified split,
and Random forest algorithm was employed as the classification algorithm. The proposed model
achieved 92% accuracy, with precision, recall, and F1-score of 0.91, 0.93, and 0.92, respectively.
The results demonstrate that the developed web-based system provides an effective and reliable
decision-support tool for early diabetes prediction, highlighting the potential of machine learning
sto enhance diagnostic accuracy and improve healthcare outcome

Uploaded At: 2026-07-05 04:35:48

Project Title: Pharmacy-X: An Automated Smart System for Handwritten Prescription Recognition and Direct Dispensing in Emergency Wards

Description:
This project addresses critical operational inefficiencies in emergency medical services and pharmacy automation caused by reliance on manual prescription processing. We propose an integrated solution combining advanced pre-processing and Natural Language Processing (NLP) with Cloud-based Optical Character Recognition (OCR) and IoT-driven mechanical dispensing. The system aims to automate the end-to-end process: interpreting handwritten medical prescriptions and dispensing medication with minimal human intervention. To overcome the persistent challenge of highly illegible handwriting, the system employs a multi-layered approach involving image enhancement, fuzzy string matching, and medical context-aware analysis to enhance recognition accuracy. The expected outcomes include significantly accelerated treatment times in emergency departments while allowing clinicians to maintain their established, rapid pen-and-paper workflow seamlessly.

Uploaded At: 2026-07-05 02:27:15

Project Title: First Response System (FRS)

Description:
Emergency departments around the world face increasing challenges due to overcrowding, limited medical staff, and the need to make rapid clinical decisions. These conditions can lead to delayed diagnoses, inappropriate treatment, and preventable medical errors that may put patients' lives at risk. To address these challenges, this project introduces the First Response System (FRS), an intelligent web-based clinical decision support platform powered by artificial intelligence.

The First Response System is designed to assist healthcare professionals during the initial assessment of emergency patients. Rather than replacing physicians, the platform serves as a decision-support tool that provides fast, data-driven recommendations to improve the accuracy and efficiency of emergency care.

The system collects essential patient information, including vital signs (such as heart rate, blood pressure, body temperature, respiratory rate, and oxygen saturation) along with images of visible symptoms or injuries. Using advanced artificial intelligence algorithms trained on extensive medical datasets and real clinical cases, FRS analyzes the patient's information .

After processing the data, the system generates the three most probable diagnoses, each accompanied by a confidence percentage to help clinicians evaluate the likelihood of each condition. In addition, FRS recommends safe preliminary medical actions based on established clinical guidelines, automatically generates a comprehensive medical report, and securely forwards the report to the supervising physician for review and final clinical decision-making.

By providing rapid and reliable diagnostic support during the critical first stage of patient evaluation, FRS aims to reduce diagnostic errors, improve communication among healthcare teams, shorten response times, and enhance patient safety. The platform combines artificial intelligence with medical expertise to support, rather than replace, healthcare professionals, ensuring that final diagnoses and treatment decisions always remain under the supervision of qualified physicians.

Overall, the First Response System represents an innovative application of artificial intelligence in emergency medicine, offering a practical solution to improve the quality, speed, and reliability of emergency healthcare services while helping medical staff deliver more effective patient care under high-pressure conditions.

Uploaded At: 2026-07-05 13:29:22