الجامعة التقنية الشمالية

مشروع HireMe هو منصة ذكية تساعد الشباب والباحثين عن عمل على الاستعداد للوظائف بشكل أفضل. بدل ما يكتفي المستخدم بالبحث عن وظيفة فقط، يقوم HireMe بمساعدته على اختيار وظيفة مناسبة، ثم يحلل مهاراته وسيرته الذاتية ويقارنها بمتطلبات الوظيفة. بعد ذلك يوضح له نقاط القوة، المهارات الناقصة، ونسبة جاهزيته للوظيفة. كما يوفر المشروع مقابلة تدريبية ذكية تساعد المستخدم على التمرن قبل المقابلة الحقيقية، بالإضافة إلى إنشاء سيرة ذاتية مناسبة للوظيفة المختارة. بشكل مختصر، HireMe يساعد المستخدم على الانتقال من مرحلة البحث عن وظيفة إلى مرحلة الاستعداد والتقديم بثقة أكبر.

project addresses a significant problem in assessing children’s development in terms of various aspects, such as attention, cognition, motor skills, language, interaction, and sensory processing. The proposed solution is based on developing an interactive platform for conducting assessments and integrating the results of testing with the aim of assisting the parents or specialists in assessing the developmental level of the child and following its progress in time. The expected outcomes include more organized assessment, clearer reporting of strengths and needs, and better support for making follow-up or intervention decisions. Our project is live at: https://medobloom.app/

NexPulse is a full-stack web-based health monitoring platform that continuously tracks patients' vital signs — including heart rate, blood oxygen (SpO₂), blood pressure, glucose, sleep quality, and daily activity — and streams them in real time to both patients and their assigned doctors through dedicated dashboards. The platform solves three critical problems in modern healthcare: patients cannot interpret raw biometric data on their own, doctors only see patients in brief appointments and miss what happens in between, and health data from different devices lives in disconnected silos with no way for a clinician to see the full picture. NexPulse bridges this gap by connecting patients, clinicians, and an AI assistant called PulseAI — powered by OpenAI's GPT-4o-mini — which reads each user's live vitals as context and answers health questions in plain language without fabricating data. The system includes real-time doctor–patient messaging, automated risk triage that classifies every reading as Stable, Watch, or Critical and alerts the assigned clinician instantly, a doctor discovery and assignment flow, and direct Bluetooth device integration that streams live heart-rate data from standard BLE chest straps into the platform without any app installation. Built entirely with vanilla HTML, CSS, and JavaScript on the frontend, PostgreSQL (via Supabase) with row-level security on the backend, and Vercel serverless functions for secure AI inference, the platform runs entirely in a browser at near-zero infrastructure cost. NexPulse matters for the future because it demonstrates that the gap between consumer health wearables and real clinical care can be closed with modern web technologies alone — making continuous, AI-assisted health monitoring accessible to patients and clinicians anywhere in the world, without expensive hardware, native apps, or hospital-grade IT infrastructure.

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

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.

يتناول هذا المشروع مشكلة جوهرية في مجال الاستدامة البيئية و التوسع العمراني حيث تفتقد الجهود التطوعية الحالية الى التنظيم و الاستمرارية و يستند الحل المقترح الى منصة شجر Shajer plateform وهي تطبيق ذكي يعتمد على تكنلوجيا Jotform حيث يدمج بين الذكاء الاصطناعي و التجارة الالكترونية الخضراء بهدف تحويل المدن الى واحات مستدامة من خلال اشراك المجتمع في عملية التشجير وفق نموذج ربحي يضمن الاستدامة المالية و البيئية و تشمل النتائج المتوقعة تعزيز المشاركة المجتمعية وتسهيل الوصول الى المنتجات النباتية و تقديم ارشاد ذكي للعناية بالنباتات

أكاديمية سومر (Sumer Academy) نظام التعلم الذكي المستدام والدمج المجتمعي الرقمي الرؤية العامة للمشروع منصة تعليمية رقمية وطنية شاملة (MOOCs) تعمل بمحرك ذكاء اصطناعي، تهدف إلى رقمنة قطاع التدريب والتعليم في العراق. المنصة مصممة لتكون "مركزاً للتعلم مدى الحياة"، حيث لا تقتصر على الطلاب الأكاديميين فقط، بل تمتد لتشمل كافة فئات المجتمع (موظفين، خريجين، وباحثين عن عمل). يتميز المشروع بوجود قسم التعليم المستمر، وهو قسم مفتوح للعامة يتميز بـ: شمولية الفئات: توفير دورات احترافية تناسب ربات البيوت، الموظفين الراغبين في تطوير مهاراتهم، والمهنيين المستقلين (Freelancers). المرونة: إمكانية التعلم في أي وقت ومن أي مكان، مما يخدم الأشخاص المرتبطين بوظائف بدوام كامل. تحديث المهارات: التركيز على المهارات التي تتغير بسرعة في سوق العمل، لضمان بقاء القوى العاملة العراقية على اطلاع دائم بأحدث التقنيات. الحل التقني: الذكاء الاصطناعي التشخيصي (AI Engine) النواة التقنية للمشروع هي نظام Sumer AI Navigator: التقييم الديناميكي: اختبار ذكاء اصطناعي يحدد "الفجوة المعرفية" لدى المستخدم فور دخوله المنصة. تخصيص المسار: النظام لا يعرض قائمة عشوائية، بل يبني "خطة تطوير شخصية" (Individual Development Plan) تقترح الكورسات بناءً على مستوى المستخدم الحالي وأهدافه المهنية. التكامل الرقمي والشراكات الاستراتيجية يعتمد المشروع على استراتيجية "الوصول السهل" من خلال التكامل مع الأنظمة نقابة المدربين العراقيين: تغطية جانب مهارات التطوير الذاتي والقيادة بشهادات معتمدة مهنياً. الجامعات العراقية: تقديم المسارات الأكاديمية التخصصية التي تخدم الطلبة والباحثين

While the applications of nanotechnology continue to expand, physically testing the safety, efficacy, and environmental impact of every new nanoparticle design is becoming impractical. To address this bottleneck, we developed Nano-Shield, a sustainable, AI-driven platform for nanomaterial assessment. The platform operates as a comprehensive virtual laboratory utilizing a two-step screening process. This process is divided across four specialized modules: NanoToxNet (NTN) for predicting toxicity, NanoGuardNet (NGN) for assessing antimicrobial activity, and two sustainability modules (Batch Assessment and Oxide Assessment) for evaluating resource consumption and environmental impact. We built and evaluated the framework using the Nanoparticle Toxicity Dataset and NanoAntimicrobialDB. After standardizing the data and preparing the features, we tested four supervised machine learning algorithms: Random Forest (RF), K-Nearest Neighbors (KNN), Support Vector Machines (SVM), and Decision Trees (DT). Relying on its tree voting consensus, Random Forest significantly outperformed the others, achieving 97.35% accuracy for toxicity prediction and 90.01% accuracy for antimicrobial activity. Beyond its predictive capabilities, Nano-Shield calculates the real-world environmental footprint of potential physical experiments. It evaluates energy and water consumption, chemical waste, carbon emissions, and financial costs, converting these metrics into tangible equivalents—such as kilometers driven by a car or standard water bottles consumed. By combining predictive machine learning with Safe-and Sustainable-by-Design (SSbD) principles, Nano-Shield allows researchers to identify the safest and most sustainable nanoparticle candidates before stepping foot in a physical lab, ultimately reducing experimental waste and promoting responsible innovation.

This project is an integrated intelligence platform we built in-house to turn a single digital image into actionable forensic and OSINT intelligence. It automatically analyzes metadata, detects manipulation, extracts faces and text, and estimates location through our custom Seera Locater geolocation engine. The system then expands investigations using Seera Channel Intelligence, verifies findings across multiple sources, and links related scans through Seera Case Intelligence. Finally, a local AI analyst generates a structured executive report, giving investigators one unified dashboard for faster, more reliable image-based intelligence work.

تم تصميم وتنفيذ نظام روبوت ذكي لإزالة الأعشاب الضارة ميكانيكياً، وذلك بالاعتماد على نموذج التعلم العميق "YOLOv8" ومنصة الحوسبة المدمجة "Orange Pi 3". يجمع النظام المقترح بين تقنيات الرؤية الحاسوبية الفورية وذراع روبوتية ذاتية التشغيل لاكتشاف الأعشاب وإزالتها دون الحاجة إلى مبيدات الأعشاب الكيميائية. وتعمل كاميرا عالية الدقة على التقاط صور للحقل، حيث تتم معالجتها بواسطة نموذج "YOLOv8" للتمييز بين الأعشاب والمحاصيل، بينما تتولى الذراع الميكانيكية مهمة الإزالة الدقيقة للأعشاب من مستوى الجذور. وقد أظهرت النتائج التجريبية، التي أُجريت في ظروف حقلية واقعية، دقة في اكتشاف الأعشاب بلغت 87.3%، مع متوسط زمن تنفيذ يناهز 4.5 ثانية لكل عملية. كما أثبت النظام المقترح كفاءة وموثوقية في الأداء، مع المساهمة في تقليل استخدام المبيدات، والحد من الأثر البيئي، ودعم ممارسات الزراعة الدقيقة المستدامة. وتؤكد هذه النتائج جدوى دمج تقنيات الذكاء الاصطناعي المدمج والرؤية الحاسوبية والتحكم الروبوتي في نظام فعال ومنخفض التكلفة لإدارة الأعشاب بشكل آلي ومستقل.

يعرض هذا المشروع نظام صوت الصمت، وهو نظام تواصل مساعد ذكي يترجم إشارات اليد والمشاعر الظاهرة على الوجه إلى كلمات منطوقة. يعتمد النظام على نموذج لغة كبير بوصفه طبقة دلالية رئيسية تربط بين الإدراك البصري والتعبير اللغوي الطبيعي. يلتقط النظام صور الكاميرا مباشرة، ويستخرج معالم اليد باستخدام MediaPipe، ويحلل المشاعر باستخدام DeepFace، ثم يحول زوج الإشارة والمشاعر المستقر إلى نية تواصل واضحة. بعد ذلك يستخدم النظام نموذج Llama 3.1:8B محلياً عبر Ollama لصياغة جملة إنجليزية قصيرة وترجمتها إلى العربية مع الحفاظ على المعنى المقصود. يدعم النظام إشارات مساعدة مهمة مثل طلب المساعدة، الألم، الجوع، العطش، الذهاب إلى الحمام، الاعتذار، الموافقة، الرفض، والانتباه. وفي النهاية يحول النصين الإنجليزي والعربي إلى صوت مناسب للحالة الشعورية، مما يجعل النظام مساعداً عملياً للتواصل غير اللفظي.