يهدف تحدي تصنيف AUTO-PCOS إلى تطوير قدرات التشخيص للذكاء الاصطناعي (AI) في تحديد متلازمة المبيض المتعدد الكيسات (PCOS) من خلال تصنيف أوتوماتيكي لصور السونار الصحية وغير الصحية. يوضح هذا التقرير منهجيتنا لبناء خط أنابيب ذكاء اصطناعي قوي باستخدام التعلم النقل مع بنية InceptionV3 لتحقيق دقة عالية في التصنيف الثنائي. ضمنت خطوات المعالجة السابقة تحسين مجموعة البيانات لعمليات التدريب والتحقق والاختبار، بينما وفرت طرق التفسير مثل LIME وخرائط الحساسية رؤى قيمة حول آلية اتخاذ القرار من قبل النموذج. حققت منهجيتنا دقة بلغت 90.52٪، مع مؤشرات الدقة والاسترجاع ومقياس F1 التي تجاوزت 90٪ على بيانات التحقق، مما يدل على فعاليتها. يؤكد المشروع على الإمكانات التحويلية للذكاء الاصطناعي في الرعاية الصحية، خاصة في مواجهة تحديات التشخيص مثل متلازمة المبيض المتعدد الكيسات. يتم مناقشة النتائج الرئيسية والتحديات والتوصيات لتحسينات المستقبل، مما يسلط الضوء على المسار لإنشاء أدوات تشخيص طبية مدفوعة بالذكاء الاصطناعي يمكن الاعتماد عليها وتفسيرها وتوسيع نطاقها.