آکادمی Med-AI


Гео и язык канала: не указан, не указан
Категория: не указана


🔺مرجع فعالیت‌های آموزشی و پژوهشی هوش مصنوعی و علوم پزشکی در کشور
🔻زیر نظر اعضای برجسته هیئت علمی دانشگاه‌های علوم پزشکی و اساتید معتبر هوش مصنوعی کشور
👤ارتباط با ادمین:
@MedAI_admin
وابسته به شبکه نخبگان ایران
| @IranElitesNet |

Связанные каналы  |  Похожие каналы

Гео и язык канала
не указан, не указан
Категория
не указана
Статистика
Фильтр публикаций


🩻 پردازش تصویر در پزشکی (Image Processing) :
با تکیه بر تشخیص در پاتولوژی دیجیتال

👤 دکتر محمدحسین رهبان

🔹 محقق پسادکترای انستیتو Broad دانشگاه هاروارد و MIT
🔹 عضو هیئت علمی دانشگاه صنعتی شریف
🔹 پژوهشگر برجسته ملی و جهانی هوش مصنوعی در علومِ پزشکی
پروفایل در دانشگاه شریف | اسکالر | لینکدین

📚 سرفصل‌ها:
🔺 هوش مصنوعی اعتمادپذیر (trustworthy AI)
🔺 تشخیص خودکار بر اساس Whole Slide Image
🔺 تفسیرپذیری در تشخیص
🔺 یادگیری چند نمونه‌ای
🔺 یادگیری نظارتی با برچسب ضعیف

زمان: چهارشنبه ۱۵ فروردین ۱۴۰۳، ساعت ۱۶:۳۰
💻 به صورت مجازی در اسکای روم

💠 لینک شرکت در جلسه در کانال آکادمی Med_AI منتشر خواهد شد. برای شرکت در وبینار ، در کانال عضو شوید.

💰 شرکت برای عموم دانشجویان سراسر کشور آزاد و رایگان است.

در آکادمی Med-AI با ما همراه باشید 🎓
|
@MedAI_academy |


Видео недоступно для предпросмотра
Смотреть в Telegram
💠 پردازش زبان طبیعی(NLP) چیست؟

📌 پردازش زبان طبیعی یک شاخه از هوش مصنوعی است که بر تعامل بین کامپیوترها و انسان‌ها با استفاده از زبان طبیعی تمرکز دارد. NLP به کامپیوترها امکان می‌دهد زبان انسان را درک، تفسیر و باز تولید کنند که منجر به ارتباطات طبیعی و حساس‌تر بین انسان‌ها و ماشین‌ها می‌شود. در این ویدئو طی پنج دقیقه به صورت خلاصه و با زبانی ساده این موضوع توضیح داده می‌شود.

در آکادمی Med-AI با ما همراه باشید 🎓
|
@MedAI_academy |


A_benchmark_for_comparison_of_dental_radiography_analysis_algorithms.pdf
3.8Мб
💠 تحلیل نتایج تصویربرداری دندانی با ابزارهای هوش مصنوعی

📌 تصویربرداری دندانی نقش مهمی در تشخیص بالینی، درمان و جراحی ایفا می‌کند.
در این مقاله، مجموعه داده‌ها، روش‌ها و نتایج چالشِ ارائه شده و اصول استفاده آینده از این بنچمارک تعریف شده است.
چالش های اصلی محققان شامل ایجاد مخزن داده‌های آناتومیک دندانی برای رادیوگراف‌های Bitewing ، ایجاد مخزن داده‌های طبقه‌بندی شده ناهنجاری‌های آناتومی برای رادیوگراف‌های Cephalometric و تعریف ارزیابی کمّی هدفمند برای مقایسه و رتبه‌بندی الگوریتم‌هاست. با استفاده از این بنچمارک، هفت روش خودکار برای تحلیل تصاویر پرتوسنج Cephalometric و دو روش خودکار برای شناسایی دندانپزشکی Bitewing مقایسه شده‌اند و نتایج ارزیابی کمّی جزئی در این مقاله ارائه شده است. بر اساس نتایج ارزیابی کمّی، باور داریم که تجزیه و تحلیل خودکار تصاویر پرتو ایکس دندانی هنوز هم یک مسأله چالش برانگیز و حل نشده است . مجموعه داده‌ها و نرم‌افزار ارزیابی به جامعه تحقیقات، برای تشویق به توسعه‌های آینده در این حوزه، در دسترس قرار خواهد گرفت.

در آکادمی Med-AI با ما همراه باشید 🎓
|
@MedAI_academy |


Видео недоступно для предпросмотра
Смотреть в Telegram
💠 پتانسیل های پنهان هوش مصنوعی در نوروساینس!

📌به گفته جیمز دیکارلو ، علوم اعصاب و هوش مصنوعی (AI) بسیار مستعدند تا رابط بصری پنهانی برای مغز باز کنند . با ترکیب بینش‌های حاصل از علوم اعصاب با فناوری‌های پیشرفته هوش مصنوعی، پژوهشگران می‌توانند درک عمیق‌تری از نحوه پردازش اطلاعات بصری و احساسات را توسط مغز بدست آورند. این می‌تواند منجر به کشف راه‌های جدیدی برای مطالعه و درمان اختلالات احساسی شود ، همچنین توسعه سیستم‌های هوش مصنوعی پیشرفته‌تر که بتوانند بهتر احساس و درک انسان را شبیه‌سازی کنند نیز از مهمترین اهدافی است که پژوهشگران این دو حوزه می‌خواهند به آن دست پیدا کنند . دیکارلو نشان می‌دهد که چه امکانات جذابی ظاهر می‌شود وقتی علوم اعصاب و هوش مصنوعی با هم کار می‌کنند تا رازهای مغز انسان را کشف کنند.

در آکادمی Med-AI با ما همراه باشید 🎓
|
@MedAI_academy |


Репост из: انجمن نوروساینس و علوم شناختی
Data_Science_for_Neuroimaging_An_Introduction_Ariel_Rokem,_Tal_Yarkoni.pdf
12.6Мб
📚 کتاب "علوم داده برای نوروایمیجینگ"
🏛 دانشگاه پرینستون آمریکا

📅 چاپ شده در سال 2024

چکیده کتاب:
از آنجایی که تصویربرداری عصبی به سمت اکتشافاتی می‌رود که غنی از داده هستند محققان در این زمینه باید دسترسی، مدیریت و تجزیه و تحلیل مجموعه داده ها را در مقیاس های بی سابقه ای بیاموزند. نگرانی در مورد تکرارپذیری و افزایش دقت در گزارش نتایج علمی نیز استانداردهای بالاتری از محاسبات می طلبد. این کتاب به محققان مقدمه‌ای بر علم داده تصویربرداری عصبی ارائه می‌دهد، روش‌ها، ابزارها و رویکردهایی را ارائه می‌کند که تجزیه و تحلیل و درک خودکار، تکرارپذیر و مقیاس‌پذیر داده‌ها را تسهیل می‌کند. این کتاب از طریق کاوش‌های هدایت‌شده و عملی مجموعه داده‌های تصویربرداری عصبی در دسترس، عناصری از علم داده مانند برنامه‌نویسی، مدیریت داده، تجسم و یادگیری ماشین را توضیح می‌دهد و کاربرد آنها را برای تصویربرداری عصبی توضیح می‌دهد. خوانندگان مهارت های مرتبط با علم داده را به دست خواهند آورد که به راحتی می توانند به سوالات خود ترجمه کنند.


در کانال و پیج اینستاگرام انجمن نوروساینس و علوم شناختی با ما همراه باشید 🌱
|
@Neuro_Association |


Репост из: شبکه نخبگان ایران
سلام بر بهارِ جان‌ها و خرمیِ روزگاران

💠 خانواده بزرگ "شبکه نخبگان ایران" عید نوروز و آغاز سال نو را به تمامی هموطنان تبریک می‌گوید و سالی توأم با عزت و شادکامی را برای یکـایک شما آرزومـند است.

در شبکه نخبگان ایران با ما همراه باشید 🌱
|
@IranElitesNet |


s12911-021-01456-3.pdf
1.5Мб
💠 مدل‌های زبانی شبکه‌های عصبی عمیق مبتنی بر ترانسفورمر در ارزیابی خطر آلزایمر

📌 پژوهشگران از تکنولوژی ترانسفورمر برای ایجاد مدل‌های عمیق یادگیری پیشرفته استفاده کردند تا با تحلیل نحوه توصیف عکس‌ها توانایی پیش‌بینی خطر بیماری آلزایمر را در مراحل ابتدایی افزایش دهند.
یکی از چالش‌هایی که با آن روبرو بودند ، محدودیت دسترسی به مجموعه داده‌های بزرگ برای آموزش مدل‌های پیچیده بدون نیاز به مهندسی رفتار مدل به صورت دستی بود. به تازگی، مدل‌های زبانی بر پایه ترانسفورمر، پیشرفت‌های بزرگی در پردازش زبان طبیعی نشان داده‌اند. این مدل‌ها بر روی مجموعه داده‌های بزرگ آموزش داده شده‌اند تا بهتر درک کنند و در تقسیم بندی ویژگی‌ها با مجموعه داده‌های کوچک عملکرد خوبی داشته باشند. مدل طبقه‌بندی آنها یک طبقه‌بند ساده است که بر روی این مدل‌های زبان پیش‌آموزش دیده ساخته شده است.
.
.
.
استفاده از مدل‌های زبان پیش‌آموزش دیده می‌تواند پیش‌بینی بیماری آلزایمر را تقویت کند. این روش نه تنها چالش داده‌های محدود را حل می‌کند بلکه نیاز به ویژگی‌های تعریف شده توسط کارشناس را کاهش می‌دهد.

در آکادمی Med-AI با ما همراه باشید 🎓
|
@MedAI_academy |


Видео недоступно для предпросмотра
Смотреть в Telegram
💠 جمع آوری پروفایل‌های ژنتیکی بیماران چه کمکی به فرآیند درمانی آن‌ها می‌کند؟

📌تجزیه و تحلیل ژنتیکی بیماران و پروفایل بندی آنها بر اساس DNA هایشان ، می‌تواند به ارائه دهندگان خدمات بهداشتی کمک کند با تحلیل تغییرات ژنتیکی که بر فرایند متابولیسم دارو و واکنش آن تأثیر می‌گذارد ، از تجویز دوز نادرست داروهای پر ریسک جلوگیری کنند . استراتژی‌ها شامل آزمایش‌های فارماژنتیک، الگوریتم‌های پزشکی شخصی و تجزیه و تحلیل تعامل بیمار-دارو است. با تنظیم دوزهای دارو با توجه به پروفایل ژنتیکی فرد، عوارض جانبی می‌تواند کاهش یابد و نتایج درمان در پزشکی شخصی‌ بهینه شود.

در آکادمی Med-AI با ما همراه باشید 🎓
|
@MedAI_academy |


Data-analysis strategies for image-based cell profiling.pdf
1.7Мб
💠 استراتژی‌های تجزیه و تحلیل داده برای پروفایلینگ سلولی بر اساس تصاویر

📌پروفایلینگ سلولی بر اساس تصاویر یک روش پرسرعت برای اندازه‌گیری تفاوت‌های فنوتیپی بین انواع مختلف جمعیت‌های سلولی است . این روش راه را برای مطالعه سیستم‌های زیستی به مقیاس بزرگ با استفاده از اختلالات شیمیایی و ژنتیکی باز می‌کند . جریان کار عمومی برای این فناوری شامل تصویربرداری با سیستم‌های میکروسکوپی پرسرعت و پردازش و تجزیه و تحلیل تصاویر است . در اینجا، مراحل مورد نیاز برای ایجاد پروفایل‌های با کیفیت بالا بر اساس تصاویر (به عبارت دیگر، مورفولوژیک) از یک مجموعه تصاویر میکروسکوپی معرفی می‌شود .ما تکنیک‌های پیشنهاد شده که در هر مرحله از فرآیند تجزیه و تحلیل داده مفید بوده‌اند را توصیه می‌کنیم ، بر اساس تجربه 20 آزمایشگاه در سراسر جهان که روش‌های پروفایلینگ سلولی بر اساس تصاویر خود را در راستای کشف‌های زیست‌شناختی و بیوانفورماتیک بهبود می‌بخشند.تکنیک‌های پیشنهاد شده گزینه‌های جایگزین را پوشش می‌دهند که ممکن است با هدف‌های زیست‌شناختی مختلف ، طرح‌های تجربی و آزمایشگاه‌ها سازگار باشند.

در آکادمی Med-AI با ما همراه باشید 🎓
|
@MedAI_academy |


Видео недоступно для предпросмотра
Смотреть в Telegram
💠 بیمارستان های پیشرفته چطور از هوش مصنوعی برای ارائه خدمات بیشتر استفاده می‌کنند؟

📌 فناوری ردیابی تصویری در بیمارستان‌های پیشرفته مانند مرکز بهداشتی دانشگاه فلوریدا از الگوریتم‌های هوش مصنوعی برای نظارت و پیگیری حرکات، فعالیت‌ها و علائم حیاتی بیماران استفاده می‌کند. این فناوری با بهبود ایمنی، کارایی جریان کار، امنیت و تجربه کلی بیماران، بهبود مراقبت از بیماران را تقویت می‌کند. این فناوری نقش حیاتی در بهبود مراقبت از بیماران، بهبود عملکرد بیمارستان و اطمینان از یک محیط امن و امن برای بیماران و کارکنان دارد.

❗️در مورد visual tracking در آینده بیشتر خواهیم گفت...

در آکادمی Med-AI با ما همراه باشید 🎓
|
@MedAI_academy |


Репост из: انجمن علمی داروسازی
Видео недоступно для предпросмотра
Смотреть в Telegram
🧠طراحی پروتئین با کمک هوش مصنوعی 🧬

📝مدیر عامل و یکی از بنیانگذاران Ingmar schuster و Exazyme که از هوش مصنوعی برای طراحی پروتئین استفاده میکند، در این ویدیو در خصوص طراحی پروتئین با هوش مصنوعی ،یادگیری ماشینی ، درمان سرطان و داروسازی توضیحاتی میدهد.
او درباره ی کاربردهای گسترده تر هوش مصنوعی در داروسازی و شیمی صحبت میکند این که چگونه روش های هسته ای طراحی کاتالیزور های بیولوژیکی مصنوعی را کارامد تر میکند و چه زمانی باید از یادگیری ماشینی کم عمق نسبت به یادگیری عمیق استفاده کرد.

در انجمن علمی داروسازی با ما همراه باشید 💊
| @Pharmacy_Association |


Видео недоступно для предпросмотра
Смотреть в Telegram
💠 هوش مصنوعی چگونه صنعت بیمه را متحول می‌کند؟

📌ادغام هوش مصنوعی (AI) در بخش بیمه دارای پتانسیل بسیار زیادی برای بهبود ارزیابی ریسک، سفارشی‌سازی استراتژی‌های قیمت‌گذاری و ارتقای تجربه خدمات مشتری است . با بهره‌گیری از فناوری‌های هوش مصنوعی مانند الگوریتم‌های یادگیری ماشین، بیمه‌گران می‌توانند به طور موثر حجم بزرگی از داده‌ها را تجزیه و تحلیل کرده و الگوها را کشف کنند تا پیش‌بینی‌های اطلاعاتی که در درک مشتریان و ارزیابی ریسک‌ها کمک می‌کند ، انجام دهند. با این حال، استفاده از هوش مصنوعی در بیمه موضوع نگرانی‌هایی در مورد امنیت داده را به وجود می‌آورد زیرا بیمه‌گران داده‌های شخصی را جمع‌آوری و تجزیه و تحلیل می‌کنند. برای بیمه‌گران حائز اهمیت است که حفظ حریم خصوصی اطلاعات با اطمینان از جمع‌آوری و ذخیره سازی اخلاقی و امن اطلاعات به عنوان راهکارهای جلوگیری از نقض داده یا سوء استفاده ، اولویت قائل شوند.


در آکادمی Med-AI با ما همراه باشید 🎓
|
@MedAI_academy |


gillies_et_al_2015_radiomics_images_are_more_than_pictures_they.pdf
1.5Мб
💠 What is Radiomics?

📌 در دهه گذشته، حوزه تحلیل تصاویر پزشکی با افزایش تعداد ابزارهای شناسایی الگو و افزایش اندازه مجموعه داده‌ها به صورت چشمگیری رشد کرده است . این پیشرفت‌ها فرآیندهای بررسی با سرعت بالا را تسهیل کرده اند که منجر به تبدیل تصاویر به داده‌های قابل استخراج و تحلیل این داده‌ها برای پشتیبانی از تشخیص‌ها و تصمیمات می‌شود؛ این عمل به "رادیومیکس" معروف است . داده‌های رادیومیک شامل آمار اولیه، ثانویه و بالاتر هستند . این داده‌ها با داده‌های بیماران دیگر ترکیب شده و با استفاده از ابزارهای پیشرفته بیوانفورماتیک، مدل‌هایی را توسعه می‌دهند که ممکن است دقت تشخیص و پیش‌بینی را بهبود ببخشند. زیرا تحلیل‌های رادیومیک قرار است با تصاویر استاندارد انجام شود، قابل تصور است که تبدیل تصاویر دیجیتال به داده‌های قابل استخراج در نهایت به عمل روتین تبدیل خواهد شد. این مقاله فرآیند رادیومیکس ، چالش‌های آن و قدرت بالقوه آن برای تسهیل تصمیم‌گیری بالینی بهتر، به ویژه در مراقبت از بیماران مبتلا به سرطان را شرح می‌دهد.

در آکادمی Med-AI با ما همراه باشید 🎓
|
@MedAI_academy |


🔺"کامپیوتر های کوانتومی چگونه کار میکنند" در کانال انجمن علمی مهندسی برق منتشر شد :

| @ElectricalEng_Association |


Видео недоступно для предпросмотра
Смотреть в Telegram
💠 جراحی مغز با کمک هوش مصنوعی!

‼️ این ویدئو را حتما تماشا کنید ! آینده بخش بزرگی از علوم پزشکی به هوش مصنوعی گره خورده است و یکی از مهمترین کابردهای آن کمک به جراحان و تسهیل فرآیندهای درمانی می‌باشد...

در آکادمی Med-AI با ما همراه باشید 🎓
|
@MedAI_academy |


An essential guide for health leaders.pdf
324.1Кб
💠 هوش مصنوعی و اداره سیستم های بهداشتی : مقاله ای برای رهبران سلامت جهان

📌 هوش مصنوعی (AI) در حوزه سلامت به سرعت در حال تکامل است و برنامه‌های مختلف AI توسعه یافته‌اند تا برخی از مشکلات فوری که سازمان‌های بهداشت در حال حاضر با آن روبرو هستند را حل کنند.

📌 برای رهبران سلامت، اهمیت دارد که وضعیت فناوری‌های AI و روش‌های استفاده از چنین فناوری‌هایی را برای بهبود کارایی، ایمنی و دسترسی به خدمات بهداشتی درک کنند و به دستیابی به مراقبت‌های مبتنی بر ارزش کمک کنند.

📌 این مقاله راهنمایی‌ هایی برای درک مبانی فناوری‌های AI (مانند یادگیری ماشین، پردازش زبان طبیعی و دستیاران صوتی AI) و نحوه استفاده صحیح آن‌ها در حوزه سلامت ارائه می‌دهد. همچنین پیشنهادات عملی را ارائه می‌دهد تا به تصمیم‌گیران کمک شود AI را توسعه دهند که می‌تواند به تحول دیجیتال در حوزه سلامت کمک کند.


در آکادمی Med-AI با ما همراه باشید 🎓
|
@MedAI_academy |


Видео недоступно для предпросмотра
Смотреть в Telegram
💠 AI hospitals

🏥💻بیمارستان‌های هوش مصنوعی، سیستم های بهداشتی‌ای هستند که از فناوری هوش مصنوعی برای بهبود مراقبت از بیماران، بهینه‌سازی عملیات و افزایش کارایی کلی استفاده می‌کنند. این بیمارستان‌ها ابزارهای مبتنی بر هوش مصنوعی مانند تجزیه و تحلیل پیش‌بینی، جراحی رباتیک، دستیاران سلامت مجازی و برنامه‌های درمان شخصی‌سازی را به کار می‌گیرند تا خدمات بهداشتی دقیق‌تر و مؤثرتر ارائه دهند. با بهره‌گیری از هوش مصنوعی، بیمارستان‌ها می‌توانند تخصیص منابع را بهینه کنند، خطاها را کاهش دهند و در نهایت نتایج بهتری برای بیماران فراهم کنند. این رویکرد نوآورانه به پزشکی گام مهمی در جهت آینده پزشکی است که انقلابی بزرگ را در روش‌های ارائه و دریافت خدمات بهداشتی رقم می‌زند.

در آکادمی Med-AI با ما همراه باشید 🎓
|
@MedAI_academy |


Репост из: انجمن علمی داروسازی
Видео недоступно для предпросмотра
Смотреть в Telegram
🩺Personalized cancer therapies driven by AI🧠 | Emma Christine Jappe

📝چگونه میتوان درمان سرطان را با توجه به وضع بیمار شخصی سازی کرد؟
پزشکی شخصی سرطان در نتیجه جمع آوری داده های بزرگ بیولوژیکی از فناوری های زیست پزشکی داده ، همراه با پیشرفت های هوش مصنوعی که به طور ایده ال چنین داده های بزرگی را در خود جای میدهد ،به واقعیت تبدیل میشود.

در انجمن علمی داروسازی با ما همراه باشید 💊
| @Pharmacy_Association |


Видео недоступно для предпросмотра
Смотреть в Telegram
💠کشف آنتی بیوتیک با هوش مصنوعی!

📌هوش مصنوعی (AI) نقش حیاتی در پیدا کردن آنتی‌بیوتیک‌های مناسب برای باکتری‌های مقاوم ایفا می‌کند. در این مصاحبه به بررسی نحوه کشف یک آنتی بیوتیک برای یک باکتری مقاوم به انواع آنتی بیوتیک(Acinetobacter baumannii)پرداخته می‌شود که این باکتری یک پاتوژن فرصت طلب در انسان است و برای افرادی که سیستم ایمنی ضعیفی دارند تأثیر می‌گذارد و به عنوان یک عفونت بیمارستانیاهمیت آن در حال افزایش است.
یکی از راه‌هایی که AI می‌تواند در این فرآیند کمک کند، درک ساختار باکتری و شناسایی هدف‌های خاصی است که می‌توانند توسط آنتی‌بیوتیک‌ها مورد حمله قرار بگیرند.

📌الگوریتم‌های هوش مصنوعی می‌توانند مقادیر زیادی از داده‌ها شامل اطلاعات ژنومی، ساختار پروتئین و تعاملات دارویی، برای شناسایی هدف‌های دارویی پتانسیل داخل باکتری را تجزیه و تحلیل کنند با درک مکانیسم‌های مولکولی مقاومت باکتری، AI می‌تواند به محققان کمک کند تا آنتی‌بیوتیک‌های جدید طراحی کنند که در برابر سویه‌های مقاوم موثر باشند.

در آکادمی Med-AI با ما همراه باشید 🎓
|
@MedAI_academy |


Neuroscience_For_AI.pdf
5.2Мб
💠 What can AI get from neuroscience?

📌مغز انسان بهترین نمونه از هوش است که با توانایی بی‌نظیر برای تعامل پیچیده با یک دنیای پویا شناخته شده است .

📌پژوهشگران هوش مصنوعی که سعی در تقلید عملکرد قابل توجه آن دارند، از یادگیری بیشتر درباره علوم اعصاب و تفاوت‌های بین هوش طبیعی و مصنوعی بهره مند خواهند شد. در این مقاله مراحلی که به پژوهشگران هوش مصنوعی امکان مطالعه رویکردی مبتنی بر مغز بیشتر را می‌دهد، ارائه شده است و رویکردی جدید که پل ارتباطی بین هوش مصنوعی و علوم اعصاب است، توصیف شده است که شبکه‌های فرهنگی تجسم شده نامیده می‌شوند.

📌حوزه علوم اعصاب همچنین از پیشرفت‌های حاصل شده در هوش مصنوعی بهره بسزایی خواهد برد، تا با پایگاه دانش‌های بزرگ خود سر و کار داشته باشد و به درک هوش طبیعی کمک کند.

در آکادمی Med-AI با ما همراه باشید 🎓
|
@MedAI_academy |

Показано 20 последних публикаций.

4 125

подписчиков
Статистика канала