▶️ آموزش #پایتون

✅ قسمت۲۲ پردازش دیتا با #پایتون

🖇ابزار Pydicom !

◇• یک ابزار کوچک اما قدرتمند برای هر کسی که در دنیای پزشکی و پردازش تصویر کار می‌کند!

◇• اگر با تصاویر پزشکی مثل MRI، CT یا X-ray کار می‌کنید، حتماً با فرمت DICOM آشنا هستید.

◇• ابزار Pydicom یک کتابخانه‌ی Python است که به شما اجازه می‌دهد فایل‌های DICOM را خوانده، ویرایش و ذخیره کنید، بدون اینکه نیاز به نرم‌افزار سنگین باشد!

◇• با Pydicom می‌توانید:

• اطلاعات بیمار و ویژگی‌های تصویر را بخوانید.
• تصاویر را برای پردازش یا تحلیل آماده کنید.
• به راحتی با کتابخانه‌های پردازش تصویر مثل OpenCV یا NumPy ترکیب کنید.

+ برای نمونه :

import pydicom

# Load a DICOM file
ds = pydicom.dcmread('./MIDEL-CT.dcm')

# Access important information elements
patient_name = ds.PatientName
patient_id = ds.PatientID
study_date = ds.StudyDate
study_time = ds.StudyTime
modality = ds.Modality

# Print the information elements
print(f'Patient Name: {patient_name}')
print(f'Patient ID: {patient_id}')
print(f'Study Date: {study_date}')
print(f'Study Time: {study_time}')
print(f'Modality: {modality}')

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#image_processing
#python

📚 تازه های دنیای تصویر

🆕️ تشخیص و پیش‌بینی بیماری عروق کرونر با تحلیل
تصویر زبان - پژوهشی از Nature

◽بیماری عروق کرونر یکی از علل اصلی مرگ و میر در سطح جهانی است و روش‌های تشخیصی فعلی با چالش‌هایی از جمله تهاجم و دقت روبرو هستند. این مطالعه به بررسی تحلیل تصویر زبان با بهره‌گیری از هوش مصنوعی به عنوان یک ابزار تشخیصی نوین و غیرتهاجمی برای بیماری عروق کرونر می‌پردازد.

◽با استناد به اصول طب سنتی ایرانی، ویژگی‌های زبان شامل رنگ، شکاف‌ها، پوشش، رطوبت و نقاط قرمز در 906 بیمار تحت آنژیوگرافی قلب مورد تحلیل قرار گرفت. یک دیتاست متشکل از 12,000 تصویر زبان برای آموزش مدل‌های هوش مصنوعی استفاده شد که با تصاویر با وضوح بالا ضبط شده با دستگاه Visioface ایجاد شدند.

◽مدل Segment-Anything به بخش‌بندی زبان کمک کرد، در حالی که معماری‌های DeepLabv3+/DINOv2 برای استخراج ویژگی‌ها و طبقه‌بندی تنگی عروق به کار رفتند.
📃article
+Nature Communications
🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#image_processing
#article

📚 #پروژه طراحی سیستم مدیریت انبار رباتیک خودران با استفاده از بینایی ماشین

✅ مدیریت انبارها در زنجیره تأمین امروزی به چالشی بزرگ تبدیل شده است. استفاده از ربات‌های خودران می‌تواند به بهبود کارایی و کاهش هزینه‌ها کمک کند. این پروژه به بررسی یک سیستم مدیریت انبار رباتیک خودران می‌پردازد که از یادگیری تقویتی و پردازش تصویر بهره می‌برد.

✅ اهداف پروژه:

۱. طراحی و پیاده‌سازی ربات خودران برای مدیریت انبار.
۲. بهینه‌سازی مسیر حرکت ربات با استفاده از الگوریتم‌های یادگیری تقویتی.
۳. شناسایی و دسته‌بندی کالاها با تکنیک‌های پردازش تصویر.

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#image_processing
#machin_vision
#project

حضرت علی‌ علیه‌السلام :

" کلُ شَی یَحتاجُ الی العَقل‌ و العَقل یحتاج الی الادب "

همه چیز نیازمند عقل است و عقل نیازمند "ادب"!

غررالحکم،حدیث۶۹۱۱

️السلامُ عَلَیْکَ یا مولا یا عَلیُ بْنِ أبیطالِبْ ️علیه السلام 🤍✨

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage

🎨 معرفی نرم‌افزار Howler

🖼 نسخه جدید نرم‌افزار نقاشی دیجیتال و پردازش تصویر Howler به‌صورت رایگان در دسترس قرار گرفت! این نرم‌افزار که توسط دن ریچی توسعه یافته، امکانات فوق‌العاده‌ای را برای هنرمندان دیجیتال فراهم می‌کند؛ از جمله:

• نقاشی دیجیتال
• انیمیشن‌سازی با تایم‌لاین و onion skin
• رندر سه‌بعدی مناظر طبیعی
• پردازش ویدئو
🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#image_processing
#machin_vision
#software

🩻🩺 تصویر MRI مورد مطالعه از #کیس_هفته۳

▫️ تصویر MRI ثبت شده از فرد مبتلا به آلزایمر با سن ۶۱ سال

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#image_processing
#case_study

🧠🩺 بررسی پردازشی از تصویر MRI مغز مبتلا به آلزایمر #کیس_هفته۳

📃 در این پست به بررسی آتروفی هیپکمپال در بیماری آلزایمر از دیدگاه نورومورفومتری و پردازش تصویر می پردازیم؛

▫️ آتروفی هیپکمپال به عنوان یک بیومارکر کلیدی برای تشخیص زودهنگام و پایش پیشرفت بیماری آلزایمز شناخته می‌شود.

▫️ با استفاده از تکنیک‌های پردازش تصویر MRI و الگوریتم‌های تقسیم‌بندی، پارامترهای مورفومتریک هیپوکمپ استخراج می‌شود که امکان ردیابی نرخ آتروفی سالانه را فراهم می‌آورد. همچنین، تکنیک‌های مبتنی بر وکسل تغییرات ظریف در چگالی بافت را در مراحل پیش‌بالینی نشان می‌دهند.

▫️ در زمینه یادگیری ماشین، ویژگی‌های استخراج‌شده از هیپوکمپ و نواحی مرتبط به مدل‌های طبقه‌بندی نظارت‌شده مانند SVM و جنگل تصادفی می توانند وارد شوند.

▫️این مدل‌ها توانایی بالایی در تمایز بین گروه‌های مختلف دارند. چالش‌های فعلی شامل بهبود تعمیم‌پذیری مدل‌ها و یکپارچه‌سازی اطلاعات چند-مدالیته برای افزایش دقت تشخیص زودهنگام است.

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#image_processing
#case_study

🔴 فراخوان فوری کمک برای درمان سرطان ماهانِ ۶ ساله

📌 ماهان، کودک ۶ ساله‌ای است که به سرطان نادر رابدومیوسارکوم مبتلاست و برای ادامه روند درمان به شیمی‌درمانی فوری نیاز دارد. توده‌های سرطانی در لگن و ستون فقرات او گسترش یافته و خانواده ماهان توان تأمین هزینه‌های درمان را ندارند.
با همراهی شما می‌توانیم مسیر درمان ماهان را ادامه دهیم؛ هر کمک حتی بسیار کوچک، می‌تواند امید را به زندگی او برگرداند ❤️

👈 مشارکت از طریق شماره کارت خیرینه:
💳 6037997950416207
💳 6037997950394024
👈 مشارکت از طریق درگاه سایت خیرینه:
🔗 kheyrine.ir/product/13659

(کلیه مبالغ جمع‌آوری‌شده مطابق شرایط
مندرج در بیوی کانال هزینه خواهد شد.)
🆔 @kheyrine_ir

📉 فوریه در پردازش تصویر

◽▫️عملکرد فوریه در پردازش تصویر به عنوان یک ابزار قدرتمند و جذاب شناخته می‌شود که به ما امکان می‌دهد تا اطلاعات فرکانسی تصاویر را استخراج کنیم.

◽▫️با استفاده از تبدیل فوریه، می‌توانیم الگوها و ویژگی‌های پنهان در تصاویر را شناسایی کنیم و آنها را به صورت فرکانس‌های مختلف تجزیه کنیم. این ویژگی به ویژه در فشرده‌سازی تصاویر، تشخیص الگو و حذف نویز کاربرد دارد.

◽▫️به عنوان مثال، در فشرده‌سازی تصویر، با تبدیل تصویر به حوزه فرکانسی، می‌توانیم بخش‌های غیرضروری را حذف کنیم و تنها اطلاعات مهم را حفظ کنیم. همچنین، در تشخیص اشیاء، تبدیل فوریه می‌تواند به ما کمک کند تا ویژگی‌های کلیدی را از میان داده‌های پیچیده استخراج کنیم. به این ترتیب، عملکرد فوریه نه تنها در پردازش تصویر، بلکه در بسیاری از زمینه‌های علمی و مهندسی نیز نقشی اساسی ایفا می‌کند.
🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#image_processing

🆕️ اهمیت تشخیص تصاویر جعلی تولیدشده با هوش مصنوعی در راستای امنیت دیجیتال

کاربران اپلیکیشن Gemini می‌توانند تشخیص دهند که آیا یک تصویر واقعی است یا توسط هوش مصنوعی ایجاد یا ویرایش شده است. برای این کار کافی است از سوال "Is this AI-generated" استفاده کنند.

در مرحله اول، این قابلیت تنها به بررسی تصاویر محدود می‌شود، اما به‌زودی امکان تشخیص صدا و ویدیو نیز به آن افزوده خواهد شد.

این بدان معناست که در آینده‌ای نزدیک:

• شناسایی ویدیوهای جعلی (Deepfake) آسان‌تر خواهد شد.
• تشخیص منابع معتبر ساده‌تر می‌شود.
• امنیت محتوای آنلاین به طور قابل توجهی افزایش می‌یابد.

همچنین، گوگل اعلام کرده که این سیستم تشخیص را به سایر خدمات خود، از جمله جستجو، اضافه خواهد کرد تا کاربران بتوانند در سراسر وب اصالت تصاویر را بررسی کنند.

+ در دنیایی که تولید تصاویر و ویدیوهای جعلی روز به روز آسان‌تر می‌شود، وجود یک ابزار رسمی برای تشخیص اصالت محتوا یک گام مهم در راستای امنیت دیجیتال به شمار می‌آید.
+HomeAI
🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#image_processing
#digital_security

امروز در قاب تصویر و فناوری ،
نام ایران با دقت بالا شناسایی می‌شود ؛
اما حقیقت این است که ایران را
نه تنها با الگوریتم،
که با غیرت، تاریخ و هویت می‌توان شناخت.

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage

✔️ استاندارد HL7 ، ستون فقرات تبادل داده در سیستم های سلامت

▫️ استاندارد HL7 (Health Level Seven) یک استاندارد بین‌المللی برای تبادل و یکپارچه‌سازی اطلاعات سلامت است که امکان ارتباط مؤثر بین سیستم‌های مختلف مانند سیستم‌های اطلاعات بیمارستانی، سوابق الکترونیکی سلامت، و سیستم‌های آزمایشگاهی را فراهم می‌کند.

▫️ ویژگی‌های کلیدی HL7:

• ساختار پیام‌ها: تعریف دقیق ساختار و معنای هر فیلد اطلاعات.
• نسخه‌ها:
–نسخه HL7 v2.x: نسخه پیام‌محور و پرکاربرد.
–نسخه HL7 v3: مدل‌محور و معنایی‌تر.
–نسخه FHIR: نسل مدرن بر پایه REST API که تبادل داده‌ها را ساده می‌کند.

▫️ارتباط با DICOM:

استاندارد HL7 به عنوان استاندارد تبادل اطلاعات بالینی عمل می‌کند و DICOM به عنوان استاندارد تصاویر پزشکی، این دو استاندارد در کنار هم کیفیت خدمات پزشکی را ارتقا می‌دهند.

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#image_processing
#date

📑 تازه های دنیای پژوهش

📃 تنظیم نور و سایه تصویر با فناوری NVIDIA PPISP

▫️پس از ثبت تصاویر، ممکن است متوجه شوید که برخی از فریم‌ها به درستی نوردهی نشده‌اند. در سال 2024، این مشکل تا حدی با استفاده از میدان‌های نوری دوطرفه (Bilagrid) حل شد، اما هنوز هم به اندازه‌ای که انتظار می‌رفت به آن توجه نشده است.

▫️مقاله جدید NVIDIA با عنوان "PPISP: جبران و کنترل فیزیکی تغییرات فوتومتریک در بازسازی میدان درخشانی" به این موضوع پرداخته و نویدبخش است. این مقاله به بررسی نویز ظاهری می‌پردازد که بازسازی چند نمایی را مختل می‌کند و نشان می‌دهد که این نویز تصادفی نیست، بلکه ناشی از عملکرد دوربین است.

▫️به زبان ساده، PPISP سهم دوربین را به چند بخش تقسیم می‌کند که عکاسان به راحتی آن‌ها را شناسایی می‌کنند. اولین بخش، تنظیم نوردهی است که به صورت یک مقیاس روشنایی برای هر فریم عمل می‌کند. اگر یک فریم به دلیل کاهش زمان شاتر یا کاهش گین تیره‌تر شود، PPISP می‌تواند آن را به عنوان یک جبران نوردهی برای آن فریم نشان دهد.
🔗 article

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#image_processing
#article

آن افتاب خوبی چون بر زمین بتابد ؛
آن دم زمین خاکی بهتر ز آسمان‌ است ✨
[مولانا]

میلاد با سعادت یگانه منجی عالم بشریت ، حضرت مهدی(عج الله تعالی فرجه الشریف) را گرامی میداریم.

#اللهم_عجل_لولیک_الفرج

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage

📚 #پروژه تحلیل پردازش تصویر با یک ایمپلنت گلوکومای میکرومقیاس

در این پروژه، به بررسی و تحلیل پردازش تصویری یک استنت گلوکومای با دقت چاپ ۲ میکرومتر پرداختیم که با استفاده از فناوری پیشرفته μSLA/PμSL تولید شده است.

🔬 فرآیند پردازش تصویر در این پروژه :

• طراحی مبتنی بر تصویربرداری OCT و شبیه‌سازی CFD

• کنترل ابعادی با بینایی ماشین و الگوریتم‌های تشخیص لبه (Edge Detection)

• تحلیل سطح با SEM و اندازه‌گیری زبری در مقیاس نانومتر

• مانیتورینگ لایه‌های چاپ با دوربین‌های پرسرعت و Image Registration

• تشخیص عیوب ریز با شبکه‌های عصبی (CNN)

+ این پروژه به دنبال ارتقاء کیفیت ایمپلنت‌های چشم‌پزشکی و ایجاد راهکارهای نوین در درمان بیماری‌های چشمی است.
🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#image_processing
#project

🧠🆕️ برینومیکس از نرم‌افزار جدید مبتنی بر هوش مصنوعی برای تشخیص سکته مغزی با تصاویر سی‌تی‌اسکن در کنفرانس بین‌المللی سکته مغزی رونمایی می‌کند !

با ما همراه باشید✨

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#image_processing
#software

🔗 نحوه ی عملکرد نرم افزار برینومیکس برای تشخیص سکته مغزی

▪︎نرم‌افزار Brainomix 360 Stroke Next Generation به طور خودکار ارزیابی میزان جذب آب خالص (NWU) را انجام می‌دهد، که یک نشانگر بیومارکر مبتنی بر سی‌تی‌اسکن است و می‌تواند به بهبود طبقه‌بندی ریسک برای بیماران با سکته‌های شدید کمک کند.

▪︎برای بیماران مبتلا به سکته‌های شدید، یک نرم‌افزار نوظهور مبتنی بر هوش مصنوعی برای اسکن‌های سی‌تی ممکن است بینش‌های پیش‌آگهی بهتری ارائه دهد. این نرم‌افزار که در کنفرانس بین‌المللی سکته مغزی در ۴ تا ۶ فوریه رونمایی می‌شود ، ارزیابی خودکار میزان جذب آب خالص (NWU) را ارائه می‌دهد. به گفته برینومیکس، توسعه‌دهنده این نرم‌افزار، افزودن ارزیابی NWU می‌تواند مدیریت بیماران با سکته‌های شدید را بهبود بخشد.

▪︎جرج هارستون، رئیس بخش پزشکی و نوآوری برینومیکس، گفت: «خروجی خودکار میزان جذب آب خالص، ویژگی‌های منحصر به فرد حجم هسته ایسکمی و e-ASPECTS برینومیکس را تکمیل می‌کند تا به پزشکان در تمام مراکز درمانی بینش‌های عمیق‌تری از آسیب سکته مغزی با استفاده از یک سی‌تی‌اسکن غیر کنتراست معمولی ارائه دهد. شواهد جدید به طور فزاینده‌ای NWU را به عنوان یک بیومارکر تصویربرداری حیاتی برای اطلاع‌رسانی در تصمیمات درمانی و بهبود پیش‌آگهی در شدیدترین سکته‌ها برجسته می‌کند.»

+ این شرکت همچنین افزود که ترکیب بینش‌های مبتنی بر هوش مصنوعی و قابلیت‌های مشاهده DICOM تقویت‌شده با نرم‌افزار Brainomix 360 Stroke Next Generation، جریان کار سی‌تی را کارآمدتر می‌کند.

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#image_processing
#software

✅ قسمت ۲۳ پردازش دیتا با #پایتون

📊 ساخت Dataset در PyTorch

▫️در پروژه‌های پردازش تصویر، مخصوصاً در یادگیری عمیق، مدیریت داده‌ها اهمیت زیادی دارد.

▫️معمولا برای ساخت Dataset سه متد زیر را پیاده‌سازی می‌کنیم:

* init →transforms دریافت مسیر داده‌ها و تعریف

* getitem →خواندن تصویر و برگرداندن
(image, label)

* len → تعداد کل نمونه‌ها


▫️این ساختار پایه‌ای‌ترین و استانداردترین روش برای کار با دیتاست‌های تصویری در پروژه‌های بینایی ماشین است.

+ در پست بعد یک نمونه دیتاست را بااین روش اجرا می‌کنیم.

باماهمراه باشید ✨
🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#image_processing
#python

🔗 ساخت Dataset در PyTorch

📃 به منظور اجرای آموزش پست قبل ، به عنوان مثال برای تشخیص پنومونیا، به یک دیتاست تصاویر پزشکی (Chest X-ray) نیاز داریم؛هر تصویر فقط یکی از دو برچسب را دارد: سالم یا مبتلا به پنومونیا.

from typing import List, Dict
import monai
from torch.utils.data import Dataset

class PneumoniaDataset(Dataset):
    definit(self, data: List[Dict], transform: monai.transforms.Compose = None) -> None:
        #Initializes the dataset with data and optional transformations.
        self.data = data
        self.transform = transform

    defgetitem(self, idx: int) -> Dict:
        #Fetches an item by index, applies transformations if any, and returns it.
        item = self.data[idx]
        if self.transform:
            item = self.transform(item)
        return item

    deflen(self) -> int:
        #Returns the length of the dataset.
        return len(self.data)

🆔️telegram channel:
https://news.1rj.ru/str/Intellimage
#image_processing
#python

📚 #پروژه تحلیل رفتار راننده با استفاده از پردازش تصویر

▫️همه ما لحظاتی را در پشت فرمان تجربه کرده‌ایم که کمی خسته‌ایم یا به سرعت یک اعلان را چک می‌کنیم. اما این چند ثانیه می‌تواند همه چیز را تغییر دهد. بخاطر همین هدف انجام این پروژه این بود که فقط "داده‌ها پردازش نشود " بلکه واقعاً یک سیستم مراقبتی باشد.

▫️این سیستم چگونه کار می‌کند:

• خستگی را تشخیص می‌دهد: به جای انتظار برای انحراف، هوش مصنوعی با نظارت بر پلک زدن (با استفاده از نقاط مرجع صورت) خستگی را قبل از اینکه خطرناک شود، شناسایی می‌کند.

• چشم دوم: با استفاده از مدل YOLO که بهینه‌سازی شده ، تشخیص می‌دهد آیا راننده به تلفن یا چیز دیگری حواسش پرت شده است یاخیر.

• متمرکز می‌ماند: با ردیابی وضعیت سر، اطمینان حاصل می‌کند که چشم‌های راننده روی جاده هستند یاخیر.

• سریع و سبک: پروژه به گونه‌ای بهینه‌سازی شده که روی سخت‌افزار ساده داخل خودرو اجرا شود، بنابراین نیازی به ابرکامپیوتر وجود ندارد.

🆔️telegram channel:
https://news.1rj.ru/str/Intellimage
#image_processing
#project