🔗اندازه‌گیری خودکار یک کاربرد کلیدی هوش مصنوعی در تصاویر اولتراسوند

◾اندازه‌گیری خودکار یک کاربرد کلیدی هوش مصنوعی در تحلیل تصاویر اولتراسوند است. این پروژه‌ها معمولاً شامل دو مرحله اصلی هستند:

1️⃣ تقسیم‌بندی خودکار: این مرحله شامل جداسازی شیء مورد نظر، مانند کلیه، ندول تیروئید یا سر جنین است. روش‌های تقسیم‌بندی مبتنی بر یادگیری عمیق مانند UNet در این زمینه بسیار موثر هستند. عمیق‌تر کردن معماری شبکه می‌تواند دقت را به میزان چند درصد افزایش دهد.

2️⃣ پردازش: پس از تقسیم‌بندی شیء، این مرحله بر روی استخراج اندازه‌گیری‌های مورد نظر تمرکز دارد. این کار معمولاً نیازمند دانش قوی در پردازش تصویر یا حتی ریاضیات است تا راه‌حل‌های مؤثر و دقیقی در زمینه هوش مصنوعی ایجاد شود. موفق‌ترین روش‌های پردازش معمولاً آن‌هایی هستند که با خلاقیت و درک عمومی از اصول تحلیل تصویر توسعه یافته‌اند.

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

📽 تفاوت بین هوش‌مصنوعی، ماشین‌لرنینگ و دیپ‌لرنینگ

✔️ نگاهی ساده و آموزنده به مباحث هوش مصنوعی، یادگیری ماشین و یادگیری عمیق

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#Machine_Learning
#Artificial_Intelligence
#Deep_Learning

🪩 تازه ترین مباحث هوش مصنوعی در علوم پزشکی

◾️ MultiMed: Massively Multimodal and Multitask Medical Understanding

◾️ A vision–language foundation model for the generation of realistic chest X-ray images

◾️ MEDSAGE: Enhancing Robustness of Medical Dialogue Summarization to ASR Errors with LLM-generated Synthetic Dialogues

◾️ Uncovering Knowledge Gaps in Radiology Report Generation Models through Knowledge Graphs

◾️ M4CXR: Exploring Multi-task Potentials of Multi-modal Large Language Models for Chest X-ray Interpretation

◾️ Improving Clinical Note Generation from Complex Doctor-Patient Conversation

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#Artificial_Intelligence
#AI_DeepMind
#medical
#idea

🗺نقشه راه Artificial Intelligence

🔍 این نقشه ی راه برای علاقه مندان به فیلد‌های AI و Data Science می‌باشد.

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#ComputerEng_Association
#Machine_Learning
#Artificial_Intelligence
#Deep_Learning

🔗 نوآوری مدل Segment Anything در دنیای زیر آب

🫧 با پیشرفت‌های مدل‌سازی در مقیاس بزرگ، مدل Segment Anything Model (SAM) و افزونه های آن برای کاربرد در کارهای مختلف تجسم زیر آب در علوم دریایی به کارگرفته شدند و تأثیر قابل‌توجهی بر پیشرفت علم داشته‌اند.

🫧 اخیراً متا ؛ Segment Anything Model2 (SAM2) را توسعه داده است که به طور قابل توجهی سرعت اجرا و دقت تقسیم بندی را در مقایسه با مدل قبلی خود بهبود می بخشد.

🫧 آزمایش ها نشان می دهد که عملکرد SAM2 به شدت به نوع درخواست های ارائه شده توسط کاربر بستگی دارد و SAM2 عملکرد عالی در حوزه تقسیم‌بندی نمونه های زیر آب داشته است.

🫧 این مقاله می تواند الهام بخش محققان برای بررسی بیشتر خانواده مدل SAM باشد.

🔎 paper

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

📚معرفی کتابخانه TensorSpace.js

◾ کتابخانهTensorSpace.js یک کتابخانه متن‌باز سه بعدی است که به توسعه‌دهندگان امکان می‌دهد تا مدل‌های یادگیری عمیق را در مرورگر مشاهده و با آن‌ها تعامل داشته باشند.

◾این کتابخانه به توسعه‌دهندگان امکان می‌دهد تا ویژوالیزاسیون‌های تعاملی سه بعدی از مدل‌های شبکه عصبی آموزش‌دیده خود ایجاد کنند، که این امر درک و توضیح معماری و رفتار مدل را آسان‌تر می‌کند.

◾برای شروع کار با TensorSpace.js، می‌توانید به وب‌سایت رسمی آن به آدرس https://tensorspace.org/ مراجعه و مستندات، نمونه‌ها و آموزش‌ها را بررسی کنید.

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

🆕️ پایش بیماری بااستفاده از آنالیز سیگنال صوت

◽در پیشرفت‌های اخیر هوش مصنوعی، گوگل با استفاده از روش جدیدی که از سیگنال های صوتی برای پیش بینی علائم اولیه بیماری استفاده می کند، در حال پیشرفت است.

◽گوگل از 300 میلیون نمونه صوتی از جمله سرفه، بوییدن و تنفس سخت برای آموزش مدل پایه هوش مصنوعی خود برای شناسایی علائم بیماری هایی مانند سل استفاده کرده است.

🆔️ telegram channel :
https://news.1rj.ru/str/Intellimage
#top_news
#deep_learning
#signal_processing

🖇 معرفی کانتورها در پردازش تصویر

◽کانتورها در پردازش تصویر به مرزها یا خطوط بین مناطق متمایز در یک تصویر دیجیتال اشاره دارند.درواقع کانتورها خطوطی هستند که نقاط با شدت روشنایی یارنگ مشابه را به هم متصل می‌کنند.

◽کانتورها اطلاعات مفیدی درباره ساختار و محتوای تصویر ارائه می‌دهند.برخی از کاربردهای کانتورها در پردازش تصویر عبارتند از:

◾شناسایی اشیاء: کانتورها می‌توانند به شناسایی و جداسازی اشیاء مختلف در یک تصویر کمک کنند. این امر برای برنامه‌هایی مانند تشخیص اشیاء، ردیابی اشیاء و تجزیه و تحلیل تصویر بسیار مفید است.

◾تحلیل شکل: کانتورها می‌توانند اطلاعات مفیدی درباره شکل و هندسه اشیاء در تصویر ارائه دهند که برای برنامه‌های کاربردی مانند تشخیص الگو و طبقه‌بندی اشیاء بسیار مهم هستند.

◾پردازش تصویر:کانتورها می‌توانند به عنوان ورودی برای الگوریتم‌های پردازشی مانند فیلتراسیون، لبه‌یابی و بهبود تصویر استفاده شوند.

◾برنامه‌های کاربردی:کانتورها در برنامه‌های مختلفی مانند تشخیص چهره، تشخیص پلاک خودرو، تجزیه و تحلیل پزشکی و رباتیک کاربرد دارند.
🆔️telegram channel:
https://news.1rj.ru/str/Intellimage
#image_processing

🪩تازه های دنیای فناوری

◾یکی از مهم‌ترین نگرانی‌های ایمنی خودروهای الکتریکی خنک نگه داشتن باتری‌های آن‌ها است، زیرا افزایش دما می‌تواند منجر به عواقب خطرناکی شود.

◾تحقیقات جدید به رهبری یکی از دانشجویان دکتری دانشگاه آریزونا، راهی را برای پیش‌بینی و جلوگیری از افزایش دما در باتری‌های لیتیوم یونی که معمولاً برای تامین انرژی چنین خودروهایی استفاده می‌شوند، پیشنهاد می‌کند.

◾این پروژه از یادگیری ماشین برای حس کردن و پیش‌بینی دما استفاده می‌کند. شناسایی گرمای بیش از حد باتری لیتیوم یون، که به عنوان فرار حرارتی شناخته می شود میتواند در سیستم مدیریت باتری خودروهای الکتریکی ادغام شود تا از گرم شدن بیش از حد باتری جلوگیری کند و در نتیجه از رانندگان و مسافران محافظت کند.

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#top_news
#deep_learning
#machin_vision

🖇نقش هوش مصنوعی در تحلیل تصاویر اولتراسوند

◽هوش مصنوعی (AI) پتانسیل بسیار زیادی را در افزایش توانایی های تصویربرداری سونوگرافی، که ابزار تشخیصی گسترده ای در مراقبت های بهداشتی است، نشان داده است.

◽مدل‌های هوش مصنوعی می‌توانند پارامترهای تصویربرداری سونوگرافی را بر اساس ویژگی‌های فردی بیمار مانند ساختار بدن یا وضعیت بیماری تطبیق دهند.این مزیت می‌تواند به بهینه‌سازی کیفیت تصویر و دقت تشخیصی برای هر بیمار منجر شود و به مراقبت بهداشتی شخصی‌سازی‌شده و موثرتر بیانجامد.

◽هوش مصنوعی می‌تواند داده‌های سونوگرافی را با اطلاعات از سایر روش‌های تصویربرداری (مانند CT، MRI) یا داده‌های بالینی ادغام کند و امکان تحلیل جامع‌تر و همه‌جانبه‌تر وضعیت بیمار را فراهم می‌کند.

با ما همراه باشید 🌱

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

انجمن‌های علمی مهندسی پزشکی دانشگاه اصفهان و دانشگاه صنعتی شاهرود برگزار می‌کنند:

🔶اولین جلسه از سلسله جلسات راه من

تشخیص آریتمی های قلبی با استفاده از شبکه‌های عمیق🩺

سخنران: خانم دکتر فهیمه نسیمی
⭕️پژوهشگر پسا دکتری
⭕️ استادیار دانشگاه اصفهان پردیس خوانسار
⭕️پژوهشگر مدعو در دانشگاه استرالیا
جنوبی

📆تاریخ: دوشنبه ۱۹ شهریور ساعت ۱۷
این وبینار به صورت رایگان برگزار خواهد شد.

🛑برای ثبت نام رایگان و دریافت لینک به آیدی @BIOMEDENG_UI پیام دهید


Telegram ID:
@BIOMEDENG_UI
Instagram:
https://www.instagram.com/bmeui
➖➖➖➖➖➖➖➖➖➖
⚙️🩺کانال اطلاع رسانی انجمن علمی مهندسی پزشکی دانشگاه اصفهان
@BMEUI

📚کاربردهای هوش مصنوعی در سونوگرافی

✒در این فایل شرکت های پیشرو و نوآور و نقش آنها در دنیای هوش مصنوعی در سونوگرافی معرفی شده است.

🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#image_processing
#top_news
#deep_learning
#AI

🪩تازه های دنیای فناوری در پزشکی

◾ژن درمانی جدید ، بینایی را در بیماران نادر چشمی تا 10000 برابر افزایش می دهد!!

◾یک کارآزمایی جدید ژن درمانی نویدبخش بهبود بینایی در افراد مبتلا به یک بیماری ژنتیکی نادر است.  این ژن درمانی برای بیماران مبتلا به آموروز مادرزادی Leber (LCA1) ایجاد شده است.

◾این بیماری ژنتیکی منجر به از دست دادن عمده بینایی در اوایل دوران کودکی می شود و کمتر از 100000 نفر را در سراسر جهان تحت تاثیر قرار می دهد.

◾پس از دریافت این درمان، بینایی برخی از شرکت کنندگان در مطالعه "100 برابر" بهبود یافت. به طور قابل توجهی، چند نفر از آنها پس از دریافت حداکثر دوز این ژن درمانی جدید، "بهبود 10000 برابری" در بینایی خود را گزارش کردند.

+ استفاده مناسب از هوش مصنوعی می‌تواند روند درمان را تسریع کند و البته ایده های نو در این زمینه نیاز است.

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

🚀 پردازش تصویر در صنعت بسته بندی محصولات

💭اسکن سه بعدی یکی از پرکاربردترین روش‌های موجود در صنایع

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

🆕️ اهمیت تخمین عمق در تفسیر دقیق صحنه های سه بعدی

📈مدل CaFNet الگوریتمی مطمئن برای تخمین عمق با رادار و دوربین

◽تخمین عمق در رانندگی خودکار برای تفسیر دقیق صحنه‌های سه‌بعدی حیاتی است.اخیراً، تخمین عمق با استفاده از رادار و دوربین به دلیل ویژگی‌های مقاوم و کم‌هزینه رادار مورد توجه قرار گرفته است.

◽اخیرا یک شبکه به نام CaFNet معرفی شده که به صورت دو مرحله‌ای برای تخمین عمق متراکم طراحی شده است و شامل تصاویر RGB و داده‌های نقطه‌ای راداری نازک و پر سر و صدا می‌باشد.

◽برای تخمین نهایی عمق، این مدل یک مکانیزم ادغام دروازه‌ای اطمینان‌محور نوآوری کرده‌ است که به‌طور مؤثری ویژگی‌های رادار و تصویر را ترکیب می‌کند و به این ترتیب، قابلیت اطمینان نقشه عمق را با فیلتر کردن نویز راداری افزایش می‌دهد.
🔎article

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

📸ثبت تصویر سحابی های پروانه ای توسط تلسکوپ فضایی هابل و NTT

نکته ی مورد توجه در این سحابی های پروانه ای این است که جهت حرکت همه ی آنها مشابه است!

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

🎥 هوش مصنوعی جدید گوگل مقالات علمی را به مصاحبه‌های رادیویی تبدیل می‌کند.

🔹️هوش_مصنوعی Illuminate می‌تواند مقالات خشک علمی را به یک مصاحبه جذاب رادیویی تبدیل کند.
🔹️کار با آن نیز ساده است، کافی است نام محقق یا موضوع موردنظرتان را در قسمت جستجو بنویسید، سپس هوش مصنوعی به شما چندین مقاله علمی مربوطه را نشان می‌دهد. با کلیک‌کردن روی دکمه Generate و انتظار دو تا سه‌دقیقه‌ای، مصاحبه شما در قالب فایل صوتی آماده خواهد بود.
🔹️نحوه کار این هوش مصنوعی آزمایشی به این صورت است که ابتدا خلاصه‌ای از مقالات علمی مختلف ایجاد و سپس این خلاصه به‌ پرسش‌وپاسخ تبدیل می‌شود. در آخر ۲ صدای هوش مصنوعی، در قالب مصاحبه‌کننده و متخصص، پرسش‌وپاسخ‌ها را می‌خوانند و مصاحبه‌ رادیویی علمی شکل می‌گیرد.

🔎 akharinkhabar.ir

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

🆕️ شبکه KAN می تواند در تاریکی ببیند!!

◽متدهای موجود برای بهبود تصاویر در نور کم به دلیل تأثیرات نور نامساوی و نویز، قادر به تطبیق رابطه غیرخطی پیچیده بین تصاویر عادی و کم‌نور نیستند.

◽شبکه‌های کولموگروف-آرنولد (KANs) که به تازگی معرفی شده‌اند، شامل لایه‌های کانولوشن مبتنی بر اسپلین و توابع فعال‌سازی قابل یادگیری هستند که می‌توانند به‌طور مؤثر وابستگی‌های غیرخطی را شناسایی کنند.

◽اخیرا یک KAN-Block مبتنی بر KANs طراحی کرده و به‌طور نوآورانه‌ای آن را برای بهبود تصاویر در نور کم به کار می‌بریم. این روش به‌طور مؤثری محدودیت‌های روش‌های کنونی که به ساختارهای شبکه خطی وابسته‌اند و فاقد قابلیت تفسیر هستند را کاهش می‌دهد و پتانسیل KANها را در وظایف بینایی سطح پایین به نمایش می‌گذارد.

◽با توجه به درک ضعیف روش‌های کنونی بهبود تصاویر در نور کم و ماهیت تصادفی فرآیند پخش معکوس، درک فرکانس‌محور برای بهبود بصری نیز حائز اهمیت است.

🔎 article

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

🚀 | مسابقه ‌ملی و مسئله‌محور بنیاد ملی نخبگان
💡 | راهی شو | 💡

🥇| کسب “امتیاز نخبگی” از بنیاد ملی نخبگان
⚙ | تجربه انجام پروژه‌ صنعتی
📋 | کارگاه‌های آموزشی اختصاصی با محوریت توانمندی‌های لازم برای ورود به صنعت و بازار کار
🤝 | امکان همکاری با شرکت‌های فناور
💵 | جایزه نقدی
🧩 | تجربه کار تیمی و ساخت و گسترش شبکه‌ی ارتباطی
📃 | گواهی‌نامه معتبر

🎓 | ویژه تمامی دانشجویان و فارغ‌التحصیلان رشته‌های فنی مهندسی، علوم پزشکی، علوم پایه، علوم انسانی و هنر

🏆 | ۳ ماه رقابت و آموزش غیرحضوری بر روی پروژه‌های واقعی فناورانه و صنعتی

👥 | امکان حضور به صورت فردی یا تیمی

📍| راهبری اختصاصی در طول مسابقه و تیم‌سازی علمی و منحصربه‌فرد

⏳ | مهلت ثبت‌‌نام در مسابقه: ۱۰ مهر ماه ۱۴۰۳

💳 | هزینه ثبت‌نام: رایگان

🌐 | برای ثبت‌نام در مسابقه به سایت راهی شو مراجعه کنید:
⭕️ rahisho.online ⭕️

💬 | جهت کسب اطلاعات بیشتر در مورد روند برگزاری مسابقه راهی شو پیج اینستاگرام رویدادستان را دنبال کنید.

🌀 | امروز راهی شو تا خودت فردا راهت رو بسازی!

#راهی_شو #مسابقه_راهی_شو

✔️با ما در ارتباط باش 👇🏻
➕ تلگرام | اینستاگرام | لینکدین