● معرفی نرم افزار MedINRIA در پردازش تصاویر پزشکی

✔ نرم افزار MedINRIA یک نرم افزار پردازش و تجسم تصاویر پزشکی چند پلتفرمی ، رایگان و متن باز است که از طریق یک رابط کاربری بصری، عملکردهای پردازشی استاندارد تا پیشرفته را برای تصاویر پزشکی شما مانند تصویر 2D/3D/4D، ثبت تصویر، پردازش تصاویر MRI و tractography ارائه می دهد.

✔ این نرم افزار برای پردازش و تجزیه و تحلیل انواع زیادی از تصاویر (MRI) مورد استفاده قرار می‌گیرد.

✔ نرم افزار MedINRIA در ابتدا برای کارشناسان پزشکی توسعه داده شده ، اما برای سایر افرادی که علاقمند به پردازش تصاویر پزشکی هستند نیز مورد استفاده است.
🔎 partoyar

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

⭕ معرفی Vision Language models

● مدل‌های زبان‌بینایی به طور کلی به عنوان مدل‌های چندرسانه‌ای تعریف می‌شوند که می‌توانند از تصاویر و متون یاد بگیرند. آن‌ها نوعی از مدل‌های تولیدی هستند که ورودی‌های تصویر و متن را می‌گیرند و خروجی‌های متنی تولید می‌کنند.

● مدل‌های زبان‌بینایی بزرگ قابلیت‌های صفر‌آزمایی خوبی دارند، به خوبی تعمیم می‌یابند و می‌توانند با انواع مختلفی از تصاویر، از جمله اسناد، صفحات وب و غیره کار کنند. کاربردهای آن‌ها شامل چت در مورد تصاویر، شناسایی تصاویر از طریق دستورالعمل‌ها، پاسخگویی به سؤالات بینایی، درک اسناد، زیرنویس تصاویر و موارد دیگر است.

● برخی از مدل‌های زبان‌بینایی همچنین می‌توانند خواص فضایی را در یک تصویر درک کنند. این مدل‌ها می‌توانند هنگام درخواست برای شناسایی یا سگمنت‌بندی یک موضوع خاص، کادر‌های محدود کننده یا ماسک‌های سگمنت‌بندی تولید کنند، یا می‌توانند موجودیت‌های مختلف را لوکالیزه کرده و در مورد موقعیت نسبی یا مطلق آن‌ها پاسخ دهند.
🌐 website

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

📚 تازه های دنیای پژوهش

📄 Detection of diffusely abnormal white matter in multiple sclerosis on multiparametric brain MRI using semi-supervised deep learning

□■این مقاله به تازگی در nature منتشر شده است و در زمینه تشخیص ماده سفید غیرطبیعی منتشر شده در مولتیپل اسکلروزیس در MRI چند پارامتری مغز با استفاده از یادگیری عمیق نیمه نظارت شده ، تمرکز دارد.

□■در کنار ضایعات کانونی، ماده سفید غیر طبیعی به صورت انتشار یافته (DAWM) در MRI مغز بیماران مبتلا MS مشاهده می‌شود که ممکن است نمایانگر فرایندهای بیماری زودرس MS باشد. نقش DAWM در MRI به دلیل کمبود روش‌های ارزیابی خودکار به خوبی مورد مطالعه قرار نگرفته است.

□■روش‌های یادگیری عمیق نظارت‌شده (DL) در این زمینه توانمندی بالایی دارند، اما نیاز به مجموعه‌های داده برچسب‌گذاری شده بزرگ دارند. برای غلبه بر این چالش،در این مقاله،یک شبکه مبتنی بر DL به نام DAWM-Net با استفاده از یادگیری نیمه‌نظارت‌شده ارزیابی شده است.

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

🆕️ محققان دانشگاه MIT با فناوری جدید ردیابی اشیا به ربات ها کمک می کنند تا روی چیزهایی که مهم هستند تمرکز کنند !!

✴ یکی از چالش‌های مهم در حوزه بینایی ماشین و اتوماسیون، توانایی ربات در شناسایی و اولویت‌بندی اشیاء در محیط‌های پیچیده مانند صحنه‌های آشفته با انواع مختلف اشیاء، اشکال و رنگ‌ها است.

✴ با توجه به اینکه صنایعی مانند تولید، لجستیک و بهداشت به سیستم‌های خودکارتر وابسته می‌شوند، نیاز به ربات‌های کارآمدتر بیشتر احساس می‌شود.

✴ برای رفع این مشکل، محققان MIT یک روش جدید معرفی کرده‌اند که به ربات‌ها امکان می‌دهد تا از میان صحنه‌های آشفته ، فیلتر کرده و سریعاً بر روی اشیایی که مرتبط با جستجوی خاصی هستند، متمرکز شوند. این پیشرفت می‌تواند موجب انقلابی شدن نحوه عملکرد ربات‌ها شود.

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

🚀 تکنیک جدید MIT به نام " Clio " نیاز به پردازش داده‌های غیرضروری را کاهش می‌دهد !!

✔ اطلاعات در مورد یک چالش اساسی در تشخیص آزاد یا باز-مجموعه ای (open-set recognition) ارائه شده است ؛ ربات "Clio" سطح جزییات مورد نیاز برای درک محیط اطراف را تعیین می‌کند و فقط قسمت‌های مرتبط یک صحنه را به خاطر می‌سپارد، که آن را برای بسیاری از کاربردهای تصمیم‌گیری در زمان واقعی مفید می‌سازد.

✔ آزمایش "Clio" در محیط‌های طبیعی نشان داد که این سیستم قادر است با توجه به وظایف داده شده، به سرعت صحنه‌ها را بخش‌بندی کرده و اشیاء مرتبط را شناسایی کند. همچنین در آزمایشی دیگر، این سیستم توانست در کنار ربات چهارپای Boston Dynamics، اشیاء مرتبط با وظایف داده شده را شناسایی و نقشه آنها را ارائه دهد.

✔ در آینده، تیم تحقیقاتی قصد دارد "Clio" را برای انجام وظایف پیچیده‌تر مانند جست‌وجو و نجات یا تأمین برق، سازگار کنند تا درک انسان‌گونه‌تری از چگونگی انجام چنین وظایف پیچیده‌ای کسب کنند.
🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#image_processing
#machin_vision

🆕️تولید ویدیوهای جدید با زاویه دوربین های متفاوت

⚡فناوری ReCapture روشی برای تولید ویدیوهای
جدید است که با زاویه دوربین های متفاوت از یک ویدیوی منبع کار می‌کند. این روش به چند مرحله اصلی تقسیم میشود:

۱) ابتدا یک ویدیوی مبنا (anchor video) با نویز تولید میکند که دارای مسیر دوربین جدید است. این ویدیوی مبنا با استفاده از مدل های multiview diffusion models یا رندر ابر نقطه مبتنی بر عمق ایجاد میشود.

۲) سپس، ویدیوی مبنای نویزدار را با استفاده از تکنیک پیشنهادی "فاین-تیونینگ ویدیوی ماسک دار" دنویز و همسو با زمان بازسازی میکند. این تکنیک شامل دو مرحله است:
•فاین-تیونینگ یک LoRA زمانی روی ویدیوی مبنای ماسک دار برای یادگیری دینامیک صحنه
•فاین-تیونینگ یک LoRA مکانی روی فریم های افزوده از ویدیوی منبع برای یادگیری ظاهر صحنه

⚡این روش ماسک دار، فقط بخش های مفید ویدیوی مبنا را یاد میگیرد و بخش های گم شده را نادیده میگیرد.
⚡در مجموع، ReCapture امکان بازتولید ویدیوی منبع با تمام حرکات صحنه موجود را از زوایای بسیار متفاوت و با حرکات دوربین سینمایی فراهم میکند.
🔎 website
🆔️telegram channel:
https://news.1rj.ru/str/Intellimage

✴ بهبود عملکرد وزنه برادران در طی تمرینات بااستفاده از پردازش دیجیتال دوربین های حرارتی مبتنی بر هوش مصنوعی

✅ روش جدیدی که ترکیبی از فیلم‌برداری دوربین‌های حرارتی و پردازش دیجیتال مبتنی بر هوش مصنوعی است، می‌تواند عملکرد و ایمنی را در طیف گسترده‌ای از کاربردهای ورزشی و بهداشتی بهینه‌سازی کند. در حالی که بیشتر روش‌های موجود از لحظات قبل و بعد استفاده می‌کنند، این روش جدید قادر است فعال‌سازی عضلات و شناسایی نواحی با کشش یا خستگی را رصد کند.

✅ این روش جدید با استفاده از دوربین‌های حرارتی ارزان‌قیمت متصل به گوشی هوشمند یا دستگاه‌های حرارتی با کیفیت بالا قابل اجرااست، بنابراین دسترسی به آن برای نیازهای آموزشی مختلف بهبود می‌یابد.با تحلیل کامل حرکت به جای لحظات خاص، می‌تواند روند تغییرات دمایی را در زمان‌واقعی رصد کند و متوجه شود که در طول تمرین چه اتفاقی می‌افتد.

✅ این فناوری می‌تواند در حوزه‌های مراقبت‌های بهداشتی مورد استفاده قرار گیرد و اطلاعات مربوط به دماو وضعیت بدن را به متخصصان ارائه دهدوبه بازتوانی موثرتر پس از بیماری یا آسیب کمک کند.
🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#image_processing

گروه تخصصی پردازش تصویر هوشمند Intellimage

✔ تبدیل ایده‌ها به واقعیت

باماهمراه باشید 🌱

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

📚Intermediate Python

• لینک دسترسی به آموزش:

📥 https://book.pythontips.com/en/latest/index.html


🔎 Machine_learn
🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#programming
#Python

🪩 پروژه InnerEye در لیست تحقیقات مایکروسافت

○• مایکروسافت با پروژه InnerEye، تجزیه و تحلیل تصاویر پزشکی با استفاده از هوش مصنوعی را بصورت دسترسی آزاد قرار میدهد. پلتفرم پیشرفته تحلیل تصاویر پزشکی مایکروسافت، با استفاده از هوش مصنوعی، دقت و کارایی خدمات بهداشتی را افزایش داده و تشخیص زودهنگام بیماری ها را بهبود می بخشد.

○• تیم تحقیقاتی مایکروسافت با توسعه یک پلتفرم با محوریت هوش مصنوعی ، که از یادگیری ماشینی برای ارائه پشتیبانی تشخیصی دقیق و کارآمد به پزشکان استفاده می کند، گام های مهمی در زمینه تحلیل تصاویر پزشکی برداشته اند. این پروژه به کاهش زمان انتظار در سیستم ملی بهداشت بریتانیا (NHS) و بهبود مراقبت از بیماران کمک می کند.

○• یکی از حوزه های موفق این سیستم، کاهش خطاهای تشخیصی در انکولوژی، بیماری های قلبی-عروقی و به ویژه رادیولوژی است.این سیستم قادر به تحلیل کمی خودکار تصاویر پزشکی سه بعدی و تفسیر الگوهای داده پیچیده است که حتی افراد با تجربه نیز به راحتی نمی توانند تشخیص دهند.
🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#image_processing
#machin_vision

🖇 معرفی فرمت COCO در داده کاوی

• فرمت COCO(Common Objects in Context) یک فرمت استاندارد داده است که برای توصیف و notation تصاویر استفاده می‌شود.

• توسط Microsoft، Google و Facebook توسعه داده شده است و به طور گسترده در پروژه‌های مربوط به تشخیص و شناسایی اشیا در تصاویر استفاده می‌شود.

• فرمت COCO، فرمت داده‌ای است که شامل موارد زیر است:

۱. تصاویر: مجموعه‌ای از تصاویر واقعی که در آن‌ها اشیا و موجودات مختلف وجود دارد.

۲. بحث Annotations: توصیف‌های متنی که در مورد هر تصویر ارائه شده است. این توصیف‌ها می‌تواند شامل bounding box‌ های مشخص کننده موقعیت اشیا، برچسب‌های مشخص کننده نوع اشیا، ماسک‌های سگمنتیشن برای هر شی و سایر توصیف‌های متنی باشد.

۳. بحث Metadata: اطلاعات تکمیلی در مورد هر تصویر مانند منبع تصویر، تاریخ و زمان ثبت آن و سایر مشخصات.

• فرمت COCO به صورت استاندارد و قابل خوانش JSON ذخیره می‌شود و به طور گسترده در پروژه‌های تشخیص اشیا و سگمنتیشن تصاویر مورد استفاده قرار می‌گیرد.
🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#image_processing

🆕️ فناوری بینایی ماشین در عملکرد ربات غریق نجات

○ در یک ربات غریق نجات، بینایی ماشین از طریق دوربین ها و سنسورهای مختلف، محیط آبی را تحلیل می کند و افراد در حال غرق شدن رابه سرعت تشخیص می دهد ؛ سپس ربات میتواند مسیر حرکت خود را برنامه ریزی کرده و با سرعت به محل حادثه برسد.

○ همچنین بینایی ماشین به ربات کمک می کند تا ویژگی های جسمی فرد، مانند اندازه و وزن را شناسایی کرده و در عملیات نجات از تجهیزات مناسب استفاده کند.
+ این قابلیت ها، نقش حیاتی بینایی ماشین در افزایش سرعت و دقت عملکرد ربات های غریق نجات را نشان می دهد.

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

📚 تازه های دنیای پژوهش

📄 بهبود تشخیص ضایعات dermatology با استفاده از مدل SkinGPT-4

• این مقاله به تازگی در nature به چاپ رسیده است و در زمینه مدل‌های زبانی بزرگ (LLMs) است که اخیراً به عنوان ابزاری با پتانسیل فوق‌العاده در پیشرفت تشخیص پزشکی، به‌ویژه در تشخیص بیماری‌های پوستی، مورد توجه قرار گرفته‌اند.

• در این پژوهش ، سیستم تشخیصی پوستی به نام SkinGPT-4 معرفی شده است که یک سیستم تشخیص Dermatology تعاملی مبتنی بر مدل‌های زبان بزرگ چندمدلی است و یک ترنسفورمر بصری پیش‌آموزش‌دیده با یک مدل LLM به نام Llama-2-13b-chat هماهنگ شده است.

• برای این کار، مجموعه‌ای گسترده شامل ۵۲,۹۲۹ تصویر بیماری پوستی، کنسپت‌های بالینی و یادداشت‌های پزشکان جمع‌آوری شده و یک استراتژی آموزشی دو مرحله‌ای طراحی شده است.
🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#image_processing
#article

🆕️ ربات STAR ، جراحی های پیچیده را انجام می‌دهد!

✅ دانشمندان بر این باورند که ربات هوشمند خودکار STAR توانایی انجام عمل‌های جراحی پیچیده را حتی بهتر از جراحان حاذق دارد.این ربات بر مبنای پردازش تصویر و بینایی ماشین طراحی شده است.

✅ در آزمایش‌های کوچکی که بر روی خوکها انجام شد، این بازوی رباتیک موفق شد تا کار خود را در دوخت بافت روده این حیوانات، حتی بهتر از جراحان متبحر انجام دهد.

+ اخیرا این پژوهش در مجله Science Translational Medicine منتشر شده است.

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

🧠 تحلیل داده با Claude

• آیا می‌خواهید تحلیل‌های پیچیده داده‌ها را به سرعت و دقت انجام دهید؟

• با Claude، ابزار پیشرفته آنالیز داده، می‌توانید از قدرت هوش مصنوعی برای استخراج اطلاعات ارزشمند از داده‌های خود بهره‌مند شوید.

🔍 فناوری Claude به شما این امکان را می‌دهد که:

✔️ داده‌های بزرگ را سریع و دقیق پردازش کنید.
✔️ الگوها و روندها را شناسایی کنید.
✔️ پیش‌بینی‌های هوشمندانه انجام دهید.
✔️ گزارش‌های تحلیلی جامع و مفصل تولید کنید.

🖥️ فناوری Claude به شما کمک می‌کند تا در دنیای داده‌ها یک قدم جلوتر باشید.

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

🚀 ساخت دستگاه تصویر برداری ترموگرافی در گروه Intellimage

✅ این دستگاه‌ توانایی شبیه‌سازی و تحلیل دقیق تغییرات دما را در سطوح مختلف فراهم می‌آورد و با دقت بالایی در پزشکی کاربرد دارد.

📍تبدیل ایده‌ها به واقعیت

• باماهمراه باشید 🌱
🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#intellimage_project

✅ الگوریتم های SORT و DeepSORT قابل استفاده برای ردیابی اشیاء در ربات های هوشمند

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

🖇الگوریتم های SORT و DeepSORT چگونه برای ردیابی اشیاء در ربات های هوشمند استفاده می شوند؟

▪︎الگوریتم (Simple Online and Realtime Tracking) یک الگوریتم ساده و کارآمد برای ردیابی چندین هدف در حال حرکت در یک ویدیو است.

• این الگوریتم با استفاده از آشکارسازی اشیاء و ویژگی های حرکتی آنها، اشیاء را شناسایی و ردیابی می کند.

• الگوریتم SORT به طور مؤثر و در زمان واقعی کار می کند و به همین دلیل برای کاربردهای مبتنی بر ربات که نیازمند پاسخ سریع هستند، مناسب است.

• مزیت SORT سرعت بالا و استفاده آسان در ربات های هوشمند است.

▪︎الگوریتم DeepSORT (Deep learning SORT) یک پیشرفت در الگوریتم SORT است که از یادگیری عمیق برای بهبود دقت ردیابی استفاده می کند.

• در این روش، یک شبکه عصبی عمیق برای استخراج ویژگی های ظاهری اشیاء مورد استفاده قرار می گیرد.

• این ویژگی ها به همراه اطلاعات حرکتی، به الگوریتم SORT کمک می کنند تا دقت ردیابی را افزایش دهد.

+ الگوریتم DeepSORT مقاومت بیشتری در برابر شرایط دشوار مانند اختفا، اکلوژن و تداخل اشیاء دارد.

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