🟦 شناسایی قطعات Tibia و Fibula قبل از عمل تروما با استفاده از هوش مصنوعی!

🔹 محققین با استفاده از معماری DeepLab v3+ اقدام به طراحی هوش مصنوعی برای تقسیم‌بندی قطعات استخوان‌های فیبولا و تیبیا می‌کنند.

🔹 در واقع پیش از عمل‌های ترومای شدید که منجر به خردشدگی‌های گسترده در این دو استخوان شده است، این هوش مصنوعی با ایجاد یک طراحی سه بعدی از نحوه شکستگی (شکل قطعات، سایز و فاصله قطعات از یکدیگر) می‌تواند به پزشکان در طراحی نقشه عمل جراحی‌شان کمک شایانی بکند.

🔹 این مدل با استفاده از بیش از ۱۱ میلیون تصویر CT آموزش داده شده است و با Accuracy = 98.92% می‌تواند با سرعتی معادل ۵ تا ۸ برابر متخصصان اقدام به تقسیم‌بندی دو استخوان تیبیا و فیبولا بکند.

🔗 لینک مقاله ☑️ pdf مقاله در کامنت


#خلاصه_مقاله
🤖  @Veterinary_AI  🐎

وقتشه که یک نوآوری در دامپزشکی داشته باشیم! ❤️‍🔥

تا حالا شده یه ایده خفن تو ذهنت باشه، اما ندونی از کجا شروعش کنی؟ ⚡️

تا حالا شده بخوای مسیر جدیدی رو شروع کنی ولی کسی نبوده که پا به پات بیاد؟ 📈

تا حالا احساس نیاز کردی به راهی تازه برای جا افتادن در رقابت بازار کار؟ راهی که از بقیه متمایزت کنه؟🥇

فرصت همکاری اکنون فرارسیده است!  💥

✍ تیم Veterinary AI تیمی چندشاخه‌ای از دامپزشکان و دانشجویانی‌ست که به راه‌های تازه می‌اندیشند. در این تیم هدف ما این است که با کمک هوش مصنوعی در تمام حوزه‌‌های دامپزشکی تحول ایجاد کنیم، دامپزشکان را از اهمیت این حوزه مطلع کنیم و با استفاده از هوش مصنوعی به عنوان ابزاری برای دامپزشکان، دامپزشکی کشور را ارتقا بخشیم، از تشخیص و درمان تا تولید محتوا و حتی ساخت نرم‌افزار !

تو این مسیر کنار هم یاد میگیریم و به هم کمک میکنیم. مهم پایه بودنه! بلد نباشی هم یاد میگیری 👌

✅ جهت آشنایی بیشتر و عضویت در تیم بزرگ Veterinary AI به آیدی زیر پیام دهید تا با کمک هم در این مسیر جذاب قدم بگذاریم:

🆔 @Soren_Mohammadi

〰〰〰〰〰〰〰〰〰〰〰〰

اولین و بزرگ‌ ترین تیم هوش‌ مصنوعی دامپزشکی 🦾

🤖  @Veterinary_AI  🐎

🟦 فردی به مدت ده سال با یک بیماری دست‌ و پنجه نرم می‌کرد که در نهایت، ChatGPT یک نقص ژنتیکی را به عنوان عامل اصلی بروز علائم تشخیص داد. این نقص، موجب اختلال در جذب ویتامین B شده بود که طی این سال‌ها از دید پزشکان پنهان مانده بود. 

🔹 بیش از ۱۰ سال است که علائم ناشناخته‌ی متعددی دارم. MRI ستون فقرات، CT اسکن، آزمایش خون دقیق، همه چیز حتی بررسی بیماری لایم را انجام دادم.

🔹 تست سلامت را انجام دادم و مشخص شد که جهش هموزیگوت A1298C MTHFR را دارم که ۷ تا ۱۲ درصد از جمعیت را تحت تأثیر قرار می‌دهد. شبکه‌ی پزشکان من یکی از برترین‌ها در کشور است. من حتی در مقطعی به یک متخصص مغز و اعصاب مراجعه کردم و از نظر ام اس بررسی شدم.

🔹 در نهایت، ChatGPT با بررسی تمام نتایج آزمایشگاهی و سابقه‌ی علائم من نتیجه گرفت که با وجود سطح به‌ظاهر طبیعی ویتامین B12، این بیماری ناشی از اختلال در جذب این ویتامین بواسطه جهش است.

🔗 منبع
🤖  @Veterinary_AI  🐎

🔹 عناصر یک #پرامپت خوب

🤖  @Veterinary_AI  🐎

🟦 راهنمای گام‌به‌گام طراحی پرامپت برای استفاده بهینه از هوش مصنوعی به طور خلاصه

✅ درک وظیفه:
قبل از طراحی پرامپت، باید هدف و خروجی مورد نظر به وضوح تعریف شود. برای مثال، به جای پرسش کلی “درباره تغییرات اقلیمی بگو”، بهتر است بپرسید “علل اصلی تغییرات اقلیمی چیست؟”

🔹 انتخاب نوع ورودی:

نوع ورودی بر اساس هدف انتخاب می‌شود:

✅ سؤال: برای دریافت اطلاعات خاص (مثال: “چگونه سیستم هیدرولیک کار می‌کند؟”).

✅ دستورالعمل وظیفه: برای انجام عمل خاص (مثال: “یک داستان کوتاه درباره سفر در زمان بنویس”).

✅ مبتنی بر موجودیت: تمرکز بر یک موضوع خاص (مثال: “تاریخ امپراتوری روم را توضیح بده”).

✅ تکمیل: ارائه بخش ناقص برای تکمیل توسط هوش مصنوعی (مثال: “خانه قدیمی روی تپه…”).

✅ ارائه زمینه (در صورت نیاز):
زمینه‌سازی به هدایت پاسخ‌ها کمک می‌کند. شامل اطلاعات پس‌زمینه، محدودیت‌ها یا داده‌های خاص است. برای مثال، “یک شعر به سبک شکسپیر بنویس” زمینه‌ای برای سبک مورد نظر فراهم می‌کند.

✅ استفاده از مثال‌ها (به‌ویژه در پرامپت‌های چندمثالی):
مثال‌ها، فرمت و نوع خروجی مورد نظر را نشان می‌دهند. می‌توان از یک مثال (One-Shot) یا چند مثال (Few-Shot) استفاده کرد تا هوش مصنوعی بهتر الگو را درک کند. مثال: “ورودی: 2+2، خروجی: 4، حالا مسئله 5+3 را حل کن.”

✅ بازبینی و اصلاح:
پرامپت باید واضح و بدون ابهام باشد. آزمایش و اصلاح مکرر برای بهبود نتایج ضروری است. اگر پاسخ اولیه مطلوب نبود، پرامپت را بازنویسی یا جزئیات بیشتری اضافه کنید.

✅ تعریف لحن و سبک:
لحن (رسمی/غیررسمی) و سبک (خلاقانه/واقعی) باید مشخص شود. مثال: “تحلیل رسمی از تأثیرات اقتصادی انرژی تجدیدپذیر ارائه دهید.”

✅ استفاده از زبان شفاف و مستقیم:
از جملات ساده و دستورات صریح استفاده کنید تا از سوءتفاهم جلوگیری شود. مثال: به جای “درباره فناوری بگو”، بپرسید “تأثیر هوش مصنوعی بر سیستم‌های بهداشتی مدرن چیست؟”

✅ تعیین محدودیت‌ها و الزامات:
محدودیت‌هایی مانند طول پاسخ، فرمت (لیست، مقاله) یا محتوای خاص باید مشخص شوند. مثال: “پنج مزیت خودروهای برقی را در قالب لیست بنویس.”

✅ استفاده از نقش‌ها یا شخصیت‌ها:
تخصیص نقش (مثلاً متخصص یا دانش‌آموز) به هوش مصنوعی پاسخ‌ها را از دیدگاه خاصی ارائه می‌دهد. مثال: “به عنوان یک مهندس نرم‌افزار، مزایای روش‌های توسعه چابک را توضیح بده.”

✅ دستورالعمل‌های گام‌به‌گام برای وظایف پیچیده:
وظایف پیچیده را به مراحل کوچک‌تر تقسیم کنید. مثال: “مرحله 1: موضوعات اصلی رنسانس را فهرست کن. مرحله 2: شخصیت‌های کلیدی را شرح بده.”

🔹 آناتومی پرامپت:

☑️ ورودی: درخواست یا سؤال اصلی.
☑️ زمینه: اطلاعات پس‌زمینه برای هدایت پاسخ.
☑️ مثال‌ها: نمونه‌هایی از ورودی و خروجی برای شفاف‌سازی انتظار.

🔗 منبع
🔗 لینک مقاله مرتبط

#پرامپت
🤖  @Veterinary_AI  🐎

🔹 How to write AI prompts

#پرامپت
🤖  @Veterinary_AI  🐎

🔹 Prompt Engineering Podcast 🔹


🎙 پادکست تولید شده با کمک ابزار هوش مصنوعی NotebookLM در مورد پرامپت نویسی

#پرامپت
〰〰〰〰〰〰〰〰〰
🤖  @Veterinary_AI  🐎
〰〰〰〰〰〰〰〰〰

🔹 Prompt Engineering Mind Map 🔹 


🧠 نقشه ذهنی تولید شده با کمک ابزار هوش مصنوعی NotebookLM در مورد پرامپت نویسی

#پرامپت
〰〰〰〰〰〰〰〰〰
🤖  @Veterinary_AI  🐎
〰〰〰〰〰〰〰〰〰

🔹 petMD 🔹

🎥 تولید شده توسط واحد اینستاگرام تیم

✅ توضیحات بیشتر

〰〰〰〰〰〰〰〰〰〰〰

🔺 خلاصه های دامپزشکی با صدف 🔺

🔹خلاصه‌ تمام دروس پره و دروس مهم بعد از پره
🔹 منبع: جزوات دانشگاه فردوسی
🔹 لینک چنل‌هامون و هشتگ دروس در پیام پین شده هست.
🔹 اگر خلاصه‌ای می‌خواستید و نبود پیام بدید.
🔹 اگر خلاصه‌ای داشتید خوشحال میشیم بفرستید واسمون.
@vetFum_sadaf
@vetFum_sadaf
@vetFum_sadaf

〰〰〰〰〰〰〰〰〰〰〰
#ابزار
🤖  @Veterinary_AI  🐎

🟦 مقایسه‌ی توانایی تشخیص و درمان کیس های بیمار توسط هوش مصنوعی های متداول:

Google gemeni : 8/10
Chat gpt : 6.5/10
Deep seek : 8.5/10
Copilot : 6.5/10

🔹 نتایج بالا مقایسه‌ی پاسخ‌های هوش مصنوعی به کیس ریپورت های ساده و پیچیده و نمره دهی توسط جمعی از کلینیسین های با تجربه عضو تیم هوش مصنوعی دامپزشکی Veterinary ~ AI می‌باشد.

🔹 کلیات پاسخ های دریافت شده همگی مورد تایید بوده اما دقت و توجه به جزئیات تشخیصی و درمانی در آنها متفاوت است که توسط کلینیسین های مجرب تیم ما نمره دهی شده است.

🔹 این ابزار ها میتوانند ابزارهایی برای کمک در تشخیص سریع و دقیق بیماری و درمان موثر توسط یک دامپزشک با تجربه و با معلومات باشند.

#ابزار
🤖  @Veterinary_AI  🐎

🔹 خلاصه‌ای از تاریخچه هوش مصنوعی 🔹

🤖  @Veterinary_AI  🐎

🟦 هوش مصنوعی احساسات را بهتر از انسان درک می‌کند.

🔹 به نظر می‌رسید که ما فکر می‌کردیم رایانه‌ها هرگز از ما در احساسات پیشی نخواهند گرفت، اما دانشمندان اکنون اعلام کردند که «هوش مصنوعی» احساسات را بهتر از ما درک می‌کند. آنها دریافتند که این سامانه‌ها امتیاز بسیار بالاتری از میانگین افراد در انتخاب پاسخ صحیح برای کنترل موقعیت‌های پراحساس مختلف، کسب کردند.

🔹 به نقل از لایوساینس، دانشمندان «دانشگاه ژنو»(UNIGE) و «دانشگاه برن»(UniBE) آزمون‌های هوش هیجانی را روی «مدل‌های زبان بزرگ»(LLMs) رایج اعمال کردند. آنها دو چیز را بررسی می‌کردند؛ اول، مقایسه عملکرد «هوش مصنوعی» و سوژه‌های انسانی بود و دوم، توانایی ایجاد سؤالات آزمون جدید که با اهداف آزمون‌های هوش هیجانی مطابقت داشته باشند.

🔹 با مطالعه پاسخ‌های انسانی معتبر از مطالعات قبلی، «LLMها» در ۸۱ درصد مواقع، پاسخ صحیح را در آزمون‌های هوش هیجانی انتخاب کردند، در حالی که این میزان برای انسان‌ها ۵۶ درصد بود.

🔹 نتیجه‌گیری کلی این بود که «هوش مصنوعی» در درک احساسات بهتر از انسان عمل می‌کند!

🔗 منبع فارسی 🔗 منبع انگلیسی

🤖  @Veterinary_AI  🐎

🟦 پژوهشگران ژاپنی موفق به طراحی نوعی هوش مصنوعی‌ شده‌اند که تنها با یک عکس ساده از پوست، می‌تواند شدت اگزما را به دقت تشخیص دهد.

🔹 این سیستم از داده‌های واقعی کاربران پلتفرم «آتوپیو» استفاده کرده؛ سایتی ژاپنی که بیش از ۲۸ هزار کاربر در آن بیش از ۵۷ هزار عکس از علائم اگزمای خود را به اشتراک گذاشته‌اند. پژوهشگران از بین این مجموعه عظیم، حدود ۱۰ هزار عکس باکیفیت را برای آموزش و ارزیابی هوش مصنوعی انتخاب کردند.

🔹 نتایج بررسی‌ها نشان می‌دهد هوش مصنوعی در ۹۸ درصد موارد محل بدن را درست تشخیص داده و نواحی اگزمایی را با دقت کامل شناسایی کرده است. امتیازدهی آن از نظر شدت بیماری نیز با ارزیابی پزشکان شباهت زیادی دارد.

🔹 اما نکته جالب این که این سیستم متوجه شد بین ظاهر اگزما و میزان خارش حس‌شده توسط بیمار ارتباط قوی‌ای وجود ندارد. در واقع، پوست ممکن است خیلی بد به نظر برسد اما اصلاً خارش نداشته باشد یا برعکس این فرآیند باشد.

🔗 منبع
🤖  @Veterinary_AI  🐎

🟦 ادعای جنجالی: هوش مصنوعی در تشخیص بیماری‌ها از پزشک‌ها بهتر است.

🔹 سیستم هوش مصنوعی جدید مایکروسافت در تشخیص بیماری‌های پیچیده، عملکرد بهتری نسبت به پزشکان انسان دارد. این مدل در یک آزمایش توانست ۸ مورد از ۱۰ مسئله‌ی پزشکی چالش‌برانگیز را حل کند؛ درحالی‌که این آمار برای پزشکان بدون دسترسی به منابع کمکی، تنها ۲ مورد از ۱۰ بود.

🔹 این سیستم از یک «هماهنگ‌کننده تشخیصی» بهره می‌برد که مانند یک هیئت پزشکی عمل می‌کند و با ترکیب مدل‌های مختلف هوش مصنوعی از شرکت‌هایی نظیر OpenAI، گوگل و متا به تشخیص نهایی می‌رسد.

🔹 مایکروسافت تأکید می‌کند که این فناوری یک ابزار مکمل است و جایگزین پزشک نمی‌شود، چراکه وظایف پزشکان فراتر از تشخیص صرف است. این سیستم هنوز برای استفاده‌ی بالینی آماده نیست و در مرحله‌ی آزمایش قرار دارد.

🔗 منبع 🔗 Microsoft AI

🤖  @Veterinary_AI  🐎

🔹 چرا دامپزشکان باید برنامه‌نویسی یاد بگیرند؟ 🔹

1⃣ پیاده کردن تجارب و ایده های خود به صورت ابزاری کاربردی
2⃣ ایجاد دید کامپیوتری و روش صحیح ثبت و استفاده از دیتا که این نوع نگاه متفاوت میتونه جرقه ها و نواوری های زیادی رو در ذهن ایجاد کنه! (تا واردش نشی متوجه عمق این جمله نمیشی😉)
3⃣ همچنین با کمک برنامه نویسی میشه استفاده خیلی بهینه تری از انواع هوش مصنوعی‌ ها داشت.

🔹 Python & MATLAB 🔹

🎥 ویدئوی تولید شده توسط واحد اینستاگرام تیم

🤖  @Veterinary_AI  🐎