🔹 هوش مصنوعی و بیماری های زئونوز 🔹

🎥 ویدئوی تولید شده توسط واحد اینستاگرام تیم

🤖  @Veterinary_AI  🐎

🟦 بارداری پس از ۱۸ سال به کمک هوش مصنوعی

🔹 محققان کلمبیایی از هوش مصنوعی برای یافتن اسپرم نامرئی در نمونه اسپرم یک مرد نابارور استفاده کردند که منجر به بارداری این زوج شد، مسئله‌ای که زمانی غیرممکن به نظر می‌رسید.

🔹 یک زوج پس از ۱۸ سال درمان‌های ناموفق باروری، به لطف یک سامانه مبتنی بر هوش مصنوعی که سه سلول اسپرم پنهان را در مردی که قبلاً مبتلا به «آزواسپرمی»(بی‌اسپرمی) تشخیص داده شده بود، شناسایی کرد. این زوج اکنون در انتظار تولد اولین فرزند خود هستند.

🔹 این روش که با نام «ردیابی و بازیابی اسپرم»(STAR) شناخته می‌شود، توسط دکتر زو ویلیامز(Zev Williams) و تیمش در مرکز باروری دانشگاه کلمبیا توسعه داده شده است.

🔹 این روش از تصویربرداری پرقدرت و هوش مصنوعی که در ابتدا برای شناسایی ستاره‌های دور طراحی شده بود، برای یافتن اسپرم‌های نادر در نمونه‌های مایع منی که زمانی ناامیدکننده تلقی می‌شدند، استفاده می‌کند.

🔗 منبع داخلی 🔗 منبع خارجی

🤖  @Veterinary_AI  🐎

🟦 چرا افراد در مشاغل مختلف باید مسلط به برنامه‌نویسی باشند؟

🔹 جادی میرمیرانی
برنامه‌نویس، مدرس و فعال حوزه فناوری اطلاعات
او به ویژه در میان برنامه‌نویسان ایرانی به دلیل سبک آموزشی روان و کاربردی‌اش محبوب است و تأثیر قابل توجهی در ارتقاء سطح دانش فنی جامعه برنامه‌نویسی ایران داشته است.

🔗 منبع
🤖  @Veterinary_AI  🐎

🔹 Classification Performance of Machine Learning Methods for Identifying Resistance, Resilience, and Susceptibility to Haemonchus contortus Infections in Sheep

🤖  @Veterinary_AI  🐎

🟦 عملکرد طبقه‌بندی روش‌های یادگیری ماشین برای شناسایی مقاومت، پایداری و حساسیت نسبت به عفونت‌های Haemonchus contortus در گوسفندان


🔹 این مطالعه امکان استفاده از ویژگی‌های فنوتیپی آسان و دردسترس برای اندازه‌گیری به منظور پیش‌بینی گوسفندهایی که نسبت به کرم‌های روده‌ای مقاوم، پایداری و حساسیت نشان می‌دهند را مورد بررسی قرار داده است.
در این پژوهش، عملکرد روش‌های طبقه‌بندی شامل Multinominal logestic regression (MLR)، Linear discriminant analysis (LDA)، Random Forest (RF) و Artificial neural network (ANN) با یکدیگر مقایسه شده و کاربردپذیری بهترین مدل طبقه‌بندی در هر مزرعه ارزیابی گردید.

🔹 روش انجام
پایگاه داده شامل ۳۶۵۴ رکورد از ۱۲۵۰ گوسفند نژاد Santa ines از ۶ مزرعه می‌باشد. حیوانات بر اساس شمارش تخم‌های مدفوعی و حجم سلولی بسته‌بندی‌شده به سه گروه مقاوم (۲۶۰۵ رکورد)، پایدار (۹۳۹ رکورد) و حساس (۱۱۰ رکورد) تقسیم‌بندی شدند. برای تعادل مجموعه داده، از روش نمونه‌گیری Random oversampling استفاده شد.
روش‌های طبقه‌بندی با استفاده از اطلاعاتی نظیر رده سنی، ماه ثبت، مزرعه، جنسیت، درجه Famacha©، وزن بدن و امتیاز وضعیت بدنی به عنوان متغیرهای پیش‌بینی‌کننده، و مقاومت، پایداری و حساسیت به عنوان کلاس‌های هدف، در داده‌های تصادفی از تمام مزارع به کار گرفته شدند.

🔹 الگوریتم ها چگونه با یکدیگر مقایسه شدند؟
حساسیت (sensitivity) برای انتخاب بهترین مدل جهت طبقه‌بندی حیوانات حساس به کار گرفته شده است. این شاخص نشان‌دهندهٔ دقت مدل در پیش‌بینی حیوانات بیمار (حیوانات حساس) است، به شرطی که میزان اشتباه مثبت (حیواناتی که به عنوان حساس طبقه‌بندی می‌شوند در حالی که نیستند) کم باشد و مدل بتواند هرچه تعداد بیشتری از حیوانات مبتلا به انگلی را شناسایی کند. با توجه به اینکه در بسیاری از مزارع درمان همه حیواناتی که به عنوان حساس شناسایی می‌شوند، رایج است، هزینه نرخ بالای اشتباه مثبت کاهش می‌یابد و این موضوع در سیستم تولید مشکلی ایجاد نمی‌کند. به همین علت از این رهیافت استفاده شده است.

🔹 نتیجه گیری
مدل‌های MLR و LDA عملکرد خوبی در پیش‌بینی حیوانات حساس و مقاوم نشان دادند. نتایج حاکی از آن است که استفاده از رکوردهای در دسترس و ویژگی‌های آسان برای اندازه‌گیری می‌تواند اطلاعات مفیدی جهت حمایت از تصمیمات مدیریتی در سطح مزرعه فراهم آورد.

🔗 منبع

#خلاصه_مقاله
🤖  @Veterinary_AI  🐎

☑️ پی‌نوشت ، در مورد الگوریتم های ذکر شده: 

🔺 MLR (Multiple Linear Regression)
مدل‌سازی رابطه خطی بین چند متغیر مستقل و یک متغیر هدف عددی.
مثال: پیش‌بینی دوز دارو بر اساس سن، وزن و حدت بیماری.
◀️ توضیحات بیشتر


🔺 LDA (Linear Discriminant Analysis)
طبقه‌بندی (Classification) داده‌ها به دسته‌های مختلف و خروجی برچسب کلاس (مثلاً «بیمار» یا «سالم»، «گربه» یا «سگ»)
◀️ توضیحات بیشتر


🔺 Random Forest (جنگل تصادفی)
مجموعه‌ای از درخت‌های تصمیم (Decision Trees) که هر درخت روی نمونه‌ای تصادفی از داده‌ها و ویژگی‌ها آموزش می‌بیند. پیش‌بینی نهایی با ترکیب نتایج همه درخت‌ها به دست می‌آید.
مثال: تشخیص بیماری، پیش‌بینی قیمت، شناسایی تقلب.
◀️ توضیحات بیشتر


🔺 ANN (شبکه عصبی مصنوعی)
الگوریتم یادگیری عمیق (Deep Learning) یا یادگیری ماشین با ساختار الهام گرفته از مغز انسان که قادر است روابط پیچیده و غیرخطی بین ورودی و خروجی را یاد بگیرد.
مثال: تشخیص تصویر، پردازش زبان طبیعی
◀️ توضیحات بیشتر


🤖  @Veterinary_AI  🐎

🟦 دراگون کوپایلت (Dragon Copilot)

🔹 نخستین دستیار صوتی هوش مصنوعی برای پزشکان که توسط مایکروسافت معرفی شد.

🔹 مکالمات بین پزشک و بیمار را به صورت خودکار ضبط و به متن تبدیل می‌کند و نیازی به نوشتن شرح مکالمات توسط پزشک در پرونده بیمار نیست.

🔹 پزشک با یک پرامپت صوتی اطلاعات پزشکی بیمار، نتایج آزمایشها و سوابق بیمار را دریافت می نماید.

🔹 وظایف تکراری مانند قرار ملاقات با بیماران، ارسال یادآوری‌ها و حتی تهیه نسخه‌ها را به صورت خودکار انجام می‌دهد.

☑️ پی‌نوشت:
ورود چنین ابزارهایی به رشته دامپزشکی باعث نظم و سازماندهی بیشتر و همچنین ارتقای کیفیت درمان و ارتباط بین اونر و دامپزشک می‌شود. لازم است آماده استقبال از چنین نوآوری هایی باشیم !

🔗 Dragon Copilot

#ابزار
🤖  @Veterinary_AI  🐎

🟦 پرامپت نویسی صحیح و اصولی در پزشکی

✅ ویدئو با حجم بالا و طولانیست ولی تماشای آن توصیه می‌شود.

☑️ پی‌نوشت:
دقت‌های بالایی که ابزارهای هوش مصنوعی در تشخیص کسب میکنند -که بعضا نسبت به متخصصان درصد بالاتری‌ست- به علت استفاده صحیح و جامع و پرامپت دقیق توسط همان افراد متخصص است، نه یک فرد عادی که توقع دارد با صرف یک عکس رادیولوژی به تشخیص دقیق برسد!

🔗 منبع

#پرامپت
🤖  @Veterinary_AI  🐎

🟦 وتولوژی (Vetology)

🔹 ابزاری مبتنی بر هوش مصنوعی است که به دامپزشکان در تفسیر سریع و دقیق تصاویر رادیوگرافی حیوانات کمک می‌کند.

🔹 این هوش مصنوعی آموزش‌دیده، تصاویر رادیولوژی را تحلیل کرده و ناهنجاری‌ها را شناسایی می‌کند و در عرض چند دقیقه یک گزارش خودکار با یافته‌های اولیه هوش مصنوعی در اختیار دامپزشک قرار می‌دهد.

🔹 در صورت نیاز به نظر تخصصی‌تر، دامپزشکان می‌توانند درخواست گزارش از رادیولوژیست‌های معتبر و متخصص ثبت کنند.

🔗 Vetology
#ابزار
🤖  @Veterinary_AI  🐎

🟦 در ۱۴ درصد از مقالات علمی نشانه‌های استفاده از هوش مصنوعی وجود دارد.

🔹 یک پژوهش نشان می‌دهد که استفاده از ابزارهای هوش مصنوعی مانند ChatGPT برای نوشتن مقالات علمی به سرعت درحال افزایش است. براساس تحلیل‌ها، در سال گذشته میلادی از هر ۷ چکیده مقاله در حوزه زیست‌پزشکی، یک مورد احتمالاً با کمک هوش مصنوعی نوشته شده است.

🔹 محققان دانشگاه توبینگن آلمان در تحقیق جدیدی به بررسی میزان نفوذ مدل‌های زبانی بزرگ (LLM) در ادبیات علمی پرداختند. این پژوهش نشان می‌دهد که در سال ۲۰۲۴ بیش از ۲۰۰ هزار (۱۴ درصد) از ۱.۵ میلیون چکیده مقاله نمایه‌شده در پایگاه داده PubMed حاوی نشانه‌های قوی از ویرایش یا نگارش توسط هوش مصنوعی بوده‌اند.

🔗 منبع

🤖  @Veterinary_AI  🐎

🟦 کاربردهای هوش مصنوعی در مهندسی پزشکی

🔹 تشخیص بیماری‌ها

الگوریتم‌های AI قادر به تحلیل داده‌های تصویربرداری پزشکی مانند MRI، CT Scan و X-ray هستند و می‌توانند بیماری‌هایی مانند سرطان یا بیماری‌های ریوی را با دقت بالا تشخیص دهند.

🔹 طراحی و بهینه‌سازی تجهیزات پزشکی

در طراحی پروتزها، اندام‌های مصنوعی و تجهیزات تشخیصی، مانند دستگاه‌های نوار قلب و دیالیز، بهینه‌سازی‌های هوشمند ایجاد کرده است.

🔹 پزشکی شخصی‌ سازی‌ شده

تحلیل داده‌های ژنتیکی و سبک زندگی بیماران به کمک هوش مصنوعی، امکان تجویز درمان‌های متناسب با ویژگی‌های فردی بیمار را فراهم کرده است.

🔹 ربات‌های جراحی

ربات‌های جراح مبتنی بر AI می‌توانند با دقت بالا و خطای کمتر نسبت به انسان، در جراحی‌های حساس شرکت کنند.

🔗 برگرفته از #کتاب :
Topol, Eric – Deep Medicine

🔺 نویسنده کتاب استدلال می‌کند که پزشکان به دلیل حجم بالای کار، زمان کافی برای ارتباط انسانی با بیماران ندارند.
او مفهوم deep time را مطرح می‌کند که در آن پزشکان با کمک AI می‌توانند زمان بیشتری را صرف درک نیازهای عاطفی و روانی بیماران کنند.


☑️ بخشی از pdf کتاب در کامنت

🤖  @Veterinary_AI  🐎

🔹 Find the Best Dog Breed 🔹

🎥 تولید شده توسط واحد اینستاگرام تیم

✅ توضیحات بیشتر

〰〰〰〰〰〰〰〰〰〰〰〰

🔥 ما را در اینستاگرام دنبال کنید :

https://www.instagram.com/veterinary_ai

〰〰〰〰〰〰〰〰〰〰〰〰

#ابزار
🤖  @Veterinary_AI  🐎

🟦 جزوه فارسی آموزش «هوش مصنوعی»

🔹 این جزوه مباحث اصلی AI رو به صورت ساده و کاربردی توضیح داده

✅ مطالعه این جزوه برای علاقه‌مندان توصیه میشود.

📚 #کتاب
🤖   @Veterinary_AI   🐎

🟦 این هوش مصنوعی، مباحث پزشکی را با دقت ۹۲ درصد تشخیص می‌دهد!

🔹 هوش مصنوعی جدید WBM از داده‌های رفتاری شما یاد می‌گیرد؛ نه از ضربان قلب یا اکسیژن خون.

🔹 مطالعه‌ای با حمایت اپل نشان می‌دهد که داده‌های رفتاری کاربران مانند میزان تحرک، خواب و فعالیت بدنی می‌توانند اطلاعات به‌مراتب دقیق‌تری درباره‌ی سلامت انسان ارائه دهند، حتی دقیق‌تر از داده‌هایی نظیر ضربان قلب یا سطح اکسیژن خون. این پژوهش منجر به توسعه‌ی مدل پایه‌ای به نام WBM شده که فقط با اتکا به همین داده‌های رفتاری آموزش دیده است.

🔹 مدل WBM در آزمایش‌ها توانست در اکثر وظایف مربوط به سلامت عملکرد بهتری داشته باشد و در ترکیب با داده‌های حسگر، دقت تشخیص بارداری را به ۹۲ درصد برساند. این یافته‌ها نشان می‌دهد ترکیب هوش مصنوعی و داده‌های رفتاری راه را برای پایش هوشمند سلامت هموار می‌کند.

☑️ پی‌نوشت:
این دست مدل ها پتانسیل بالایی برای کمک به بررسی سلامت حیوانات، فحل‌یابی در دام های بزرگ، حساسیت به تغییر رفتار طیور و به طور کل هرگونه تشخیصِ بر پایه شاخصه رفتاری دارند.

🔗 منبع داخلی 🔗 منبع خارجی

🤖  @Veterinary_AI  🐎

🟦 معرفی تعدادی ابزار جذاب آموزش هوشمند :

🔹 Vaia 🔹

✔️ ابزار جامع برای ساخت فلش‌کارت و نمونه‌سوال

✔️ قابلیت شبیه‌سازی آزمون + برنامه‌ریزی درسی 

✔️ رایگان، اما ویژگی‌های پیشرفته پولی است.

#ابزار
🤖  @Veterinary_AI  🐎

🔹 Quizlet 🔹

✔️ محبوب‌ترین ابزار فلش‌کارت و نمونه‌سوال، گزینه‌ای عالی برای دانشجویان! 

✔️ پشتیبانی کامل از فارسی ندارد، اما قابلیت تبدیل فایل فارسی به سوال انگلیسی دارد. 

#ابزار
🤖  @Veterinary_AI  🐎

🔹 Gizmo 🔹
  
✔️ ابزار هوش‌مصنوعی مخصوص دانشجویان

✔️ ساخت سوالات و فلش‌کارت هوشمند

#ابزار
🤖  @Veterinary_AI  🐎

🔹 Coursera 🔹

✔️ پلتفرم دوره‌های آموزشی از دانشگاه‌های معتبر جهانی

✔️ دسترسی به مقالات و منابع علمی 

✔️ بیشتر دوره‌ها پولی، اما دوره‌های رایگان هم دارد.

✔️ مناسب همه رشته‌ها

#ابزار
🤖  @Veterinary_AI  🐎

🔹 Notion AI 🔹

✔️ کمک به نوشتن متن، خلاصه‌سازی، ایده‌پردازی، ترجمه و تولید محتوا
 
✔️ سازماندهی یادداشت‌ها و مطالب به‌صورت هوشمند
 
✔️ با تمرین، تسلط بر آن آسان می‌شود.

#ابزار
🤖  @Veterinary_AI  🐎

🟦 پین هوش مصنوعی Humane (AI Pin)

🔹 یک گجت پوشیدنی نوآورانه است که توسط شرکت Humane، استارتاپی تأسیس‌شده توسط کارمندان سابق اپل، طراحی شده و با هدف جایگزینی گوشی‌های هوشمند معرفی شد.

🔹 همچنین از هوش مصنوعی های پیشرفته، مانند مدل‌های مایکروسافت و OpenAI (مانند GPT-4)، بهره می‌برد و به طور رسمی با قیمت 699 دلار آمریکا با هزینه اشتراک ماهانه 24 دلار آمریکا عرضه شد.

🔹 این پین هوش مصنوعی در اصل یک گوشی هوشمند بدون صفحه نمایش است که به قفسه سینه بسته می‌شود و از لیزر برای نمایش یک رابط بصری بر روی کف دست کاربر استفاده می‌کند. همچنین میتوان از دستیار مجازی آن برای گرفتن عکس، برقراری تماس، ارسال پیام و ترجمه همزمان و ارائه اطلاعات استفاده کرد. این سیستم بجای استفاده از اپلیکیشن ها درخواست ها را به ابزارهای هوش مصنوعی مناسب هدایت می‌کند.

❌ اما این سیستم به علت مشکلات زیاد در عملکرد به موفقیت نرسید و در فوریه ۲۰۲۵ از دسترس خارج شد، در نهایت شرکت HP بخش بزرگی از فناوری های این شرکت را خریداری کرد تا به ادغام هوش مصنوعی در محصولات HP کمک کند.

🔗 Humane

🤖  @Veterinary_AI  🐎