🟦 بررسی سطح آگاهی و نگرش دانشجویان دامپزشکی نسبت به هوش مصنوعی و یادگیری ماشین
📍 منتشرشده در American Journal of Veterinary Research – سال ۲۰۲۵

🔹 در این مطالعه مقطعی، دیدگاه‌ها و سطح سواد دانشجویان دامپزشکی دانشگاه UC Davis در رابطه با هوش مصنوعی (AI) و یادگیری ماشین (ML) مورد بررسی قرار گرفت. داده‌ها از طریق پرسشنامه‌ آنلاین بین دانشجویان سال‌های اول تا چهارم گردآوری شد (نرخ پاسخ‌دهی: ۲۹.۶٪)

🔷 نتایج کلیدی:
🔹 ۸۹.۸٪ نام AI/ML را شنیده‌اند، اما
🔹 تنها ۲۰٪ خود را دارای آگاهی "متوسط تا زیاد" در این حوزه می‌دانند.
🔹 ۳۷٪ اعلام کرده‌اند که مفاهیمی از AI/ML در طی دوره تحصیلی به آن‌ها آموزش داده شده است.
🔹 ۷۹٪ علاقه‌مند به یادگیری بیشتر درباره کاربردهای AI/ML در دامپزشکی هستند.
🔹 ۵۹٪ انتظار دارند که در آینده‌ی شغلی خود از این ابزارها استفاده کنند.
🔹 ۷۷٪ باور دارند که AI/ML موجب پیشرفت دامپزشکی خواهد شد.
🔹 ۶۳.۶٪ معتقدند که آموزش این فناوری‌ها باید در آموزش دامپزشکی گنجانده شود.

🔷 نگرش دانشجویان نسبت به AI/ML: اکثر دانشجویان نگرشی مثبت نسبت به هوش مصنوعی داشتند و آن را یک "همکار" در کار بالینی می‌دانند، نه یک رقیب. با این حال، برخی نگرانی‌ها نیز مطرح شد:
▪️ کاهش نقش دامپزشکان
▪️ مسئولیت حقوقی در صورت بروز خطا
▪️ نگرانی‌های اخلاقی در خصوص داده‌های آموزشی مدل‌ها
▪️ اتکای بیش از حد به سیستم‌های AI

🔷 نتیجه‌گیری مقاله:
با وجود علاقه و پذیرش بالا، بیشتر دانشجویان هنوز آموزش ساختارمندی در حوزه AI/ML دریافت نکرده‌اند. نویسندگان پیشنهاد می‌کنند که "سواد هوش مصنوعی" باید به عنوان یک مهارت پایه، همانند سایر ابزارهای تشخیصی، در برنامه‌ آموزشی دامپزشکی گنجانده شود.

☑️ این پژوهش نشان می‌دهد که دانشجویان دامپزشکی، با وجود کمبود آموزش رسمی، درک درستی از اهمیت روزافزون هوش مصنوعی در حرفه خود دارند و برای یادگیری بیشتر آمادگی دارند.

🔗 منبع

#خلاصه_مقاله
🤖  @Veterinary_AI  🐎

🔹 Scientists create AI-powered tool to improve cancer tissue analysis

🤖  @Veterinary_AI  🐎

🟦 هوش مصنوعی در خدمت پزشکی؛ گام جدید در تشخیص سرطان

🔹 پژوهشگران دانشکده پزشکی آیکان در مونت‌ سینای موفق به توسعه یک #ابزار نوین مبتنی بر هوش مصنوعی به نام MARQO شده‌اند که می‌تواند فرآیند تحلیل بافت‌های سرطانی را با دقت و سرعت بسیار بالاتر از روش‌های متداول انجام دهد. 🧬

🔹 این سامانه از مدل‌های پیشرفته یادگیری ماشین برای بررسی تصاویر میکروسکوپی استفاده می‌کند. برخلاف روش‌های سنتی که کاملاً وابسته به تفسیر پاتولوژیست‌هاست، الگوریتم هوش مصنوعی قادر است الگوهای پنهان در بافت‌ها را شناسایی کند؛ الگوهایی که حتی توسط چشم متخصص نیز ممکن است نادیده گرفته شوند.

🔗 منبع
🤖  @Veterinary_AI  🐎

🔹 MARQO application 🔹

🟦 #ابزار CellLENS، سیستم هوش مصنوعی برای كشف زیربخش‌های پنهان سلولی

🔹 یک ابزار AI‌ شگفت‌انگیز از تیم MIT با تلفیق داده‌های مولکولی، تصویری و فضایی، قادر است زیرگروه‌های سلولی بسیار مشابه را به‌خوبی از هم تفکیک کند، مانند سلول‌های T فعال در مرز تومور. این فناوری پتانسیل تحول در ایمونوتراپی سرطان، کشف بیومارکرهای جدید و پیشبرد پزشکی دقیق‌تر را دارد.

🔹 سیستم CellLENS به‌طور خاص برای سرطان‌ها، به‌ویژه سرطان‌هایی که پاسخ ایمنی پیچیده‌ای دارند، بسیار کاربردی است.

☑️ فایل pdf مقاله در کامنت

🔗 منبع 🔗 منبع
🤖  @Veterinary_AI  🐎

🔹 Harnessing AI in aquaculture 🔹

🟦 هوش مصنوعی در آبزی‌پروری 

🔹 بهینه‌سازی تغذیه 

سیستم‌هایی مثل Skretting و AKVA Group: پایش Real-time رفتار ماهی، تنظیم خودکار جیره‌دهی بر اساس رشد و فاکتورهای محیطی؛ کاهش ضریب تبدیل غذایی (FCR)، جلوگیری از هدررفت غذا و کاهش آلودگی آب. 

🔹 پایش سلامت  

پلتفرم‌هایی مانند Aquabyte و Manolin: تجمیع داده‌های سلامت با استفاده از بینایی ماشین برای تشخیص زودهنگام بیماری‌ها و شناسایی رفتار غیرطبیعی آبزیان به‌عنوان شاخص استرس 

🔹 تخمین Bio mass و رشد 

فناوری‌های مبتنی بر دوربین (Tidal X، Umitron): اندازه‌گیری سایز ماهی، شمارش جمعیت و پیش‌بینی رشد با الگوریتم‌های پردازش تصویر. (چالش فنی: نیاز به داده‌های آموزشی گسترده در محیط‌های توربید (کدر)) 

🔹 ربات‌های زیرآبی هوشمند 

شرکت‌هایی مانند Qysea: انجام پایش کیفیت آب، تعمیر تورها و حذف ماهیان تلف‌شده به‌صورت خودکار. 

🔹 مدیریت زنجیره تأمین 

استفاده از سنجش از راه دور (Remote Sensing) و هوش مصنوعی برای شفاف‌سازی زنجیره تأمین و همچنین ردیابی باقیمانده آنتی‌بیوتیک‌ها و آلاینده‌ها در محصولات وارداتی با استفاده از یادگیری ماشین. 


🔹 چالش‌ها 

1. نیاز به داده‌های باکیفیت: 
الگوریتم‌های Deep Learning به حجم عظیمی از داده‌های برچسب‌زده‌شده (Labeled Data) نیاز دارند که در محیط‌های آبی به‌دست آوردن آن‌ها دشوار است. 

2. هزینه و زیرساخت: 
پیاده‌سازی سیستم‌های هوش مصنوعی برای مزارع کوچک‌ مقرون‌به‌صرفه نیست و ادغام آنها با سیستم‌های قدیمی (Legacy Systems) نیازمند سرمایه‌گذاری سنگین است. 

3. محدودیت‌های جغرافیایی:
۹۰٪ استارتاپ‌های فعال (۱۲۵ شرکت) در آمریکای شمالی و اروپا متمرکزند و آسیا و آفریقا هنوز به آن اندازه پیشرفت نکرده اند.

4. مسائل امنیتی: 
اتصال دستگاه‌های IoT به شبکه، ریسک نقض داده‌های حساس (مثل اطلاعات بیماری‌ها) را افزایش می‌دهد. 

5. فقدان تخصص: 
کمبود نیروی انسانی مجرب در حوزه [ علوم داده + آبزی‌پروری ] مانع بزرگی است. 

🔹 پیش‌بینی درمورد آینده 

موفق‌ترین مزارع آن‌هایی هستند که ترکیبی از فناوری‌های پیشرفته و دانش بومی را به‌کار می‌گیرند. راهکارهای ساده‌تر (مثل سنسور اکسیژن با هشدار) گاهی کاربردی‌تر از سیستم‌های پیچیده هوش مصنوعی هستند. هوش مصنوعی ابزاری قدرتمند اما مکمل هوش انسانی است.

🔗 منبع

#خلاصه_مقاله
🤖  @Veterinary_AI  🐎

☑️ پی‌نوشت:

🔺اینترنت اشیاء (IoT) به شبکه‌ای از اشیاء فیزیکی گفته می‌شود که با استفاده از حسگرها، نرم‌افزارها و سایر فناوری‌ها به اینترنت متصل شده و قادرند داده‌ها را جمع‌آوری، ارسال و دریافت کنند.
مثال کاربردی: کنترل روشنایی، دما و امنیت از راه دور. پایش وضعیت ماشین‌آلات و پیش‌بینی خرابی‌ها. اندازه‌گیری رطوبت بستر، کیفیت هوا، دما و شرایط محیطی. ◀️ توضیحات بیشتر

🤖  @Veterinary_AI  🐎

🟦 تیم Veterinary AI برگزار میکند:

〰〰〰〰〰〰
✨ VET STAR ✨
〰〰〰〰〰〰
🔹 مسابقه ملی ایده‌شو
🔹 فرصتی برای ذهن‌‌های خلاق!
🔹 نشان بدهید که متفاوت می‌اندیشید!

📣 علاقه‌مندان از سراسر ایران جهت شرکت در این مسابقه میتوانند هم به صورت حضوری و هم به صورت مجازی ایده‌های نوآورانه خود را در تمامی حوزه‌های مرتبط به دامپزشکی ارائه دهند.
زمان دقیق مسابقه متعاقبا اعلام می‌گردد، از هم‌اکنون میتوانید برای مسابقه حاضر شوید!

   
〰〰〰〰〰〰〰〰〰〰〰〰
☑️ جهت ثبت درخواست شرکت در مسابقه و کسب اطلاعات بیشتر با آیدی زیر در ارتباط باشید:

🆔 @Soren_Mohammadi
〰〰〰〰〰〰〰〰〰〰〰〰

🤖  @Veterinary_AI  🐎

🟦 این گوشی پزشکی مبتنی بر هوش مصنوعی در ۱۵ ثانیه بیماری‌های قلبی را شناسایی می‌کند.

🔹 گوشی پزشکی جدید که توسط محققان ایمپریال کالج لندن با همکاری خدمات بهداشت ملی بریتانیا (NHS) توسعه یافته می‌تواند تفاوت‌های بسیار کوچک در ضربان قلب و جریان خون را که برای گوش انسان قابل‌تشخیص نیست تحلیل کند.

🔹 این دستگاه به‌جای دیسک قدیمی روی سینه، قطعه‌ای هم‌اندازه یک کارت بانکی و یک میکروفون بسیار دقیق دارد. صداهای قلب و جریان خون ضبط می‌شود و همزمان یک نوار قلب (ECG) هم ثبت می‌کند. سپس اطلاعات به فضای ابری فرستاده می‌شود تا با الگوریتم‌های هوش مصنوعی، بر اساس داده‌های ده‌ها هزار بیمار دیگر تحلیل شود.

🔹 این استتوسکوپ مدرن روی بیش از ۱۲ هزار بیمار آزمایش شده و نتایج بسیار امیدوارکننده‌ای داشته است:

☑️ ۲.۳ برابر افزایش دقت در شناسایی نارسایی قلبی

☑️ ۳.۵ برابر افزایش تشخیص ریتم‌های غیرطبیعی قلب

☑️ ۱.۹ برابر افزایش شناسایی بیماری‌های دریچه قلب

🔹 جزئیات این پروژه که می‌تواند شانس تشخیص زودهنگام سه بیماری قلبی را افزایش دهد در کنگره سالانه انجمن قلب اروپا در مادرید ارائه شد.

🔗 منبع
🤖  @Veterinary_AI  🐎

🟦 جدول زمان‌بندی پوسترهای پانل « هوش مصنوعی در تشخیص و درمان بیماری‌های انگلی » کنگره بیماری‌های انگلی دام و انگل‌های مشترک انسان و حیوان

🔹 پنجشنبه ۲۷ شهریور ساعت 13:40 - 16:00

🤖  @Veterinary_AI  🐎

🟦 جدول زمان‌بندی سخنرانی‌های پانل « هوش مصنوعی در تشخیص و درمان بیماری‌های انگلی » کنگره بیماری‌های انگلی دام و انگل‌های مشترک انسان و حیوان

🔹 پنجشنبه ۲۷ شهریور ساعت 14:00 - 15:30

🔹 سالن اجتماعات دانشکده دامپزشکی دانشگاه فردوسی مشهد

🤖  @Veterinary_AI  🐎

🟦 پروژه نوجوان ۱۴ ساله، تشخیص بیماری قلبی در ۷ ثانیه با یک اپلیکیشن

🔹 سیدارث ناندیالا، نوجوان ۱۴ ساله، اپلیکیشنی به نام CircadiaV ساخت که تنها با استفاده از میکروفون گوشی، می‌تواند نشانه‌های بیماری‌های قلبی را در عرض ۷ ثانیه تشخیص دهد. این اپلیکیشن روی بیش از ۱۵ هزار نفر در آمریکا و هزاران نفر در هند آزمایش شد و با دقت بالای ۹۶ درصد، مشکلاتی مانند اختلال در عملکرد دریچه‌های قلب، آریتمی و علائم اولیه‌ی نارسایی قلبی را شناسایی کرد.

🔹 محققان می‌گویند CircadiaV نیاز به مراجعه به بیمارستان و تجهیزات گران‌قیمت را کاهش می‌دهد و غربالگری بیماری‌های قلبی را سریع، ارزان و در دسترس همه قرار می‌دهد.

🔗 منبع
🤖  @Veterinary_AI  🐎

🔹 Artificial Intelligence and Parasitology: Recent Advances and Future Prospects

☑️ منتشر شده توسط تیم Veterinary AI به مناسبت کنگره بیماری‌های انگلی دام و انگل‌های مشترک انسان و حیوان

🤖  @Veterinary_AI  🐎

🔹 کاربردهای هوش مصنوعی در انگل شناسی

🎥 فیلم تولید شده توسط ابزار هوش مصنوعی NotebookLM برای ارائه مقاله فوق

🤖  @Veterinary_AI  🐎

🤖  @Veterinary_AI  🐎

🟦 بخش‌بندی تصاویر پزشکی با کمک یادگیری ماشین و یادگیری عمیق

🔹 توضیحات دکتر کارپنتر، دکتری زیست شناسی سلولی

☑️ بخش‌بندی تصاویر پزشکی یعنی تقسیم تصاویر به بخش‌های مختلف مثل اندام‌ها یا تومورها. یادگیری ماشین و مخصوصاً یادگیری عمیق (مثل شبکه‌های عصبی کانولوشنی) کمک می‌کنند این کار را خودکار و دقیق‌تر انجام دهیم.

🤖  @Veterinary_AI  🐎

🟦 هوش مصنوعی بی‌نیاز از اینترنت می‌شود.

🔹 شرکت ARM از تراشه‌های جدید لومکس رونمایی کرد که هوش مصنوعی را مستقیماً روی گوشی و ساعت هوشمند شما اجرا می‌کنند؛ کاملاً آفلاین.

🔹 این یعنی سرعت بالاتر، حریم خصوصی بیشتر و دسترسی همیشگی به مدل‌های مختلف هوش مصنوعی و قابلیت‌هایی مثل ترجمۀ هم‌زمان، حتی وقتی اینترنت ندارید.

🔗 منبع
🤖  @Veterinary_AI  🐎

🔹 Three Technical Challenges for AI in Veterinary Parasitology

☑️ منتشر شده توسط تیم Veterinary AI به مناسبت کنگره بیماری‌های انگلی دام و انگل‌های مشترک انسان و حیوان

🤖  @Veterinary_AI  🐎

🔹 چالش‌های هوش مصنوعی در انگل شناسی

🎥 فیلم تولید شده توسط ابزار هوش مصنوعی NotebookLM برای ارائه مقاله فوق

🤖  @Veterinary_AI  🐎