🔹 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  🐎

🔹 A methodological approach for deep learning to distinguish between meningiomas and gliomas on canine MR-images

🤖  @Veterinary_AI  🐎

🟦 یک روش یادگیری عمیق برای تشخیص مننژیوما و گلیوم در تصاویر MRI سگ

🔹 تشخیص درست بین مننژیوما (تومورهای مننژ) و گلیوم (تومورهای داخل مغزی) در تصاویر MRI سگ‌ها گاهی دشوار است، در حالی که این تمایز برای انتخاب درمان مناسب بسیار مهم است.

🔹 هدف این مطالعه: 
۱. بررسی دقت شبکه عصبی عمیق GoogleNet در تمایز مننژیوما و گلیوم با استفاده از تصاویر MRI قبل و بعد از تزریق ماده حاجب.
۲. ساخت یک مدل ترکیبی که بهترین عملکرد را در تشخیص نوع تومور داشته باشد.

🔹 در این تحقیق، ۸۰ نمونه شامل ۵۶ مننژیوما و ۲۴ گلیوم از دو مرکز مختلف جمع‌آوری شد. داده‌ها به سه بخش آموزش، اعتبارسنجی و تست تقسیم شدند تا عملکرد شبکه روی تصاویر مختلف بررسی شود.

🔹 بهترین عملکرد مربوط به تصاویر پس از تزریق ماده حاجب بود. سپس مدل ترکیبی (trCNN) روی این تصاویر آموزش دید و توانست نمونه‌های چالش‌برانگیز را با دقت بیش از ۹۰ درصد تشخیص دهد.

🔗 منبع

#خلاصه_مقاله
🤖  @Veterinary_AI  🐎

☑️ پی‌نوشت:

🔺 مدل GoogleNet یک مدل شبکه عصبی عمیق است که توسط گوگل ساخته شده و برای تشخیص تصاویر استفاده می‌شود. ویژگی اصلی آن معماری Inception است که با استفاده از فیلترهای مختلف به‌صورت همزمان، ویژگی‌های تصاویر را بهتر استخراج می‌کند. این مدل دقت بالا و تعداد پارامتر کمتر نسبت به مدل‌های قبلی دارد و در کاربردهای مختلف بینایی ماشین کاربرد دارد.

🤖  @Veterinary_AI  🐎