تشخیص:
این اختلال قبل از تولد از طریق سونوگرافی قابل تشخیص است. غربالگری با آزمایش آلفا فتوپروتئین و سونوگرافی با جزئیات می‌تواند برای غربالگری نقص‌های لولهٔ عصبی مانند مهره‌شکاف و آنانسفالی مفید واقع شود.
آنانسفالی و سایر اختلالات جسمی و ذهنی می‌تواند هم چنین ناشی از مواجههٔ مادر باردار با مواد سمی مانند سرب، کروم و نیکل باشد.

پیش آگهی:
درمان استانداردی برای این بیماری وجود ندارد و پیش آگهی این بیماری مرگ است. بیشتر جنین‌های آناسفالیک زنده متولد نمی‌شوند و ۵۵٪ آنها سقط می‌شوند و اگر زنده متولد شوند، در چند ساعت و یا چند روز اول به دلیلِایست قلبی می‌میرند.
از نمونه انسان‌هایی که طول عمر بیشتری داشته‌اند، استفانی کین بود که دو سال و صد و هفتاد چهار روز زنده ماند و همچنین نیکولاس کوک اهل ِ پوئبلو در ایالت کلرادو که در ژوئیه ۲۰۱۲ در سن ۴ سالگی هنوز زنده‌است.
در اغلب موارد، نوزادان دچار آنانسفالی احیای کامل نمی‌شوند زیرا شانسی برای زندگی آگاهانه ندارند. تنها کاری که برای این نوزادان انجام می‌شود تامین آب و تغذیه و اقدامات راحتی است تا بیماری روند طبیعی خود را طی کند. تهویهٔ مصنوعی و جراحی برای سایر نقصهای مادرزادی و دارو درمانی (مانند استفاده از آنتی بیوتیک)بیهوده است.

در ایالات متحده آمریکا در هر ده هزار تولد، یک نمونه آنانسفالی رخ می‌دهد. تحقیقات نشان می‌دهد که نوزادان دختر بیشتر دچار این اختلال می‌شوند.
@IUST_Bioelecteric

کودک مبتلا به آنانسفالی @iust_bioelecteric

👆👆👆👆 ثبت خارج سلولی (extracellular recording) یک روش مرسوم یرای ثبت فعالیت عصبی در علوم اعصاب (neuroscience) است. ادامه در فایل فوق (extracellular recording)

Simple but emazing!!! 👌👌👌
@iust_bioelecteric

#sparse_coding #image_processing @iust_bioelecteric

👆👆👆👆👆👆ام آر آی: امواج مورد استفاده در ام آر آی از جنس امواج رادیویی و مغناطیسی هستند که ضرری برای بدن ندارند. ام آر آی از این واقعیت فیزیکی استفاده میکند که پروتون هایی که در هسته اتم ها قرار گرفته اند مانند کره زمین در حول محور ود با سرعت زیادی میچرخند و در نتیجه یک میدان معناطیسی در اطراف خود تشکیل میدهند.
در واقع کاری که ام آر آی انجام میدهد اینست که نشان دهد در چه نقاطی ار بدن آب بیشتری وجود دارد. چون غلظت مولکول آب در بافت های بدن متفاوت است و با بیمار شدن بافت ها این غلظت باز هم تغییر میکند میتوان با استفاده از اطلاعات دریافتی تصویر بسیار دقیقی از شکل بافت های گوناگون بدن ایجاد کرد.
م آر آی یک روش تصویربرداری دقیق و پرقدرت برای تشخیص مشکلات و بیماری های بافت های بدن است. یکی از نقاط تمایز این روش با سی تی اسکن در این است که در ام آر آی تصاویر بافت های نرم مانند غضروف، تاندون، لیگامان، عصب و رگ ها بسیار واضح و دقیق دیده میشوند و این روش تصویربرداری بخصوص برای تشخیص بیماری های این بافت ها مفید است. پس از ام آر آی بیشتر در بررسی مشکلات بافت های نرم بدن استفاده شده در حالیکه سی تی اسکن بیشتر برای بررسی استخوان ها و ضایعات و آسیب های آن مفید است.
@iust_bioelecteric

دستگاه ام آر آی، تصاویری متوالی از مقطع بدن تهیه می کند که با کنار هم گذاشتن آنها می توان به درکی 3 بعدی از آناتومی بدن فرد دست یافت. در تصاویر جالب زیر، تصاویری پشت سر هم از سر و یک تصویر متحرک از قفسه ی سینه نشان داده شده است.👇👇👇👇👇👇 @iust_bioelecteric

👆👆👆👆👆👆 آیا می توانید بینی، چشمها، هسته های ساقه ی مغز و سپس چین و شکنج های قشر مخ را تشخیص دهید؟ @iust_bioelecteric

👆👆👆👆👆 آیا می توانید در تصویر فوق علاوه بر قلب، استخوان جناق، ششها، ستون فقرات و عضلات زیر بغل را تشخیص دهید؟
آیا می توانید نخاع را در ستون فقرات تشخیص دهید؟ کدام طرف سمت راستِ بیمار بوده است؟😀
@iust_bioelecteric

یکی از قابلیتهای دستگاه ام آر آی تصویربرداری از بافتهای نرم است. چیزی که تصاویر سی تی اسکن قادر به انجام آن نیست. در فایل زیر از یک میوه ی کیوی تصاویر متعدد MRI تهیه شده و پویا نمایی شده است. دقت این دستگاه حیرت بر انگیز است!!👇👇👇👇👇👇
@iust_bioelecteric

#pattern_recognition #k_means #clustering @iust_bioelecteric

#video for kmeans clustering @iust_bioelecteric

pros and cons of kmeans algorithm @iust_bioelecteric

توضیح مفاهیم و موضوعات مختلف در حوزه های پردازش تصویر، بینایی رایانه ای ، یادگیری ماشین و ...

بسیاری از مفاهیم از جمله بینایی رایانه ای ، پردازش تصویر و یادگیری ماشین و دیگر مفاهیم مشابه اشتراکات بسیاری باهم دارند، بنابراین یک تعریف دقیق و سربسته ای برای این مفاهیم وجود ندارد و نمی توان آن را مقید به محدوده ای خاص کرد. اما در اینجا سعی دارم تا حدودی این مفاهیم را مرز بندی کرده و اعمالی که به این حوزه ها مرتبط است را به زبان ساده بیان کنم.

پردازش تصویر دیجیتال (Digital Image Processing)
در ابتدایی ترین حالت پردازش تصویر به اعمالی گفته می شود، که پس از انجام روی پیکسل یا پیکسل ها خروجی همچنان تصویر است. برای نمونه این مفاهیم پردازش تصویر محسوب می شود : تغییر شدت و روشنایی تصویر (Contrast & Brightness)، اعمال فیلتر روی تصویر(Filters)، اعمال مقدار آستانه روی تصویر(Threshold)، پیدا کردن مرز ها و لبه ها با استفاده از اعمال فیلتر( Edge Detection and Contour Tracing)، تیز کردن و یا محو کردن تصویر(Sharpening & Blurring)، حذف یا کاهش نویز(Noise Reduction)، عمل باز و بسته کردن روی تصویر(Opening & Closing) و ... . در این نوع پردازش ها معمولا یک سری عملیات ریاضی به صورت نقطه ای یا مجموعه ای از چند پیکسل اعمال می شود و کل تصویر را در بر می گیرد.

بینایی رایانه ای (Computer Vision)
به طور خلاصه هرکجا در حوزه تصویر حرف از تصمیم گیری باشد به معنی بینایی رایانه ای است. برای نمونه تشخیص اینکه یک تصویر متمایل به سبز است یا قرمز و در خروجی عبارت "قرمز" یا "سبز" را نشان دهیم، در حوزه بینایی رایانه ای قرار می گیرد. کافی است یک شرط قرار دهیم که ببینم تعداد پیکسل های قرمز بیشتر است یا سبز!. بنابراین قرار گرفتن یک سری تصمیم گیری ها در کنار پردازش تصویر ( که در مثال گفته شده می تواند تنظیم شدت روشنایی تصویر باشد)، بینایی رایانه ای گفته می شود. در واقع پردازش تصویر به خودی خود بدون تصمیم گیری، عمل هوشمندانه ای انجام نمی دهد و صرفا اعمال یک سری عملیات ریاضی روی تصویر است. یک مثال دیگر ناحیه بندی تصویر (Image Segmentation) است. ناحیه بندی تصویر یعنی، جدا کردن بخش های مختلف تصویر براساس ویژگی های مختلف مثل رنگ، شکل یا بافت آن به صورتی که خروجی شامل مجموعه این ناحیه ها است که هرکدام به صورت جدا قابل دست یابی است. در بسیاری از موارد پس از عمل ناحیه بندی نیاز به تشخیص شی (Object Recognition) است. تشخیص شی در حالت ابتدایی در صورتی که نیاز به استفاده از الگوریتم های یادگیری ماشین نداشته باشد در حوزه بینایی رایانه ای قرار می گیرد. در بسیاری از موارد پس از ناحیه بندی و جدا کردن نواحی مختلف، برای شناسایی آبجکت نیاز به استخراج ویژگی هر ناحیه است (Feature Extraction)، که این هم تقریبا در حوزه بینایی رایانه ای قرار می گیرد.
بعضی از مباحث مربوط به حوزه بینایی رایانه ای به این صورت است: دنبال کردن در ویدیو(Video Tracking)، تخمین حرکت (Motion Estimation)، تشخیص شی (Object Recognition)، ترمیم تصویر (Image Restoration)، ناحیه بندی (Segmentation) و... .

بینایی ماشین (Machine Vision)
بینایی ماشین مفهوم پیچیده ای نیست. در واقع به کار بردن بینایی رایانه ای در حوزه صنعت و واقعیت فیزیکی است. برای نمونه تصمیم گیری یک ربات براساس رنگ یک جسم برای برداشتن یا برنداشتن آن بینایی ماشین گفته می شود. و یا در صنعت دست رباتیک براساس میزان مرزهای یک صفحه یا بدنه تشخیص می دهد ترک خورده یا نخورده است و در صورت ترک خورده بودن آن را از رده خارج می کند.

منبع : www.d-i-p.ir
@iust_bioelecteric

یادگیری ماشین (Machine Learning)
ابتدا لازم به ذکر است که بینایی ماشین و یادگیری ماشین دو مفهوم کاملا متفاوت هستند، که در بعضی جاها اشتباها به جای هم کار برده می شوند.
یادگیری ماشین را با یک مثال توضیح می دهم. فرض کنید یک تصویر از یک وسیله نقلیه داریم. می خواهیم به نحوی تشخیص دهیم که این تصویر ورودی متعلق به گروه موتورهاست، یا دوچرخه یا اتومبیل است. مسلما نمی توانیم صرفا با استفاده از پردازش تصویر و یک سری دستوارت شرطی گروه مورد نظر را تشخیص دهیم، چون تصویر یا ویژگی های استخراج شده الگوی پیچیده ای دارند و صرفا نمی توان با دستورات شرطی این تفکیک را انجام داد. برای اینکار حوزه ی یادگیری ماشین کاربرد ویژه ای دارد. همانطور که از نامگذاری آن مشخص است، یعنی به یک ماشین مصنوعی عمل یادگیری اطلاق شود. یعنی یک ربات پس دیدن هزاران اتومبیل بتواند فرق موتور با ماشین را یادبگیرد بدون اینکه نیاز باشد از دستوارت از پیش تعیین شده شرطی و منطقی استفاده کنیم. در این مثال الگوریتم های حوزه بینایی ماشین به ما کمک می کند، که پس از دادن صدها تصویر(یا ویژگی های استخراج شده) از یک وسیله نقیله خاص مثلا موتور، بتواند صد و یکمین تصویر را خودش در گروه موتورها قرار دهد بدون اینکه نیاز باشد از قبل شرط خاصی درنظر گرفته باشیم.
بینایی رایانه ای به بیانی با استفاده از دستورات شرطی قدرت تصمیم گیری را به ماشین می دهد، در صورتی که یادگیری ماشین قدرت یادگیری را به ماشین می دهد. نکته حائز اهمیت این است که یادگیری ماشین تنها محدود به تصویر نیست، و مرتبط به حوزه های دیگر از جمله مباحث مرتبط با تشخیص گفتار، سیگنال های بیولوژیکی ، پردازش داده ها و ... هم می شود.

این مطلب در آینده کامل خواهد شد...
منبع: www.d-i-p.ir
@iust_bioelecteric