مروری برهوش مصنوعی و یادگیری ماشینی در رادیولوژی (فرصت ها، چالش ها و خطرات)
- سال انتشار: 1400
- محل انتشار: نهمین کنفرانس بین المللی فناوری های نوآورانه در زمینه علوم، مهندسی و تکنولوژی
- کد COI اختصاصی: TETSCONF09_011
- زبان مقاله: فارسی
- تعداد مشاهده: 479
نویسندگان
کارشناسی ارشد مهندسی پزشکی، گرایش بیوالکتریک، دانشگاه ارومیه، آذربایجان غربی، ایران
کارشناسی ارشد فناوری تصویربرداری پزشکی، گروه تکنولوژی پرتوشناسی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی، مشهد، ایران
کارشناسی مهندسی پزشکی، دانشگاه آزاد اسلامی واحد تهران شرق، تهران، ایران
چکیده
علاقه جهانی به کاربردهای هوش مصنوعی ، از جمله تصویربرداری، با سرعت بالایی در حال رشد است، که با در دسترس بودن مجموعه داده های بزرگ (کلان داده)، پیشرفت های اساسی در قدرت محاسبه، و الگوریتم های یادگیری عمیق جدید تغذیه می شود. به غیر از توسعه روش های جدید AI، فرصت ها و چالش های بسیاری برای جامعه تصویربرداری وجود دارد، از جمله توسعه یک نام گذاری مشترک، روش های بهتر برای به اشتراک گذاری داده های تصویر، و استانداردهای تایید استفاده از برنامه AI در سراسر پلتفرم های تصویربرداری مختلف و جمعیت های بیمار. برنامه های نظارتی AI می توانند با شناسایی موارد مشکوک یا مثبت برای بازبینی اولیه، به رادیولوژیست ها کمک کنند تا فهرست کار را اولویت بندی کنند. برنامه های AI می توانند برای استخراج اطلاعات رادیومیک از تصاویری که به وسیله بازرسی بصری قابل تشخیص نیستند استفاده شوند، که به طور بالقوه ارزش تشخیصی و پیش آگهی به دست آمده از مجموعه داده های تصویر را افزایش می دهد. پیش بینی هایی صورت گرفته است که نشان می دهد AI رادیولوژیست ها را از کار بی کار می کند. این موضوع بیش از حد بیان شده است، و احتمال بیشتری وجود دارد که رادیولوژیست ها به طور سودمندی روش های AI را در فعالیت های خود لحاظ کنند. محدودیت های کنونی در دسترسی به تخصص فنی و حتی توان محاسباتی در طول زمان برطرف خواهد شد و همچنین می تواند توسط راه حل های دسترسی از راه دور مورد بررسی قرار گیرد. موفقیت AI در تصویربرداری با ارزش ایجاد شده اندازه گیری می شود: افزایش قطعیت تشخیصی، چرخش سریع تر، نتایج بهتر برای بیماران، و کیفیت زندگی کاری بهتر برای رادیولوژیست ها. AI مجموعه ای جدید و امیدوار کننده از روش ها را برای تجزیه و تحلیل داده های تصویر ارائه می دهد. رادیولوژیست ها این مسیرهای جدید را کشف خواهند کرد و احتمالا نقش مهمی در کاربردهای پزشکی AI ایفا خواهند کرد.کلیدواژه ها
هوش مصنوعی، یادگیری ماشین، رادیولوژی، فرصت ها و چالش ها، درمان و سلامتمقالات مرتبط جدید
- تحلیل ژنومی و تنوع ژننتیکی ژن های مسئول صفات مقاومت به تنش خشکی در گیاهان زراعی بومی ایران با استفاده از تکنیک های تکنیک های نسل جدید توالی یابی ( NGS)
- بررسی نقش miRNA های خاص در تنظیم بیان ژن های درگیر در مقاومت به دارو در سرطان های مقاوم به شیمی درمانی
- یک رویکرد سطح سختافزاری برای کاهش تداخل ردیف حافظه؛ چیدمان داده ها و شتابدهنده های CNN با تاکید بر FPGA
- اثرات زیست محیطی استفاده از پوزوالنهای صنعتی در بتن
- تاثیر دیجیتالی شدنبر عملکرد شرکت: بررسی نقش فرهنگ دیجیتال و تاثیر قابلیت زنجیره تامین (مورد مطالعه: شرکت های تولیدی شهر صنعتی رشت)
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.