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: 491
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
- آینده نظام آموزشی در عصر هوش مصنوعی
- کاربرد الگوریتمهای فراابتکاری ترکیبی در پیشبینی بار شبکه های هوشمند
- واکاوی ظرفیت سنجی مسئولیت حقوقی هوش مصنوعی در پرتو قوانین داخلی و بین المللی
- Design and Optimization of Catalysts with Multi-Objective Optimization Algorithms Based on Artificial Intelligence
- Enhancing Synchronizability in Identical Chaotic Complex Networks: Application of Genetic Algorithms for Edge Rewiring
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.