The Role of Artificial Intelligence in Urology Practice

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 230

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_TUMS-4-1_001

تاریخ نمایه سازی: 1 تیر 1401

چکیده مقاله:

Almost all medicine practices, including diagnosis, treatment, and prognosis of different diseases, need human attention to be precisely performed. As the number of parameters for medical decision-making increases, medical practices become error-prone, time-consuming, and cumbersome, leading to the quality degradation of decision-making procedures. This situation gets severe when most patients need to be considered in routine medical practices. As a science and engineering discipline, Artificial intelligence offers a wide variety of techniques to analyze various medical data with high accuracy and speed. Furthermore, the output of AI systems assists physicians as a second opinion in diagnosing the disease, optimal planning of the treatment procedure, and precise prediction of treatment response. Similar to many sub-fields of medicine, using AI techniques in the practice of urology is becoming prevalent. Therefore, various complex urological disorders can be diagnosed and treated; thanks to AI techniques. Therefore, great attention should be paid to the role of artificial intelligence in urology.

نویسندگان

Hassan Homayoun

Quantitative Magnetic Resonance Imaging and Spectroscopy Group, Research Center for Molecular and Cellular Imaging, Tehran University of Medical Sciences, Tehran, Iran.

Hamidreza Saligheh Rad

Department of Medical Physics and Biomedical Engineering, School of Medicine, Tehran University of Medical Sciences, Tehran, Iran.

Ali Abbasian Ardakani

Department of Radiology Technology, School of Allied Medical Sciences, Shahid Beheshti University of Medical Sciences, Tehran, Iran

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Hameed B, S. Dhavileswarapu A, Raza S, Karimi H, Khanuja ...
  • Suarez-Ibarrola, R., Hein, S., Reis, G. et al. Current and ...
  • Chen J, Remulla D, Nguyen JH, et al. Current status ...
  • Shah M, Naik N, Somani BK, Hameed BMZ. Artificial intelligence ...
  • Khastavaneh H, Ebrahimpour-Komleh H. Representation Learning Techniques: An Overview. In: ...
  • Goldenberg S, Nir G, Salcudean S. A new era: artificial ...
  • Zhang X, Xu X, Tian Q, Li B, Wu Y, ...
  • Eminaga O, Eminaga N, Semjonow A, Breil B. Diagnostic Classification ...
  • Xu X, Zhang X, Tian Q, et al. Three-dimensional texture ...
  • Ghosh A, Sirinukunwattana K, Khalid Alham N, Browning L, Colling ...
  • Yu H, Scalera J, Khalid M, Touret A, Bloch N, ...
  • Yan L, Liu Z, Wang G, Huang Y, Liu Y, ...
  • Zheng H, Ji J, Zhao L, Chen M, Shi A, ...
  • Längkvist M, Jendeberg J, Thunberg P, Loutfi A, Lidén M. ...
  • نمایش کامل مراجع