هوش مصنوعی در سم شناسی دریایی: تشخیص خودکار بیوتوکسین ها در محصولات دریایی
محل انتشار: فصلنامه طب دریا، دوره: 7، شماره: 1
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 202
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JMARMED-7-1_003
تاریخ نمایه سازی: 13 تیر 1404
چکیده مقاله:
بیوتوکسین های دریایی، که از شکوفایی جلبکی مضر به وجود می آیند، تهدیدی جدی برای سلامت عمومی و صنعت شیلات ایجاد می کنند و نیاز به روش های پیشرفته تشخیص را ضروری می سازند. روش های سنتی مانند سنجش های زیستی با موش و کروماتوگرافی، اغلب زمان بر، پرهزینه و از نظر اخلاقی چالش برانگیز هستند. ادغام هوش مصنوعی با حسگرهای زیستی، رویکردی نوآورانه برای افزایش سرعت، دقت و کارایی در تشخیص این سموم ارائه می دهد. این مطالعه مروری وضعیت کنونی حسگرهای زیستی برای شناسایی بیوتوکسین های دریایی را بررسی می کند و نقش هوش مصنوعی در خودکارسازی و بهینه سازی این سیستم ها را تحلیل می نماید. هوش مصنوعی با استفاده از الگوریتم های یادگیری ماشینی و یادگیری عمیق، تحلیل سریع داده ها، شناسایی الگوها و مدل سازی پیش بینی را ممکن می سازد و راه را برای پایش لحظه ای و سیستم های هشدار زودهنگام هموار می کند. با وجود موانعی مانند نیاز به داده های استاندارد و تاییدیه های قانونی، ترکیب هوش مصنوعی با حسگرهای زیستی پتانسیل بالایی برای تحول در سم شناسی دریایی و تضمین ایمنی محصولات دریایی دارد. این مطالعه با تلفیق پیشرفت های اخیر در فناوری حسگرهای زیستی و کاربردهای هوش مصنوعی، دیدگاهی جامع درباره تاثیر این فناوری ها بر سلامت عمومی و ایمنی غذایی ارائه می دهد.
کلیدواژه ها:
Marine Biotoxins ، Artificial Intelligence ، Biosensors ، Seafood Safety ، Real-Time Monitoring ، بیوتوکسین های دریایی ، هوش مصنوعی ، زیست حسگرها ، ایمنی غذایی محصولات دریایی ، پایش لحظه ای (زمان واقعی)
نویسندگان
سلیمه خنامی فلاحتی پور
Computer Engineering Department, Faculty of Engineering, Shahid Bahonar University, Kerman, Iran
سید رضا حسینی آرا
Biochemistry and Nutrition in Metabolic Diseases Research Center, Kashan University of Medical Sciences, Kashan, 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 :