Sepanta Laser Spadan

Sepanta Laser Spadan

شرکت سپنتا لیزر اسپادان سهامی خاص
Sepanta Laser Spadan

Sepanta Laser Spadan

شرکت سپنتا لیزر اسپادان سهامی خاص

تصویربرداری هسته ای و هوش مصنوعی

تصویربرداری پرفیوژن میوکارد با توموگرافی کامپیوتری با گسیل تک فوتون و توموگرافی انتشار پوزیترون به تشخیص شدت بیماری عروق کرونر کمک کرده است. هوش مصنوعی در تصویربرداری پزشکی هسته‌ای قلب و عروق شامل روش‌های مختلفی مانند استدلال مبتنی بر قانون، شبکه‌های عصبی مصنوعی، یادگیری ماشینی ساخت‌یافته و شبکه‌های عصبی کانولوشنال عمیق است. این روش‌های هوش مصنوعی در تشخیص نقایص پرفیوژن و سایر نقاط پایانی استفاده شده‌اند. روش‌های یادگیری عمیق در شکل‌گیری تصویر پزشکی هسته‌ای برای کاهش زمان محاسبات، بهبود کیفیت تصویر و کاهش قرار گرفتن در معرض تشعشع در بیماران استفاده شده است. این فصل روش‌های هوش مصنوعی به کار رفته در تجزیه و تحلیل تصویر و بازسازی تصویر برای تصویربرداری پزشکی هسته‌ای قلب و عروق را خلاصه می‌کند.

مجله تصویربرداری پزشکی

محدوده

مجله تصویربرداری پزشکی (JMI) امکان ارتباط و بایگانی تحقیقات بنیادی و ترجمه ای و همچنین برنامه های کاربردی متمرکز بر تصویربرداری پزشکی را فراهم می کند، زمینه ای که همچنان از پیشرفت های تکنولوژیک بهره می برد و پیشرفت های زیست پزشکی را در تشخیص زودهنگام به ارمغان می آورد. ، تشخیص و درمان بیماری و همچنین درک شرایط عادی. دامنه JMI شامل مطالعات عمیق از موارد زیر است:


فیزیک تصویربرداری و سیستم اکتساب در مدالیته‌ها و مقیاس‌های فضایی مختلف مانند رادیوگرافی اشعه ایکس، CT (توموگرافی کامپیوتری)، تصویربرداری اولتراسونیک، تصویربرداری پزشکی هسته‌ای از جمله PET (توموگرافی گسیل پوزیترون) و SPECT (توموگرافی کامپیوتری با گسیل تک فوتون)، MRI (توموگرافی کامپیوتری با گسیل فوتون) پیشرفت می‌کند. تصویربرداری رزونانس مغناطیسی)، تصویربرداری نوری شامل OCT (توموگرافی همدوسی نوری)، تصویربرداری فوتوآکوستیک، و سیستم‌های اکتسابی ترکیبی مانند PET/CT و PET/MRI

الگوریتم های بازسازی توموگرافی (مانند CT، MRI و OCT)

پیشرفت در سفارشی سازی و کاربرد پردازش تصویر و یادگیری عمیق در کنار عناصر مختلف زنجیره تصویربرداری، مانند طراحی آشکارساز، بازسازی توموگرافی، هوش مصنوعی و گردش کار

پیشرفت در تشخیص به کمک رایانه و تجزیه و تحلیل کمی تصویر از جمله سفارشی سازی و استفاده از بینایی رایانه، یادگیری ماشین و یادگیری عمیق در پشتیبانی تصمیم گیری

پیشرفت در تجسم و مدل سازی سیستم چشم و مغز انسان، از جمله مطالعات در درک تصویر و عملکرد مشاهده گر

پیشرفت در روش و کاربردهای ارزیابی فناوری

پیشرفت در آرشیو تصاویر و سیستم های ارتباطی (PACS)

پیشرفت در تصویربرداری اولتراسونیک از جمله سونوگرافی و تصویربرداری فوتو آکوستیک

پیشرفت در سیستم های هدایت شده با تصویر و روش های هدفمند، به عنوان مثال، در برنامه ریزی جراحی، برنامه ریزی پرتودرمانی و ترانوستیک

پیشرفت در آسیب شناسی دیجیتال و محاسباتی، از کسب داده های آسیب شناسی تا مدیریت، تجزیه و تحلیل و تفسیر آن توسط ناظران. موضوعات خاص شامل اکتساب تصویر، نمایش، تفسیر، تشخیص به کمک کامپیوتر، تجزیه و تحلیل کمی تصویر نمونه های آسیب شناسی، و تعامل بین سیستم های یادگیری ماشین و هوش انسانی در تجزیه و تحلیل تصاویر میکروسکوپی است.

پیشرفت در کاربردهای زیست پزشکی همه روش های تصویربرداری برای درک بیشتر مکانیسم های بیماری و همچنین فیزیولوژی طبیعی