نوآوری های فوتونیک برای علوم زیستی

نوآوری های فوتونیک برای علوم زیستی

این کمیته فرعی به دنبال ارسال های اصلی مربوط به تقاطع علوم زیستی و رویکردهای نوری است که نوآوری سیستم های بیولوژیکی، گزارش شده، دستکاری شده و اندازه گیری شده است. موضوعات مثال شامل موارد زیر است:

تکنیک های میکروسکوپ: فوق العاده رزولوشن، چند فوتون، زمان حل شده، محاسباتی، اپتیک های سازگار، تصویربرداری چند منظوره، عملکردی، in-vivo، تعاملات زمان واقعی با خبرنگاران نوری

بیوفوتونیک: میکرو اندوسکوپ ها و میکروسکوپ های کوچک، منابع لیزر نوآورانه برای تصویربرداری بیولوژیکی و سنجش، الیاف نوری تخصصی، optogenetics، دستکاری نوری، نوروفوتونیک، تصویربرداری نوری و دستگاه های سنجش نوری قابل پوشیدنی یا ایمپلنت

بیوفوتونیک کوانتومی: پیشرفت های اخیر در درک و اعمال اثرات کوانتومی برای مطالعه سیستم های بیولوژیکی و فرآیندهای، و اخیرا روش های فوتونیک را براساس خواص کوانتومی و تعاملات ایجاد شده است که می تواند منجر به کاربرد های عمده زیست پزشکی شود

طیف سنجی: فتوشیمی، PhotoBiology، دینامیک حالت هیجان انگیز، تجزیه و تحلیل طیفی، unmixing، رامان، رامان، رامان افزایش یافته، پراکندگی رومان منسجم، طیف سنجی عکس

روش های محاسباتی: بازسازی تصویر، پردازش تصویر، یادگیری عمیق و یادگیری ماشین، تکنیک های سنجش پیشرفته در بافت های جدا شده، میکروسکوپ فراتر از بازسازی تصویربرداری: روش ها برای ضبط اطلاعات کدگذاری شده در فضا و زمان، تکنیک های هولوگرافی

Optofluidics و Biosensors: Microfluidics، Lab-on-a-chip، یکپارچه سازی فوتونیک برای تشخیص و سنجش، جریان سیاتومتری، سیستم های Velocimetry و PIV

خبرنگاران نوری: توسعه فلوروپور آلی، رنگ ها و نشانگرها، مواد معدنی برای سنجش فوتونی، رویکردهای پراکندگی نور، رنگ های سنجش ولتاژ

مجله بیوفوتونیک

مجله بیوفتونیک

محدوده

مجله بیوفوتونیک اولین مجله بین‌المللی است که به انتشار مقالات و نقدهای اصلی از حوزه هیجان‌انگیز بیوفوتونیک، یعنی توسعه و کاربرد فناوری‌های فوتونیک به‌ویژه برای (زیست) پزشکی، و همچنین علوم زیستی و محیطی اختصاص دارد. این مجله بستری را ارائه می دهد که توسعه دهندگان فناوری (فیزیکدانان، شیمیدانان، مهندسان، و غیره) با استفاده کنندگان نهایی (به ویژه پزشکان تحقیقاتی) ارتباط برقرار می کنند و در آن پزشک بالینی در مورد آخرین ابزارهای تشخیص و درمان بیماری ها می آموزد. به این ترتیب، این مجله بسیار میان رشته ای است و پژوهش های نوآورانه ای را در زمینه تعامل نور با مواد بیولوژیکی منتشر می کند. این پوشش از تحقیقات بنیادی تا پیشرفت‌های خاص را شامل می‌شود، در حالی که شامل آخرین برنامه‌ها یا کارآزمایی‌های بالینی/گزارش‌های موردی نیز می‌شود.

موضوعات

زمینه های کاربرد:

دارو

سلامتی

زیست شناسی

محیط زیست و تغذیه

فناوری های ویژه:

میکروسکوپی / تصویربرداری / آندوسکوپی

(به عنوان مثال میکروسکوپ عمومی، تصویربرداری فلورسانس، میکروسکوپ ارتعاشی، توموگرافی انسجام نوری، تصویربرداری فوتوآکوستیک، میکروسکوپ میدان نزدیک و غیره)

طیف سنجی

(IR، رامان، اپتیک منتشر، فلورسانس، لومینسانس، THz، UV/Vis، پراکندگی نور و غیره)

رویکردهای درمانی فوتونیک

(PDT، جراحی لیزر، LIBS، انعقاد عکس و غیره)

نقطه مراقبت فوتونیک

(بیوچیپ، سنجش زیستی، فناوری میکرو آرایه و غیره)

هوش مصنوعی

(به عنوان مثال تجزیه و تحلیل تصویر، پردازش تصویر، شیمی سنجی و غیره)

مطالعه توموگرافی اشعه ایکس ساختار هیدروژل سه بعدی

عصب بینایی ساختاری سلسله مراتبی را با عملکردهای عملکردی نشان می دهد. مهندسی بافت به عنوان یک تکنیک بالقوه برای ترمیم عصب بینایی آسیب دیده با استفاده از مواد نرم مصنوعی برای ترویج رشد سلول های عصبی ظهور کرده است. هیدروژل به دلیل ساختار سه بعدی بیومیمتیک با محتوای آب بالا، ماده ترجیحی است. مورفولوژی مورد نظر هیدروژل باید یک ساختار ناهمسانگرد باشد که بتواند رشد نوریت را هدایت کند. روش‌های زیادی برای ساخت هیدروژل با ساختارهای هم‌تراز مانند پپتید یا پلیمر خودآرایی شده در زیر میدان مغناطیسی ایجاد شده‌اند. با این حال، این رویکردها پیچیده، کم بازده و هزینه بالا هستند. هدف از این تحقیق توسعه روشی آسان برای هیدروژل با ساختار تراز است. ما پلی الکترولیت مبتنی بر پپتید محلول در آب را سنتز می‌کنیم که برای ایجاد پیوند متقابل با نانوفیبریل‌های سلولز به‌راحتی تراز شده برای تشکیل هیدروژل نانوکامپوزیتی استفاده می‌شود. ما بیشتر رابطه بین رفتار مورفولوژیکی و روش پردازش را بررسی می کنیم. نانوفیبریل‌های سلولز کاتیونی (CNF+) برای اتصال عرضی با پلی پپتید انتخاب شدند. نمک سدیم پلی (γ-بنزیل-L-گلوتامات)40-r-پلی (ال-گلوتامیک اسید)60 (PBGA60-Na) استفاده شد زیرا حاوی انتقال دهنده عصبی گلوتامات است. هیدروژل با مخلوط کردن مقادیر مختلف CNF+ و PBGA60-Na از طریق بار استاتیک و پیوند هیدروژنی تشکیل شد. هیدروژل با ساختار هم تراز تحت نیروی برشی ساخته شد. مورفولوژی هیدروژل با میکروسکوپ نوری پلاریزه (POM)، میکروسکوپ الکترونی روبشی (SEM) و توموگرافی اشعه ایکس ارزیابی شد. هیدروژل با ساختار هم تراز را می توان با این سه تکنیک مشاهده کرد. توموگرافی اشعه ایکس برجسته ترین نمونه برای مشاهده ساختار سه بعدی است. این تکنیک پتانسیل مطالعه کشت سلولی روی داربست بیولوژیکی را به صورت سه بعدی برای مطالعات مهندسی بافت دارد که در کاربرد واقعی کلینیک مورد نیاز است.

روندها و چالش های آینده تصویربرداری مولکولی و نوآوری هوش مصنوعی

روندها و چالش های آینده تصویربرداری مولکولی و نوآوری هوش مصنوعی

معرفی

این مجلد، مجموعه مقالات کنفرانس FASMI 2020 را که در بیمارستان عمومی کهنه سربازان تایپه در تاریخ 20 تا 22 نوامبر 2020 برگزار شد، ارائه می‌کند. این کتاب مشارکت‌هایی را در مورد تمام جنبه‌های تصویربرداری مولکولی که توسط دانشمندان و محققان برجسته دانشگاهی کشف شده است، ارائه می‌کند. همچنین یک درمان بین‌رشته‌ای برتر از نوآوری‌ها، روند و نگرانی‌های اخیر و همچنین چالش‌ها و راه‌حل‌های عملی در تصویربرداری مولکولی ارائه می‌کند و بر هوش مصنوعی اعمال شده در داده‌های تصویربرداری تأکید می‌کند.

FASMI نشست سالانه فدراسیون انجمن های آسیایی برای تصویربرداری مولکولی است

1. بخش مهندسی برق دانشگاه مسیحی چانگ یوان (CYCU) تائویوان تایوان

2. بخش پزشکی هسته ای و گروه تصویربرداری زیست پزشکی و علوم رادیولوژی (BIRS) بیمارستان عمومی چنگ هسین و دانشگاه ملی یانگ مینگ چیائو تونگ (NYCU) تایپه تایوان

3. بخش تصویربرداری زیست پزشکی و علوم رادیولوژی (BIRS) دانشگاه ملی یانگ مینگ چیائو تونگ (NYCU) تایپه تایوان

بیوفوتونیک با شکوفه ساتری

آینده هوش مصنوعی در مراقبت های بهداشتی

حوزه هوش مصنوعی (AI) در دهه گذشته شاهد پیشرفت های قابل توجهی از نظر قدرت محاسباتی و سهولت پیاده سازی هوش مصنوعی در تنظیمات دامنه خاص بوده است. به ویژه حوزه پزشکی شامل نمونه های برجسته بسیاری از این پیشرفت ها است. هوش مصنوعی قبلاً در برخی از تخصص‌ها مانند رادیولوژی جای پای خود را باز کرده است و احتمالاً به گسترش در سایر حوزه‌های بالینی ادامه می‌دهد و رویکردهای ایجاد شده برای تشخیص بیماری، انجام تحقیقات و تعامل با بیماران را تغییر می‌دهد. این فصل یک چشم انداز تاریخی و پیشینه در مورد پیشرفت های محاسباتی اخیر ارائه می دهد که زمینه را برای ظهور هوش مصنوعی در مراقبت های بهداشتی فراهم کرده است، روندهای رو به رشد در اجرای بالینی هوش مصنوعی را توصیف می کند، و برخی از چالش هایی را که با راه اندازی هوش مصنوعی با ارائه دهندگان مراقبت های بهداشتی مواجه خواهد شد، در نظر می گیرد. وارد عمل بالینی روزانه شود.

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.

تصویربرداری رزونانس مغناطیسی و هوش مصنوعی

خلاصه

رزونانس مغناطیسی قلبی (CMR) بهترین روش تصویربرداری قلبی برای ارائه اطلاعات قابل اعتماد و قابل تکرار در مورد حجم قلب، عملکرد و خصوصیات بافت است. در عمل بالینی، هوش مصنوعی (AI) در CMR را می توان برای کل فرآیند، از بازسازی توالی، تجزیه و تحلیل تصویر، و گزارش یافته ها به کار برد. در بازسازی توالی، کاربرد هوش مصنوعی عمدتاً بر روی سرعت بازسازی متمرکز است، در حالی که در تجزیه و تحلیل تصویر و گزارش، هدف اصلی هوش مصنوعی خودکار کردن فرآیند تقسیم‌بندی هر دو بطن و همچنین بافت فیبروتیک است. در قلمرو توصیف بافت، هوش مصنوعی همچنین می تواند در به تصویر کشیدن ناهنجاری های بافتی از تصاویر بدون کنتراست مفید باشد. در نهایت، هوش مصنوعی می تواند برای طبقه بندی پیش آگهی مفید باشد.

توموگرافی کامپیوتری و هوش مصنوعی

در 2 دهه گذشته، پیشرفت های قابل توجهی در سخت افزار و نرم افزار توموگرافی کامپیوتری (CT) کاربرد بالینی تصویربرداری CT را گسترش داده است. پیشرفت‌های سخت‌افزاری شامل چرخش دروازه‌ای سریع‌تر با وضوح زمانی بهبود یافته، وضوح فضایی بهبود یافته و پوشش بیشتر بیمار است که امکان جذب سریع‌تر را فراهم می‌کند. همزمان، کاربردهایی از هوش مصنوعی (AI) در تمام جنبه‌های تصویربرداری CT - کسب، بازسازی، تجزیه و تحلیل و اندازه‌گیری ویژگی‌های جدید تصویر - وجود دارد که ممکن است ارزش را بیشتر بهبود بخشد و هزینه را کاهش دهد. فصل 9 پیشرفت های اخیر در هوش مصنوعی به کار رفته در چندین جنبه کلیدی تصویربرداری، تفسیر و تجزیه و تحلیل CT را خلاصه می کند.

سونوگرافی و هوش مصنوعی

سونوگرافی پزشکی (US) یک روش تصویربرداری پزشکی ضروری است. غیریونیزه کننده، قابل حمل است و می تواند تجسم در زمان واقعی پویایی بافت را ارائه دهد. به طور خاص، تصویربرداری از قلب، معروف به اکوکاردیوگرافی، به طور معمول در تشخیص، مدیریت و درمان بیماران مبتلا به بیماری قلبی استفاده شده است. بنابراین از تنوع بالای درون و متغیر رنج می برد. با بهره گیری از پیشرفت های اخیر در هوش مصنوعی، یادگیری ماشین برای دور زدن محدودیت های موجود در تصویربرداری مستقر به کار گرفته شده است. در این فصل، پیشرفت های اخیر را برجسته می کنیم و چالش های باقی مانده و همچنین فرصت های آینده را مورد بحث قرار می دهیم. تمرکز بر روی کاربردهای قلبی عروقی است، اما تم ها و تفاوت های رایج برای کاربردهای غیر قلبی عروقی نیز خلاصه شده است.