Sepanta Laser Spadan

شرکت سپنتا لیزر اسپادان سهامی خاص

Sepanta Laser Spadan

شرکت سپنتا لیزر اسپادان سهامی خاص

حوزه های تحقیقاتی مهندس ساتری

پژوهش
حوزه های تحقیقاتی

بیومکانیک
مهندسی زیست مواد و احیا کننده
مهندسی سلول و مولکولی
تصویربرداری و بیوفوتونیک
تجهیزات پزشکی و ابزار دقیق
مهندسی عصبی

اپتیک زیست پزشکی

اپتیک زیست پزشکی رشته ای است که اصول اولیه برهمکنش بین نور و بافت های بیولوژیکی، سلول ها و مولکول ها را مطالعه می کند و فناوری های جدیدی را برای استفاده در تحقیقات پایه و کاربردهای بالینی توسعه می دهد.

این رشته نوظهور در حال توسعه دائمی است و از نور و سایر اشکال انرژی الکترومغناطیسی، معمولاً در محدوده مرئی، برای درک اجزای داخلی سلول ها و بافت های موجودات زنده استفاده می کند. اپتیک زیست پزشکی بین رشته‌ای است زیرا تمام جنبه‌های تصویربرداری نوری و طیف‌سنجی از مقیاس‌های طول درون سلولی گرفته تا حجم‌های بافت بزرگ را پوشش می‌دهد و محققان و کاربران فیزیک نوری، بیوفیزیک، بیوشیمی، مهندسی، زیست‌شناسی، پزشکی، ریاضیات و علوم کامپیوتر را به خود جذب می‌کند.

در پزشکی بر روی بافت و خون برای تشخیص، تشخیص و درمان بیماری ها به صورت غیر تهاجمی تمرکز دارد.

اپتیک زیست پزشکی

فناوری های تصویربرداری نوری زیست پزشکی
طراحی و ساخت دستگاه های نوری زیست پزشکی
اپتیک بینایی، تصویربرداری و حس کردن چشم
Biochip و Optofluidics
سیستم ها و کاربردهای بالینی
نانوفوتونیک برای زیست پزشکی
فناوری های جدید تصویربرداری

بیوفوتونیک با شکوفه ساتری

بیوفوتونیک بالینی و ترجمه ای

توسعه و کاربرد تکنیک های نوری برای کاربردهای بالینی را پوشش می دهد.


میکروسکوپ، هیستوپاتولوژی و تجزیه و تحلیل

ارائه آخرین تحقیقات در میکروسکوپ بافت، تجزیه و تحلیل خودکار و رویکردهای یادگیری ماشینی، و همچنین تجزیه و تحلیل مبتنی بر آزمایشگاه و مایعات، معرف‌ها و برچسب‌ها، همراه با چالش‌هایی در ترجمه چنین پیشرفت‌هایی در کلینیک.


توموگرافی انسجام نوری

منابع نور OCT جدید، پروب های تصویربرداری و سیستم ها را پوشش می دهد. مدل‌سازی محاسباتی و الگوریتم‌های پردازش تصویر؛ و فن آوری های چندوجهی، و همچنین کاربردهای اساسی و ترجمه ای.


توموگرافی نوری و طیف سنجی

تمرکز بر پیشرفت‌های جدید در توموگرافی و طیف‌سنجی نوری غیرتهاجمی، از جمله زمینه‌های توموگرافی نوری منتشر (DOT) و طیف‌سنجی (DOS)، توموگرافی همبستگی منتشر (DCT) و طیف‌سنجی (DCS)، توموگرافی فوتو آکوستیک (PAT)، تصویربرداری لکه‌های لیزری طیف سنجی رامان، تصویربرداری فلورسانس، مهندسی جبهه موج برای غلبه بر پراکندگی، و همچنین در پیشرفت های جدید بیوفوتونیکی در کاربردهای پیش بالینی و بالینی.


اپتیک و مغز

تحقیقات، ابزارها و تکنیک های نوآورانه ای را به نمایش می گذارد که به دنبال افزایش دانش اساسی در مورد مغز و سیستم عصبی هستند.

راه‌حل‌ها و نوآوری‌ها را از شرکت‌های زیست‌پزشکی پیشرو در صنعت بیابید


بزرگترین نمایشگاه اپتیک و بیوفوتونیک زیست پزشکی جهان است. جدیدترین فناوری‌ها را از شرکت‌های برتر ارائه‌دهنده راه‌حل‌های تحقیقات زیست‌پزشکی و مراقبت‌های بهداشتی بیابید.


فناوری جدید هوش مصنوعی ممکن است به کشف عوامل درمانی برای اختلالات عصبی کمک کند

یک گروه تحقیقاتی از دانشگاه ناگویا در ژاپن، هوش مصنوعی را برای تجزیه و تحلیل تصاویر سلولی ایجاد کرده است که از یادگیری ماشینی برای پیش‌بینی اثر درمانی داروها استفاده می‌کند. این فناوری جدید که در silico FOCUS نامیده می شود، ممکن است به کشف عوامل درمانی برای اختلالات عصبی مانند بیماری کندی کمک کند.


درمان‌های کنونی بیماری‌های عصبی اغلب دارای عوارض جانبی شدید، از جمله اختلال عملکرد جنسی و مسدود کردن تشکیل بافت عضلانی است. با این حال، محققانی که در جستجوی درمان‌های جدید و کم‌مضر هستند، به دلیل فقدان فناوری‌های غربالگری مؤثر برای تشخیص مؤثر بودن یک دارو، مانع شده‌اند. یک مفهوم امیدوارکننده «مفهوم تبعیض ناهنجاری» است، به این معنی که سلول‌های عصبی که به درمان پاسخ می‌دهند، تفاوت‌های جزئی در شکل نسبت به نورون‌هایی دارند که پاسخ نمی‌دهند. با این حال، تشخیص این تفاوت های ظریف با چشم غیر مسلح دشوار است. فناوری‌های رایانه‌ای کنونی نیز برای انجام تجزیه و تحلیل بسیار کند هستند.

هدف محققان ایجاد یک الگوریتم هوش مصنوعی برای تشخیص زودهنگام اوتیسم در کودکان است

آیا می توان از هوش مصنوعی برای کمک به تشخیص زودهنگام اختلال طیف اوتیسم استفاده کرد؟ این سوالی است که محققان دانشگاه آرکانزاس سعی در پاسخ به آن دارند. اما آنها در حال اتخاذ یک روش غیرعادی هستند.

Han-Seok Seo، دانشیار با انتصاب مشترک در علوم غذایی و بخش کشاورزی سیستم UA، و Khoa Luu، استادیار علوم کامپیوتر و مهندسی کامپیوتر، نشانه‌های حسی از غذاهای مختلف را در کودکان عصبی و آن‌ها شناسایی خواهند کرد. شناخته شده است که در طیف است. سپس از فناوری یادگیری ماشینی برای تجزیه و تحلیل داده‌های بیومتریک و واکنش‌های رفتاری به آن بوها و مزه‌ها به عنوان راهی برای تشخیص شاخص‌های اوتیسم استفاده می‌شود.

تعدادی از رفتارهای مرتبط با ASD وجود دارد، از جمله مشکلات در ارتباط، تعامل اجتماعی یا رفتارهای تکراری. افراد مبتلا به ASD همچنین برخی از رفتارهای غذایی غیرطبیعی از خود نشان می دهند، مانند اجتناب از برخی رفتارهای غذایی. اگر نه تعداد زیادی -؛ غذاها، الزامات خاص زمان صرف غذا و غذا خوردن غیر اجتماعی. اجتناب از غذا به ویژه نگران کننده است، زیرا می تواند منجر به تغذیه نامناسب از جمله کمبود ویتامین و مواد معدنی شود. با در نظر گرفتن این موضوع، این دو قصد دارند نشانه‌های حسی را از مواد غذایی شناسایی کنند که باعث ادراکات یا رفتارهای غیر معمول در حین مصرف می‌شوند. به عنوان مثال، بوهایی مانند نعناع، ​​لیمو و میخک واکنش‌های قوی‌تری را در افراد مبتلا به ASD نسبت به بوهای بدون آن ایجاد می‌کنند و احتمالاً باعث افزایش سطح خشم، تعجب یا انزجار می‌شوند.

سئو در زمینه‌های علوم حسی، علوم اعصاب رفتاری، داده‌های بیومتریک و رفتار غذایی متخصص است. او این پروژه را سازماندهی و رهبری می کند، از جمله غربالگری و شناسایی نشانه های حسی خاصی که می تواند کودکان اوتیستیک را از کودکان غیر اوتیستیک از نظر ادراک و رفتار متمایز کند. لو یک متخصص در هوش مصنوعی با تخصص در پردازش سیگنال بیومتریک، یادگیری ماشین، یادگیری عمیق و بینایی کامپیوتر است. او الگوریتم‌های یادگیری ماشینی را برای تشخیص ASD در کودکان بر اساس الگوهای منحصر به فرد ادراک و رفتار در پاسخ به نمونه‌های آزمایشی خاص توسعه خواهد داد.

دستگاه جدید حسگر فیبر نوری، نشانگرهای زیستی کلیدی را به دنبال آسیب مغزی تروماتیک نظارت می کند

دستگاه جدید حسگر فیبر نوری، نشانگرهای زیستی کلیدی را به دنبال آسیب مغزی تروماتیک نظارت می کند
نتایج "امیدبخش" حاصل از آزمایش‌های روی بافت‌های مغز حیوانات نشان می‌دهد که می‌تواند به پزشکان کمک کند تا پیشرفت بیماری و پاسخ بیماران به درمان را بهتر از آنچه در حال حاضر ممکن است نظارت کنند، که نشان‌دهنده پتانسیل بالایی برای آزمایش‌های تشخیصی آینده در انسان است.

 
ادامه مطلب ...

کارآزمایی برتری هوش مصنوعی را در ارزیابی عملکرد قلب نسبت به ارزیابی سونوگرافی نشان می دهد

کارآزمایی برتری هوش مصنوعی را در ارزیابی عملکرد قلب نسبت به ارزیابی سونوگرافی نشان می دهد

در بیمارانی که تحت ارزیابی اکوکاردیوگرافی عملکرد قلب قرار می‌گیرند، ارزیابی اولیه توسط هوش مصنوعی (AI) بر ارزیابی اولیه سونوگرافیک برتر است، بر اساس تحقیقات دیرهنگام ارائه شده در جلسه Hot Line امروز در کنگره ESC 2022.


  ادامه مطلب ...

هوش مصنوعی در تشخیص عملکرد قلب نسبت به سونوگرافیک ها دقیق تر است

هوش مصنوعی در تشخیص عملکرد قلب نسبت به سونوگرافیک ها دقیق تر است


در اولین کارآزمایی بالینی تصادفی شده در نوع خود که توسط محققان موسسه قلب اسمیت و بخش هوش مصنوعی در پزشکی در Cedars-Sinai انجام شد، هوش مصنوعی (AI) در ارزیابی و تشخیص عملکرد قلب در مقایسه با ارزیابی اکوکاردیوگرام انجام شده توسط سونوگرافی.


در اولین کارآزمایی بالینی تصادفی شده در نوع خود که توسط محققان موسسه قلب اسمیت و بخش هوش مصنوعی در پزشکی در Cedars-Sinai انجام شد، هوش مصنوعی (AI) در ارزیابی و تشخیص عملکرد قلب در مقایسه با ارزیابی اکوکاردیوگرام انجام شده توسط سونوگرافی.


نتایجی که امروز طی یک ارائه دیرهنگام در کنگره انجمن قلب و عروق اروپا 2022 اعلام شد، پیامدهای ترجمه‌ای فوری برای بیمارانی که تحت تصویربرداری عملکرد قلب قرار می‌گیرند و پیامدهای گسترده‌تری برای زمینه تصویربرداری قلب دارند.


دیوید اویانگ، پزشک متخصص قلب در بخش قلب و عروق در موسسه قلب اسمیت و محقق اصلی این مطالعه که به نام EchoNet-RCT شناخته می شود، گفت: این اولین کارآزمایی بالینی تصادفی شده هوش مصنوعی در قلب است. با این دانش جدید، ما امیدواریم که کیفیت و اثربخشی تصویربرداری اکوکاردیوگرافی را برای بیماران در همه جا بهبود ببخشیم.


پیش از این، محققان مؤسسه قلب اسمیت و دانشگاه استنفورد یکی از اولین فناوری‌های هوش مصنوعی را برای ارزیابی عملکرد قلب، به ویژه کسر جهشی بطن چپ - اندازه‌گیری کلیدی قلب مورد استفاده در تشخیص عملکرد قلب، توسعه دادند. تحقیقات آنها در مجله معتبر Nature منتشر شد.


بر اساس این تحقیقات گذشته، جدیدترین مطالعه تأثیر هوش مصنوعی در استقرار بالینی را به عنوان بخشی از یک کارآزمایی بالینی کنترل‌شده آینده‌نگر، کور و تصادفی ارزیابی کرد.


در مورد استفاده از هوش مصنوعی در پزشکی هیجان زیادی وجود داشته است، اما این فناوری ها به ندرت در آزمایشات بالینی آینده نگر ارزیابی می شوند. این کارآزمایی برای نشان دادن عدم حقارت هوش مصنوعی در مقایسه با ردیابی‌های سونوگرافی انجام شد، و بنابراین وقتی نتایج واقعاً برتری هوش مصنوعی را با توجه به نتایج از پیش تعیین‌شده نشان داد، ما به طرز خوشایندی شگفت‌زده شدیم.


دیوید اویانگ، MD، متخصص قلب، گروه قلب و عروق، موسسه قلب اسمیت