ش | ی | د | س | چ | پ | ج |
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
رشد استفاده از هوش مصنوعی در کنار میکروسکوپ
اکنون چندین سیستم وجود دارد که با موفقیت از یادگیری عمیق برای شناسایی سلول ها استفاده می کنند. هر کدام به طرق کمی متفاوت کار می کنند. به عنوان مثال ، یک تیم در دانشگاه کالیفرنیا روشی را ایجاد کردند که می تواند از طریق میکروسکوپ تلفن همراه و یک شبکه یادگیری عمیق ، اسپورهای گرده و قارچ موجود در هوا را شناسایی کند. این روش 94٪ دقیق است.
یک تیم در لهستان اخیراً الگوریتم های یادگیری عمیقی را ایجاد کرده است که می تواند جنس و گونه های باکتری را از طریق تصاویر میکروسکوپی ، بخشی اساسی از کشاورزی ، ایمنی مواد غذایی و تحقیقات پزشکی شناسایی کند.
Finkbeiner ، از تیم موسسات Gladstone ، اخیراً با بنیاد Michael J. Fox برای تحقیقات Parkinson's همکاری کرده است تا کشف کند که چگونه می توان با استفاده از میکروسکوپ از AI برای تعیین ویژگی های انواع سلولهای انسانی استفاده کرد که می تواند تشخیص بیماری را بهبود بخشد.
این تیم در نظر دارد راهی برای تمایز سلولهای عصبی مشتق شده از سلولهای بنیادی گرفته شده از بیماری پارکینسون ، از سلولهای سالم گرفته شده با استفاده از شبکه عصبی ابداع کند. آنها در توسعه هوش مصنوعی موفق بودند که می تواند سلولهای سالم سلولهای بیمار را با استفاده از چندین نشانگر تعیین کند و نحوه انجام غربالگری بیماری را تغییر دهد.
رشته انکولوژی نیز قرار است از پیشرفت های استفاده از AI در کنار میکروسکوپ بهره مند شود. برای سالهای متمادی ، یادگیری ماشین برای کمک به تجزیه و تحلیل میکروگراف نمونه های نمونه برداری استفاده شده است.
اخیراً ، از یادگیری عمیق به طور فزاینده ای برای بهبود تشخیص و درمان استفاده می شود. هوش مصنوعی می تواند بر روی تصاویری که قبلاً توسط پاتولوژیست مورد تجزیه و تحلیل قرار گرفته است آموزش داده شود ، که به مدل های یادگیری عمیق اجازه می دهد تا نحوه طبقه بندی تومورها و همچنین ارزیابی میزان پیشرفت سرطان را یاد بگیرند.
روش های استفاده از هوش مصنوعی در بیشتر موارد دقیق تر از پزشکان بوده است.