گروه آموزشی مهندس شکوفه ساتری

تصویربرداری پزشکی

تصویربرداری پزشکی

پردازش تصویر

یادگیری ماشینی و شناخت الگو

فراگیری ماشین

هوش مصنوعی

مهندسی پزشکی

روش های پردازش تصویر ترکیبی برای بررسی تصویر پزشکی

با توجه به نتایج بهتری که از بررسی مجموعه داده های پزشکی (تصاویر) با روش های پردازش تصویری ترکیبی (یکپارچه سازی آستانه و تقسیم بندی) انتظار می رود ، این کار بر روی اجرای تکنیک های بررسی تصویر ترکیبی احتمالی برای تصاویر پزشکی متمرکز است. این روشهای مختلف آستانه و تقسیم بندی تصویر را توصیف می کند که برای توسعه چنین ابزار پردازش ترکیبی ضروری است. علاوه بر این ، این کتاب جزئیات اساسی ، مانند آماده سازی تصویر آزمون ، اجرای یک عملیات آستانه انتخاب شده ، ارزیابی تصویر آستانه ، و اجرای روش تقسیم بندی و ارزیابی آن ، پشتیبانی شده توسط مطالعات موردی مربوطه را ارائه می دهد. 

فیزیک تصویربرداری پزشکی

سخنرانی اصلی: رادیومیک

کارگاه آموزشی: راه اندازی ، اعتبارسنجی و استفاده از یک پلتفرم آزمایش بالینی مجازی (VCT)

جوایز و جلسه عمومی

1: CT: بهینه سازی و کیفیت تصویر

2: شمارش فوتون: ردیاب ها و سیستم ها

3: یادگیری ماشین در فیزیک تصویربرداری 

OCT و چشم پزشکی در عصر هوش مصنوعی

این وبینار یک مرور اجرایی برای رهبران تصویربرداری و چشم پزشکی در مورد چگونگی تبدیل هوش مصنوعی (AI) در زمینه تصویربرداری پزشکی ارائه می دهد. مجری برنامه نیشانت موهان نمایشی عملی از چگونگی ایجاد یک سیستم هوش مصنوعی یادگیری عمیق را از ابتدا ارائه می دهد و به حاضران در مورد چگونگی استفاده از این ابزار قدرتمند می دهد.

مجله تصویربرداری پزشکی

اخبار و تحقیقات پزشکی هسته ای

نقش هوش مصنوعی در تحقیقات تصویربرداری پزشکی

خلاصه

بدون تردید ، هوش مصنوعی (AI) امروزه بیشترین بحث در تحقیقات تصویربرداری پزشکی است ، چه در تشخیص و چه در زمینه درمانی. فقط برای تصویربرداری تشخیصی ، تعداد انتشارات مربوط به هوش مصنوعی از حدود 100-150 در سال در 2007-2008 به 1000-100 در سال در 2017-2018 افزایش یافته است. محققان از هوش مصنوعی برای شناسایی خودکار الگوهای پیچیده در داده های تصویربرداری و ارزیابی کمی ویژگی های رادیوگرافی استفاده کرده اند. 

هوش مصنوعی در تصویربرداری پزشکی

هوش مصنوعی در سایر جنبه های تصویربرداری پزشکی ، مانند دستیابی به تصویر ، تقسیم بندی و تفسیر ، غیر از تشخیص ، کاربردهای بسیاری دارد. با استفاده از هوش مصنوعی ، ممکن است داده های کمتری و در نتیجه تصویر سریعتر ضبط شود ، در حالی که محتوای غنی اطلاعات تصاویر MR را حفظ یا حتی تقویت کنید.

هوش مصنوعی در تصویربرداری پزشکی

این کتاب که توسط نویسندگان با بیش از یک دهه تجربه در زمینه طراحی و توسعه سیستم های هوش مصنوعی (AI) در تصویربرداری پزشکی نوشته شده است ، خوانندگان را در درک یکی از جذاب ترین زمینه های امروزی راهنمایی می کند.

پس از توصیف مقدماتی تکنیک های کلاسیک یادگیری ماشین ، اصول یادگیری عمیق به روشی ساده و در عین حال جامع توضیح داده می شود. این کتاب سپس با یک دیدگاه تاریخی از چگونگی توسعه هوش مصنوعی پزشکی به موقع ، جزئیات کدام برنامه ها پیروز شده و کدام ها شکست خورده است ، از دوره سیستم های تشخیص رایانه به کامپیوتر تا برنامه های پیشرفته فعلی در یادگیری عمیق امروز ، که شروع به نمایش می گذارد ، ادامه می یابد. عملکرد یکسان با کارشناسان بالینی. 

تصویربرداری پزشکی

تصویربرداری پزشکی تکنیک و فرایند تصویربرداری از فضای داخلی بدن برای تجزیه و تحلیل بالینی و مداخله پزشکی و همچنین نمایش بصری عملکرد برخی از اندامها یا بافتها (فیزیولوژی) است. تصویربرداری پزشکی به دنبال کشف ساختارهای داخلی پنهان شده توسط پوست و استخوان ها و همچنین تشخیص و درمان بیماری است. تصویربرداری پزشکی همچنین یک پایگاه داده از آناتومی و فیزیولوژی طبیعی ایجاد می کند تا شناسایی ناهنجاری ها را ممکن کند. اگرچه تصویربرداری از اندامها و بافتهای برداشته شده به دلایل پزشکی قابل انجام است ، اما معمولاً چنین روشهایی به جای تصویربرداری پزشکی ، بخشی از آسیب شناسی در نظر گرفته می شوند.