دوره 11، شماره 4 - ( 12-1403 )
![[English Abstract]](./templates/tmpl_modern01/images/en.gif)
زینب کهزادی 
، علی دباغ ، مهرداد طاهری ، حسن امامی ، مهشید قاسمی ، زهرا کهزادی ، شهاب الدین رحمتی زاده*
، علی دباغ ، مهرداد طاهری ، حسن امامی ، مهشید قاسمی ، زهرا کهزادی ، شهاب الدین رحمتی زاده*
چکیده
(2454 مشاهده) |
متن کامل (PDF)
(620 دریافت)
| نکات برجسته
| فایل صوتی [MP3] (93 دریافت)
- طراحی سامانه پزشکی از راه دور می تواند داده ها را سازماندهی، خطاها را کاهش و کیفیت مراقبت را ارتقا دهد.
- یک سامانه پزشکی از راه دور یکپارچه و قابل اعتماد با تجربه کاربری مناسب برای بیماران و پزشکان ضروری است.
- ارتباط چندوجهی (صوتی، تصویری، متنی) در این سامانه می تواند ارتباط بیمار و پزشک را بهبود ببخشد.
- ایجاد پرونده الکترونیک پزشکی یکپارچه دراین سامانه برای ثبت و جستجوی دقیق اطلاعات لازم است.
- با شناسایی دقیق الزامات سامانه و استفاده از فناوری های نوین ، دسترسی آسانتر و مدیریت بهتر خدمات درمانی ممکن می شود.
ص. 305-291
چکیده
(1992 مشاهده) |
متن کامل (PDF)
(488 دریافت)
| نکات برجسته
| فایل صوتی [M4A] (140 دریافت)
- با طراحی سیستم پایدار فازی ، طب ایرانی و طب رایج به هم متصل می شوند.
- نبض شناسی طب ایرانی توسط این سیستم، مقاومت محیطی سیگنال فوتوپلتیسموگرام را تخمین می‌زند.
- پزشکان آموزش دیده می‌توانند با نبض‌شناسی طب ایرانی فرد، مقاومت محیطی را تخمین بزنند.
- بیماری‌های مرتبط با تواتر نبض، قوت نبض و مقاومت محیطی می توانند پیش بینی شوند.
- سیستم فازی در محدوده تعریف شده ،پایدار می باشد و حداکثر خطای آن 0.01 است.
چکیده
(682 مشاهده) |
متن کامل (PDF)
(233 دریافت)
| نکات برجسته
| فایل صوتی [MP3] (27 دریافت)
- یک مدل هوش مصنوعی با دقت ۹۵٫۲۳٪ برای تشخیص سرطان دهان توسعه داده شد.
- الگوریتم SVM عملکرد بهتری نسبت به سایر روش‌ها در دسته‌بندی ضایعات پیش‌سرطانی و سرطانی داشت.
- این مطالعه پیش‌پردازش تصاویر، استخراج ویژگی‌ها و تکنیک‌های یادگیری ماشین را به‌صورت یکپارچه انجام داد.
- ۳۰ ویژگی کلیدی با استفاده از خوشه‌بندی برای بهبود دقت دسته‌بندی انتخاب شدند.
- این مدل می‌تواند به پزشکان کمک کند تا ضایعات دهانی را سریع‌تر و دقیق‌تر تشخیص دهند.
چکیده
(2560 مشاهده) |
متن کامل (PDF)
(498 دریافت)
| نکات برجسته
| فایل صوتی [MP3] (102 دریافت)
- MobileNet-v2 عملکرد بهتری در تحلیل CT scan و بخش بندی بافت‌ها دارد.
- دقت بالا در تقسیم بندی همزمان استخوان، ریه و بافت نرم با MobileNet-v2 حاصل شد.
- شبکه های عصبی با یادگیری عمیق، الگوهای پیچیده را در تصاویر پزشکی شناسایی می‌کنند.
- استفاده از تصاویر سی تی اسکن، مرزهای نسبتا خوبی برای بخش بندی ارائه می‌دهد.
- MobileNet-V2 به دلیل سرعت و کارایی بالا، برای تقسیم بندی پیشنهاد می‌شود.
چکیده
(3073 مشاهده) |
متن کامل (PDF)
(552 دریافت)
| نکات برجسته
| فایل صوتی [M4A] (73 دریافت)
- یک روش جدید برای تشخیص جراحت‌ها به پزشکان کمک می‌کند تا نواحی آسیب‌دیده را بهتر ببینند.
- این پژوهش دقت در شناسایی بافت آسیب‌دیده را بدون نیاز به آزمایش‌های اضافی افزایش می‌دهد.
- پردازش هوشمند تصاویر، اسکن‌های پزشکی را برای تشخیص سریع و قابل‌اعتماد بهبود می‌بخشد.
- این روش با کاهش خطر آسیب به بافت‌های سالم، درمان‌های ایمن‌تر را امکان‌پذیر می‌کند.
- فناوری پیشرفته، درمان‌های غیرتهاجمی را برای بیماران مؤثرتر می‌کند.
ص. 351-348
