کاوش در MedFineTune! ✨

🧠دنبال ارتقاء پروژه‌های تولید متن در حوزه پزشکی هستید؟
MedFineTune
شامل نسخه‌های دقیقاً تنظیم‌شده از مدل‌های پیشرفته مانند T5-small و BART-base فیس‌بوک است که به‌طور خاص برای استدلال پزشکی و تولید متن طراحی شده‌اند.


📖🔗T5model_medFineTune
📖🔗BART_medFineTune

دستیار هوش مصنوعی در 2025🤩

دیگر لازم نیست نگران چکاپ‌های دوره‌ای باشد، چرا که ابزارهای هوشمند بسیاری ظهور کرده‌اند که علائم حیاتی را زیر نظر دارند، رژیم غذایی و برنامه ورزشی مخصوص پیشنهاد می‌دهند، در مدیریت داروها کمکش می‌کنند و حتی یک چت‌بات هوشمند نیز وجود دارد که مراقب سلامت روانش باشد! 🧘‍♀️
افزون بر این، بیماری‌ها بسیار زودتر تشخیص داده می‌شوند و درمان‌ها نیز دیگر مانند گذشته نیستند، بلکه کاملاً شخصی‌سازی می‌شوند تا بهترین نتیجه حاصل گردد.
😎 چه چیزی بهتر از این که بسیاری از امور درمانی را می‌تواند از راه دور انجام دهد؟

#DigitalHealth #PersonalizedHealth #AIinHealthcare

دیتاست‌های کاربردی در حوزه نوروساینس 🧠

🔍 اگر در این حوزه کار می‌کنید و به داده‌های معتبر برای تحلیل، یادگیری ماشین و مدل‌سازی نیاز دارید، این دیتاست‌ها را از دست ندهید:

1️⃣ Allen Brain Atlas
🔹 داده‌های بیان ژنی، ساختار آناتومیکی و ارتباطات نورونی مغز
🔗 [brain-map.org]


2️⃣ OpenNeuro
🔹 مجموعه‌ای از داده‌های تصویربرداری مغزی (fMRI, EEG, MEG)
🔗 [openneuro.org]


3️⃣ Human Connectome Project (HCP)
🔹 داده‌های MRI و DTI برای بررسی ارتباطات نورونی مغز انسان
🔗 [humanconnectome.org]


4️⃣ Neurodata Without Borders (NWB)
🔹 داده‌های الکتروفیزیولوژی و تصویربرداری برای مطالعه فعالیت‌های عصبی
🔗 [nwb.org]


5️⃣ EEG Motor Movement/Imagery Dataset
🔹 سیگنال‌های EEG مرتبط با حرکات و تخیلات حرکتی
🔗 [physionet.org]


6️⃣ DANDI Archive
🔹 داده‌های نوروفیزیولوژی و الکتروفیزیولوژی برای بررسی سیستم عصبی
🔗 [dandiarchive.org]


7️⃣ NeuroMorpho.org
🔹 تصاویر سه‌بعدی نورون‌ها برای تحلیل ساختاری مغز
🔗 [neuromorpho.org]

#AIinHealthCare
#Neuroscience #DataScience

یکی از مدیران ارشد دیتا ساینس در لیندکین در خصوص تجربه ‌شغلی این چنین نوشت:

این‌گونه اولین شغل خود را در حوزه یادگیری ماشین به دست آوردم:

1️⃣ یادگیری عمیق الگوریتم‌های کلاسیک یادگیری ماشین

مطمئن شدم که می‌توانم تقریباً به هر سؤال تئوری درباره الگوریتم‌های کلاسیک یادگیری ماشین پاسخ دهم.

نه NLP. نه بینایی ماشین.

این بخش بزرگی از سؤالات مصاحبه‌ها را پوشش میدهد.

علاوه بر این، پیاده‌سازی الگوریتم‌های اصلی را از صفر در پایتون انجام دادم که کمک زیادی کرد.

منابعی که به من کمک کردند:
↳ کتاب
Introduction to Statistical Learning
↳ کتاب
Machine Learning, a Probabilistic Perspective

2️⃣ انجام ۳ پروژه نمونه کار با تمرکز بر کاربردهای عملی

در این پروژه‌ها موارد زیر را رعایت کردم:
↳ توضیحات جامع درباره پروژه
↳ حل مسائل مرتبط با مشکلات دنیای واقعی
↳ کد تمیز و مستند

برای شغلی که به دست آوردم، سرپرست یادگیری ماشین واقعاً کد من را بررسی کرد.

و از آن خوشش آمد! بنابراین این موضوع کمک زیادی کرد.

3️⃣ شکست در ۸ مصاحبه قبل از موفقیت

من هیچ کسی را نمی‌شناسم که در اولین مصاحبه، شغل اول خود را گرفته باشد.

شکست خوردن در مصاحبه‌ها کاملاً طبیعی و بسیار مفید است.

سری آموزشی پرامپت‌ها | قسمت 6️⃣
💡 ادامه روش‌های پیشرفته ترکیب پرامپت‌ها


6️⃣ ایجاد سناریوها
مدل را در یک موقعیت خاص قرار دهید و از آن بخواهید که بر اساس شرایط مشخص پاسخ دهد.
✅ مثال:
🎭 مدیر منابع انسانی: چگونه به یک کارمند که بهره‌وری کمی دارد، بازخورد می‌دهی؟
🚀 کارآفرین: برای راه‌اندازی یک استارتاپ فناوری، چه گام‌هایی را باید برداشت؟
🕵️ کارآگاه: چگونه یک پرونده جنایی پیچیده را حل می‌کنی؟


7️⃣ طراحی پرسش‌های زنجیره‌ای برای استخراج دانش عمیق‌تر
به جای پرسش‌های جداگانه، مجموعه‌ای از سؤالات مرتبط طراحی کنید تا مدل را به تفکر چندلایه و پاسخ‌های تحلیلی‌تر وادار کنید.
✅ مثال:
🔍 پرسش ۱: دلایل اصلی تغییرات اقلیمی چیست؟
🌍 پرسش ۲: این تغییرات چگونه بر اقتصاد جهانی تأثیر می‌گذارد؟
💡 پرسش ۳: چه راهکارهایی برای مقابله با تغییرات اقلیمی پیشنهاد شده است؟


8️⃣ تغییر سبک نگارش متناسب با مخاطب
از مدل بخواهید یک مفهوم را در قالب‌های مختلف بازنویسی کند تا برای گروه‌های مختلف خوانندگان قابل‌فهم باشد.
✅ مثال:
📖 مقاله دانشگاهی: بررسی تأثیر هوش مصنوعی بر اقتصاد جهانی
📰 خبر عمومی: هوش مصنوعی چگونه مشاغل را تغییر می‌دهد؟


با این تکنیک‌ها، می‌توان از مدل برای آموزش، تحلیل و خلاقیت به‌طور حرفه‌ای‌تر استفاده کرد!

#AIinHealthCare #PromptEngineering
#Learning

🌟 VITE VERE(زندگی های واقعی)
یک اپلیکیشن نوآورانه که با کمک هوش مصنوعی گوگل و تبدیل متن به گفتار، به افراد دارای معلولیت‌های ذهنی کمک می‌کند و از برندگان رقابت Gemini API بود

🔹 کاربر میتواند در مواقع مختلف مانند خانه، جابه‌جایی یا کار راهنمایی‌های متناسب با نیازهای خود دریافت کند.

📸در مواجهه با موقعیت‌های مختلف، کاربر می‌تواند از آن عکس گرفته و اپلیکیشن با تحلیل تصویر، راهنمایی‌های متنی ارائه می‌دهد.
📝هوش مصنوعی اپلیکیشن، دستورالعمل‌های پیچیده را به مراحلی ساده و قابل فهم تقسیم می‌کند.

🎧 راهنمای صوتی به کاربر اجازه می‌دهد تا به دستورالعمل‌ها گوش داده و همزمان فعالیت‌ها را انجام دهد.

🔳ساختار 3x3: هر فعالیت به سه عمل اصلی و هر عمل به سه مرحله فرعی تقسیم می‌شود که انجام امور را برای معلولین راحتتر می‌کند


#AIinHealthCare
#SmartSupport #AIAssist

Med-Gemini
هوش مصنوعی چندوجهی گوگل!

🧠این مدل‌ها توانایی تولید گزارش‌های پزشکی دقیق، تحلیل داده‌های چندرسانه‌ای شامل متن، تصویر، ویدیو و سوابق الکترونیکی سلامت را دارند و به طور خاص در زمینه‌های مختلف پزشکی مانند رادیولوژی و ژنومیک کاربرد دارند.

مد-جمینی-۳D می‌تواند به طور دقیق گزارش‌های مربوط به تصاویر سه‌بعدی را تولید کند، در حالی که مد-جمینی-پلی‌ژنتیک پیش‌بینی‌های دقیق عوارض بهداشتی را از داده‌های ژنومی ارائه می‌دهد.

🔍این مدل‌ها با به کارگیری روش‌های نوین مانند جستجوی وب برای دسترسی به اطلاعات به‌روز و استفاده از داده‌های ناشناس پزشکی، به پزشکان و پژوهشگران در بهبود تشخیص و درمان بیماری‌ها کمک می‌کنند.

⚠️ با وجود قابلیت‌های چشمگیر Med-Gemini، ارزیابی مداوم و دقیق این مدل‌ها قبل از استفاده در دنیای واقعی، از اهمیت بالایی برخوردار هست 🛡


#MedGemini #AIinHealthCare

🌟 راهنمای عملی دستکاری داده‌های بالینی
به همراه نمونه کد

تکنیک‌های اصلی :

1️⃣ دستکاری‌های فراوانی:
🔢 شمارش موارد و فراوانی‌ها به ما کمک می‌کند تا ببینیم یک بیماری یا تست چقدر در سوابق بیماران رایج است. برای مثال، چند بار بیمار دیابت خود را گزارش کرده؟

2️⃣ دستکاری‌های زمانی:
⏳ با انتخاب اولین یا آخرین مقدار یک اندازه‌گیری (مثل قند خون)، می‌توانیم روند وضعیت بیمار را بهتر درک کنیم. چه زمانی بیمار به بالاترین یا پایین‌ترین سطح قند خون رسید؟

3️⃣ دستکاری‌های مقدار(VALUE):
📊 اطلاعات را تحلیل می‌کنیم تا حداقل، حداکثر، و میانگین‌ها را محاسبه کنیم. این تحلیل‌ها می‌توانند به ما کمک کنند تا وضعیت کلی سلامت بیماران را بسنجیم و الگوهای خاصی را شناسایی کنیم.

✍️ در این منبع علاوه بر تکنیک ها نمونه‌های کد به زبان R ارائه شده تا به راحتی بتونید از داده‌های بالینی واقعی استفاده کنید و خودتان هم تحلیل کنید. همچنین بررسی می‌کند که چگونه انتخاب آستانه‌های صحیح می‌تواند تأثیر زیادی بر نتیجه‌گیری‌ها داشته باشد.

🔗فایل

#DataAnalysis #AIinHealthCare #ClinicalData

🎓 دوره‌های رایگان و معتبر هوش مصنوعی و یادگیری ماشین

✅ دوره فشرده یادگیری ماشین - گوگل (مقدماتی)
🔗 https://developers.google.com/machine-learning/crash-course

✅ مبانی هوش مصنوعیCS221 - دانشگاه استنفورد (مفاهیم پیشرفته هوش مصنوعی)

🔗 https://cs221.stanford.edu/

✅ یادگیری عمیق عملی Fast.ai (کاربردی و پروژه‌محور)
🔗 https://www.fast.ai/

✅ دوره‌ یادگیری ماشین - کورسرا
🔗 https://www.coursera.org/courses?query=machine%20learning

✅ دوره دانشگاه هاروارد CS50’s Introduction to Artificial Intelligence with Python (مبانی هوش مصنوعی و یادگیری ماشین)

🔗https://cs50.harvard.edu/ai/

#AIinHealthCare
#MachineLearning
#FreeCourse

📣 علی‌بابا به تازگی نسخه جدید دستیار مجازی خودش را معرفی کرده است!

این شرکت معروف به خاطر استفاده از فناوری هوش مصنوعی پیشرفته، یک قدم بزرگ در راستای بهبود تجربه کاربری برداشته است. یکی از خبرهای هیجان‌انگیز این است که این دستیار به زودی در آیفون‌های اپل در چین نیز وجود خواهد داشت. 📱🤖

✨ قابلیت‌های جذاب این دستیار جدید:

- گفتگوهای راحت‌تر
- کارآمدتر بودن
- شخصی‌سازی
- استفاده آسان‌تر

با این دستیار جدید، به نظر می‌رسد که کاربران در یک تجربه هوشمندانه و لذت‌بخش از فناوری‌های روز بهره‌مند خواهند شد. 🌟

#VirtualAssistant
#AIinHealthCare #UserExperience

بررسی عملکردLLM های مطرح در تصمیم گیری بالینی

GPT-4 🤖
به لطف قابلیت‌های بالای پردازش زبان، به راحتی در سیستم‌های پزشکی ادغام شده و اگرچه نظارت انسانی همچنان ضروری است.

MedPaLM 🩺
مدل به‌طور ویژه برای ارائه پاسخ‌های پزشکی دقیق و به‌موقع طراحی شده است. اطلاعات بیماران را در مکالمات حفظ می‌کند و به پزشکان امکان می‌دهد در موقعیت‌های اضطراری و روزمره، تصمیم‌گیری‌های سریع و مطمئنی داشته باشند. ترکیب ایمنی بالا و دقت در پاسخ‌ها، به ابزاری ارزشمند در محیط‌های بالینی تبدیل کرده
Claude 🌐
با تأکید ویژه بر اخلاق و ایمنی، گزینه‌ای مطمئن در حوزه پزشکی محسوب می‌شود. تعهد به کاهش تعصب و ارائه پاسخ‌های اخلاقی، این مدل را به انتخابی مناسب برای کاربردهای بالینی بدل کرده است.

Llama 2 🦙
به عنوان یک مدل متن‌باز، به کاربران امکان سفارشی‌سازی ویژه برای نیازهای پزشکی را می‌دهد. اگرچه برای استفاده در حوزه پزشکی نیاز به تنظیمات دقیق و تطبیق با داده‌های بالینی دارد.

#MedicalDecisionMaking
#LLMs
#AIinHealthCare

مایکروسافت به تازگی Dragon Copilot را معرفی کرده است، یک دستیار هوش مصنوعی برای حوزه بهداشت و درمان 🏥✨

هدف اصلی Dragon Copilot این است که بار اداری پزشکان را کاهش دهد تا آنها بتوانند بیشتر بر روی مراقبت از بیماران تمرکز کنند.

از ویژگی‌های کلیدی این سیستم :
- ایجاد یادداشت‌های چندزبانه 🌍
- دیکته طبیعی زبان 🗣
- جستجوی اطلاعات پزشکی از منابع معتبر و اتوماسیون کارهایی مانند نامه‌های ارجاع و خلاصه‌های بعد از ملاقات 📄

طبق نظرسنجی‌های مایکروسافت، پزشکانی که از این فناوری استفاده کرده‌اند، کمتر دچار خستگی شغلی شده و 93 درصد بیماران گزارش داده‌اند که تجربه بهتری داشته‌اند! 🙌

مایکروسافت همچنین بر تعهد خود به توسعه هوش مصنوعی مسئولانه تأکید کرده و می‌گوید که قابلیت‌های Dragon Copilot بر اساس یک زیرساخت داده‌ای امن و با در نظر گرفتن ایمنی و دقت طراحی شده است.

🔗 اطلاعات بیشتر
#Microsoft
#AIAssistant
#AIinHealthcare

#🎵MusicTime

🌟 النا: استارتاپ مراقبت سلامت روان 🌟

النا یک استارت‌آپ پیشگام است که ترکیبی از هوش مصنوعی و علوم اعصاب محاسباتی را برای مقابله با چالش‌های سلامت روان ارائه می‌کند. 🧠

با استفاده از بازی‌های مبتنی بر علم عصب‌شناسی و ارزیابی شناختی، النا برنامه‌های درمانی منحصربه‌فردی طراحی می‌کند که با نیازهای شما تطابق داشته باشد. 💡

اطلاعات بیشتر

#MentalHealth
#AIinHealthCare
#DigitalTherapy #Neuroscience

سری آموزشی پرامپت‌ها | قسمت 7️⃣
💡 چگونه پرامپت‌های بهینه تری بنویسیم؟


1️⃣ پرامپت را واضح و دقیق بنویسید
پرامپت‌های مبهم یا کلی، پاسخ‌های سطحی و نامرتبط تولید می‌کنند. بنابراین، مشخص کنید که مدل باید روی چه موضوعی تمرکز کند.
✅ مثال:
🚀 ناواضح: در مورد هوش مصنوعی توضیح بده.
🎯 واضح: هوش مصنوعی را از نظر تأثیر بر بازار کار در ۵ سال آینده تحلیل کن.

2️⃣ زمینه را مشخص کنید
ارائه‌ی اطلاعات زمینه‌ای به مدل کمک می‌کند پاسخ‌های مرتبط‌تر و دقیق‌تری ارائه دهد.
✅ مثال:
🏋️ کلی: یک برنامه تمرینی پیشنهاد بده.
📋 با زمینه: یک برنامه تمرینی ۴ هفته‌ای برای فردی که تازه بدنسازی را شروع کرده، ارائه بده.

3️⃣ قالب پاسخ را تعیین کنید
مشخص کنید که پاسخ باید در قالب لیست، جدول، مراحل یا مثال ارائه شود تا خوانایی بیشتری داشته باشد.
✅ مثال:
📑 بدون قالب: مراحل ثبت شرکت را توضیح بده.
📋 با قالب: مراحل ثبت شرکت را در ۵ گام مشخص همراه با مدت‌زمان تقریبی هر مرحله توضیح بده.

#AIinHealthCare #PromptEngineering
#Learning

سطح مهارت‌های GenAI خود را ارتقا دهید!

آیا می‌خواهید برنامه‌های واقعی GenAI بسازید؟ 🧠

در این دوره، مبانی ML، AI و LLM ها را یاد می‌گیرید و به توسعه عملی GenAI در محیط‌های ابری می‌پردازید. همچنین با مفاهیم کلیدی مانند تحلیل احساسات و امنیت آشنا خواهید شد! 🔐

این دوره برای توسعه‌دهندگان تازه و هر کسی که به دانش عملی GenAI نیاز دارد، مناسب است.
🔗 لینک ویدیو

#GenAI #AIinHealthcare #MachineLearning #LLM

🎉 شروع سال جدید با اشتراک تجربیات 🎉

💡 برای استفاده بهتر از چت‌بات‌ها، بیاید تجربیاتمون رو با هم به اشتراک بذاریم! فایل گوگل شیتی آماده شده که همه میتونن موارد استفاده مختلف از هر چت‌باتی (چه ChatGPT، Google Bard، Gemini یا هر ابزار دیگه) ثبت کنن.

📋 برای مشارکت، فقط کافیه روی لینک زیر کلیک کنید و تجربیات خودتون رو بنویسید:

👉📄 مشاهده و ویرایش فایل

با اشتراک‌گذاری تجربیاتمون، می‌تونیم از این ابزارها بهتر استفاده کنیم و به هم کمک کنیم. 🙌

نوروز باستانی، جشن شکوفایی طبیعت و نو شدن زندگی🪷🪷🪷 

این روز تاریخی بر همگی تون  مبارک
به امید روزهای روشن‌تر و پر از آرامش برای سرزمین عزیزمان، ایران.😊😊😊

بررسی تحول LLM در رادیولوژی: Radiology-Llama2! 🩺

✨مدل Radiology-Llama2 به عنوان یک ابزار در حوزه رادیولوژی شناخته می‌شد که به پزشکان کمک می‌کند تا گزارش‌های دقیق‌تری تهیه کنند.
این مدل با بر داده‌های پایگاه MIMIC می‌تواند تصاویر بالینی را به تشخیص‌های پزشکی تبدیل کند

🔍از سال 2024 تا حالا: Radiology-Llama2 توانایی‌هایش را بهبود داده و در حال حاضر می‌تواند خروجی‌های بسیار دقیق و قابل اعتمادی تولید کند.
🔍توجه بیشتری به ایمنی و کیفیت پاسخ‌ها شده است، به‌گونه‌ای که پزشکان به این اطلاعات بیشتر اعتماد می‌کنند.

💥اطلاعات بیشتر
- مقاله اول: (https://pubmed.ncbi.nlm.nih.gov/39779926/)
- مقاله دوم: (https://arxiv.org/abs/2305.09617)

#Radiology #LLM
#AIinHealthCare
#MedicalAI