معرفی کتاب👇🏻👇🏻👇🏻
عنوان:
#تحریک_عمیق_مغزی_برای_اختلالات_نورولوژیک: #پیشینه_نظری_و_کاربرد_بالینی
#Deep_Brain_Stimulation_for_Neurological_Disorders: #Theoretical_Background_and_Clinical_Application
#Toru_Itakura
2015
🍃🍂🍂🍃
@DrAmirMohammadShahsavarani
[لینک دانلود] 👇🏻👇🏻👇🏻
http://libgen.io/ads.php?md5=4C06804D918A9090155A8914B0081F3C
عنوان:
#تحریک_عمیق_مغزی_برای_اختلالات_نورولوژیک: #پیشینه_نظری_و_کاربرد_بالینی
#Deep_Brain_Stimulation_for_Neurological_Disorders: #Theoretical_Background_and_Clinical_Application
#Toru_Itakura
2015
🍃🍂🍂🍃
@DrAmirMohammadShahsavarani
[لینک دانلود] 👇🏻👇🏻👇🏻
http://libgen.io/ads.php?md5=4C06804D918A9090155A8914B0081F3C
libgen.io
Library Genesis
Library Genesis is a scientific community targeting collection of books on natural science disciplines and engineering.
♻️#تحریک #عمیق #مغزی (#DBS) بعنوان شیوه ای قابل اعتماد برای کاهش #اضطراب و مقابله با #بی_اشتهایی عصبی (#آنورکسیا نِروُزا)
#Deep #brain #stimulation (DBS) of the #subcallosal #cingulate for treatment-refractory #anorexia #nervosa: 1 year follow-up of an open-label trial
در پژوهشی که به تازگی در نشریه لنست به چاپ رسیده است، محققان دانشگاه تورونتو 🇨🇦 دریافتند با تحریک عمیق مغزی می توان به بهبود #خلق، کاهش #اضطراب و نیز افزایش #وزن در بیماری بی اشتهایی عصبی (#آنورکسیانروزا) مزمن کمک شایانی نمود.
در حدود 0.5% از جمعیت جهان، که بیشتر آنان دختران نوجوان و جوان هستند، مبتلا به اختلال بی اشتهایی عصبی می باشند. این احتلال وضعیتی است که فرد در آن بطور عمدتاً #ناخودآگاه بدلیل درگیری های #ذهنی در مورد ابعاد و سایز #اندام های خود دارند و مدام تصور می کنند #چاق و بدشکلند. زمانی وضعیت بدنی فرد در حالت آنورکسیا قرار می گیرد که فرد وزنی از 20% کمتر از #BMI استاندارد سن، جنس و تیپ بدنی خود را داشته باشد. افراد مبتلا به آنورکسیا تصورات تحریف شده و اشتباهی در مورد #تصویربدنی خود دارند. این بیماری #مزمن بوده و در صورت عدم مقابله و کنترل توسط اطرافیان، منجر به #مرگ خواهد شد.
این پژوهش بر 16 بیمار زن دارای آنورکسیانوروزای مزمن در بازه سنی 21 تا 57 سال و BMI متوسط 13.8 صورت گرفت. شرکت کنندگان تحریک مغزی عمیق (DBS) را در نواحی مرتبط با رفتارهای #کژکارانه دریافت نمودند. مدت زمان اجراب پژوهش 1 سال بود و شاخص های خلقی، اضطرابی و بهداشت روانی در کنار #PETاسکن نشان از تغییرات #فنوتیپی و #مورفولوژیک مدارهای عصبی و عملکردی در این افراد داشتند؛ BMI بطور متوسط 4 نمره بالا آمد.
الکترودها در نواحی زیرجسم پینه ای شیار #سینگولیت کاشته شدند و هر 90 میکروثانیه با جریانی معادل 5-6.5 ولت به مدت یکسال مغز بیماران را تحریک نمودند. نواحی ای که بیش از همه در این پژوهش تحت تاثیر بودند، هسته های #پوتامن، #مخچه، و #تالاموس می باشند.
لینک منبع 👇🏻(further reading)👇🏻
http://thelancet.com/journals/lanpsy/article/PIIS2215-0366(17)30076-7/fulltext
✅(در صورت جذابیت و علاقمندی به موضوع، مطلب را برای دیگران نیز بازنشر فرمایید).
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
@DrAmirMohammadShahsavarani
#Deep #brain #stimulation (DBS) of the #subcallosal #cingulate for treatment-refractory #anorexia #nervosa: 1 year follow-up of an open-label trial
در پژوهشی که به تازگی در نشریه لنست به چاپ رسیده است، محققان دانشگاه تورونتو 🇨🇦 دریافتند با تحریک عمیق مغزی می توان به بهبود #خلق، کاهش #اضطراب و نیز افزایش #وزن در بیماری بی اشتهایی عصبی (#آنورکسیانروزا) مزمن کمک شایانی نمود.
در حدود 0.5% از جمعیت جهان، که بیشتر آنان دختران نوجوان و جوان هستند، مبتلا به اختلال بی اشتهایی عصبی می باشند. این احتلال وضعیتی است که فرد در آن بطور عمدتاً #ناخودآگاه بدلیل درگیری های #ذهنی در مورد ابعاد و سایز #اندام های خود دارند و مدام تصور می کنند #چاق و بدشکلند. زمانی وضعیت بدنی فرد در حالت آنورکسیا قرار می گیرد که فرد وزنی از 20% کمتر از #BMI استاندارد سن، جنس و تیپ بدنی خود را داشته باشد. افراد مبتلا به آنورکسیا تصورات تحریف شده و اشتباهی در مورد #تصویربدنی خود دارند. این بیماری #مزمن بوده و در صورت عدم مقابله و کنترل توسط اطرافیان، منجر به #مرگ خواهد شد.
این پژوهش بر 16 بیمار زن دارای آنورکسیانوروزای مزمن در بازه سنی 21 تا 57 سال و BMI متوسط 13.8 صورت گرفت. شرکت کنندگان تحریک مغزی عمیق (DBS) را در نواحی مرتبط با رفتارهای #کژکارانه دریافت نمودند. مدت زمان اجراب پژوهش 1 سال بود و شاخص های خلقی، اضطرابی و بهداشت روانی در کنار #PETاسکن نشان از تغییرات #فنوتیپی و #مورفولوژیک مدارهای عصبی و عملکردی در این افراد داشتند؛ BMI بطور متوسط 4 نمره بالا آمد.
الکترودها در نواحی زیرجسم پینه ای شیار #سینگولیت کاشته شدند و هر 90 میکروثانیه با جریانی معادل 5-6.5 ولت به مدت یکسال مغز بیماران را تحریک نمودند. نواحی ای که بیش از همه در این پژوهش تحت تاثیر بودند، هسته های #پوتامن، #مخچه، و #تالاموس می باشند.
لینک منبع 👇🏻(further reading)👇🏻
http://thelancet.com/journals/lanpsy/article/PIIS2215-0366(17)30076-7/fulltext
✅(در صورت جذابیت و علاقمندی به موضوع، مطلب را برای دیگران نیز بازنشر فرمایید).
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
@DrAmirMohammadShahsavarani
♻️روشی جدید برای تشخیص #طول #عمر
#Precision #Radiology: #Predicting #longevity using feature #engineering and #deep #learning methods in a #radiomics framework
پژوهشگران دانشگاه آدلاید، دانشگاه کوینزلند، و انستیتو تکنیک های پیشرفته لیسبون در پژوهشی که به تازگی منتشر شده است، دریافتند سیستم های هوش مصنوعی قادرتند طول عمر افراد را با مرور #CTاسکن های #اندام های آنان پیش بینی کنند.
در این پژوهش که بر CTاسکن #سینه 48 بیمار صورت گرفت، سیستم های #هوش #مصنوعی (#AI) بر اساس #الگوریتم های #یادگیری #عمیق توانستند با 69 درصد دقت (همانند پیش بینی های معمول پزشکان) احتمال #مرگ #بیمار را در 5 سال آتی پیش بینی کنند. پژوهشگران نتوانستند مشخص کنند که برنامه های هوش مصنوعی دقیقاً بر اساس بررسی کدام بخش از تصاویر CTاسکن پیش بینی را صورت داده اند، اما پیش بینی ها در بیماری های وخیم مزمن (همچون #آمفیزم و بیماری های #قلبی) دقیق تر بود.
Abstract
#Precision #medicine approaches rely on obtaining precise knowledge of the true state of #health of an individual patient, which results from a combination of their #genetic risks and #environmental exposures. This approach is currently limited by the lack of effective and efficient non-invasive medical tests to define the full range of #phenotypic variation associated with individual #health. Such knowledge is critical for improved early intervention, for better #treatment #decisions, and for ameliorating the steadily worsening epidemic of chronic disease. We present proof-of-concept experiments to demonstrate how routinely acquired #cross-sectional #CT #imaging may be used to predict patient #longevity as a proxy for overall individual health and disease status using #computer image analysis techniques. Despite the limitations of a modest dataset and the use of off-the-shelf machine learning methods, our results are comparable to previous ‘manual’ clinical methods for longevity prediction. This work demonstrates that #radiomics techniques can be used to extract #biomarkers relevant to one of the most widely used outcomes in #epidemiological and #clinical research – #mortality, and that #deep #learning with convolutional #neural #networks can be usefully applied to radiomics research. Computer image analysis applied to routinely collected medical images offers substantial potential to enhance #precision #medicine initiatives.
لینک منبع 👇🏻(further reading)👇🏻
https://www.nature.com/articles/s41598-017-01931-w
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
@DrAmirMohammadShahsavarani
#Precision #Radiology: #Predicting #longevity using feature #engineering and #deep #learning methods in a #radiomics framework
پژوهشگران دانشگاه آدلاید، دانشگاه کوینزلند، و انستیتو تکنیک های پیشرفته لیسبون در پژوهشی که به تازگی منتشر شده است، دریافتند سیستم های هوش مصنوعی قادرتند طول عمر افراد را با مرور #CTاسکن های #اندام های آنان پیش بینی کنند.
در این پژوهش که بر CTاسکن #سینه 48 بیمار صورت گرفت، سیستم های #هوش #مصنوعی (#AI) بر اساس #الگوریتم های #یادگیری #عمیق توانستند با 69 درصد دقت (همانند پیش بینی های معمول پزشکان) احتمال #مرگ #بیمار را در 5 سال آتی پیش بینی کنند. پژوهشگران نتوانستند مشخص کنند که برنامه های هوش مصنوعی دقیقاً بر اساس بررسی کدام بخش از تصاویر CTاسکن پیش بینی را صورت داده اند، اما پیش بینی ها در بیماری های وخیم مزمن (همچون #آمفیزم و بیماری های #قلبی) دقیق تر بود.
Abstract
#Precision #medicine approaches rely on obtaining precise knowledge of the true state of #health of an individual patient, which results from a combination of their #genetic risks and #environmental exposures. This approach is currently limited by the lack of effective and efficient non-invasive medical tests to define the full range of #phenotypic variation associated with individual #health. Such knowledge is critical for improved early intervention, for better #treatment #decisions, and for ameliorating the steadily worsening epidemic of chronic disease. We present proof-of-concept experiments to demonstrate how routinely acquired #cross-sectional #CT #imaging may be used to predict patient #longevity as a proxy for overall individual health and disease status using #computer image analysis techniques. Despite the limitations of a modest dataset and the use of off-the-shelf machine learning methods, our results are comparable to previous ‘manual’ clinical methods for longevity prediction. This work demonstrates that #radiomics techniques can be used to extract #biomarkers relevant to one of the most widely used outcomes in #epidemiological and #clinical research – #mortality, and that #deep #learning with convolutional #neural #networks can be usefully applied to radiomics research. Computer image analysis applied to routinely collected medical images offers substantial potential to enhance #precision #medicine initiatives.
لینک منبع 👇🏻(further reading)👇🏻
https://www.nature.com/articles/s41598-017-01931-w
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
@DrAmirMohammadShahsavarani
Nature
Precision Radiology: Predicting longevity using feature engineering and deep learning methods in a radiomics framework
Scientific Reports - Precision Radiology: Predicting longevity using feature engineering and deep learning methods in a radiomics framework
تفاوت بین #یادگیری_ماشینی و #یادگیری_عمیق
#machine_learning
#deep_learning
#artificial_intelligence #AI
لینک مطالعه مقاله👇🏼👇🏼
https://www.ipbses.com/faq/postid/141/
#machine_learning
#deep_learning
#artificial_intelligence #AI
لینک مطالعه مقاله👇🏼👇🏼
https://www.ipbses.com/faq/postid/141/