#Encyclopedia of #Forensic and #Legal #Medicine: 1-4
#Roger_Byard, #Tracey_Corey, #Carol_Henderson, #Jason_Payne_James
@DrAmirMohammadShahsavarani
http://libgen.io/book/index.php?md5=4A0D0AEB8F4C7DFFD57C51C6A041F238
#Roger_Byard, #Tracey_Corey, #Carol_Henderson, #Jason_Payne_James
@DrAmirMohammadShahsavarani
http://libgen.io/book/index.php?md5=4A0D0AEB8F4C7DFFD57C51C6A041F238
libgen.io
Library Genesis: Roger Byard, Tracey Corey, Carol Henderson, Jason Payne-James - Encyclopedia of Forensic and Legal Medicine: 1…
Library Genesis is a scientific community targeting collection of books on natural science disciplines and engineering.
#Buprenorphine #Therapy of #Opiate #Addiction (#Forensic #Science and #Medicine)
Pascal Kintz, Pierre Marquet
@DrAmirMohammadShahsavarani
http://bookzz.org/book/1010961/89e969
Pascal Kintz, Pierre Marquet
@DrAmirMohammadShahsavarani
http://bookzz.org/book/1010961/89e969
bookzz.org
Buprenorphine Therapy of Opiate Addiction (Forensic Science and Medicine) | Pascal Kintz, Pierre Marquet | digital library bookzz
Buprenorphine Therapy of Opiate Addiction (Forensic Science and Medicine) | Pascal Kintz, Pierre Marquet | digital library bookzz | bookzz. Download books for free. Find books
♻️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