✔️ استاندارد HL7 ، ستون فقرات تبادل داده در سیستم های سلامت

▫️ استاندارد HL7 (Health Level Seven) یک استاندارد بین‌المللی برای تبادل و یکپارچه‌سازی اطلاعات سلامت است که امکان ارتباط مؤثر بین سیستم‌های مختلف مانند سیستم‌های اطلاعات بیمارستانی، سوابق الکترونیکی سلامت، و سیستم‌های آزمایشگاهی را فراهم می‌کند.

▫️ ویژگی‌های کلیدی HL7:

• ساختار پیام‌ها: تعریف دقیق ساختار و معنای هر فیلد اطلاعات.
• نسخه‌ها:
–نسخه HL7 v2.x: نسخه پیام‌محور و پرکاربرد.
–نسخه HL7 v3: مدل‌محور و معنایی‌تر.
–نسخه FHIR: نسل مدرن بر پایه REST API که تبادل داده‌ها را ساده می‌کند.

▫️ارتباط با DICOM:

استاندارد HL7 به عنوان استاندارد تبادل اطلاعات بالینی عمل می‌کند و DICOM به عنوان استاندارد تصاویر پزشکی، این دو استاندارد در کنار هم کیفیت خدمات پزشکی را ارتقا می‌دهند.

🆔️ telegram channel:
https://t.me/Intellimage
#image_processing
#date

📑 تازه های دنیای پژوهش

📃 تنظیم نور و سایه تصویر با فناوری NVIDIA PPISP

▫️پس از ثبت تصاویر، ممکن است متوجه شوید که برخی از فریم‌ها به درستی نوردهی نشده‌اند. در سال 2024، این مشکل تا حدی با استفاده از میدان‌های نوری دوطرفه (Bilagrid) حل شد، اما هنوز هم به اندازه‌ای که انتظار می‌رفت به آن توجه نشده است.

▫️مقاله جدید NVIDIA با عنوان "PPISP: جبران و کنترل فیزیکی تغییرات فوتومتریک در بازسازی میدان درخشانی" به این موضوع پرداخته و نویدبخش است. این مقاله به بررسی نویز ظاهری می‌پردازد که بازسازی چند نمایی را مختل می‌کند و نشان می‌دهد که این نویز تصادفی نیست، بلکه ناشی از عملکرد دوربین است.

▫️به زبان ساده، PPISP سهم دوربین را به چند بخش تقسیم می‌کند که عکاسان به راحتی آن‌ها را شناسایی می‌کنند. اولین بخش، تنظیم نوردهی است که به صورت یک مقیاس روشنایی برای هر فریم عمل می‌کند. اگر یک فریم به دلیل کاهش زمان شاتر یا کاهش گین تیره‌تر شود، PPISP می‌تواند آن را به عنوان یک جبران نوردهی برای آن فریم نشان دهد.
🔗 article

🆔️ telegram channel:
https://t.me/Intellimage
#image_processing
#article

آن افتاب خوبی چون بر زمین بتابد ؛
آن دم زمین خاکی بهتر ز آسمان‌ است ✨
[مولانا]

میلاد با سعادت یگانه منجی عالم بشریت ، حضرت مهدی(عج الله تعالی فرجه الشریف) را گرامی میداریم.

#اللهم_عجل_لولیک_الفرج

🆔️ telegram channel:
https://t.me/Intellimage

📚 #پروژه تحلیل پردازش تصویر با یک ایمپلنت گلوکومای میکرومقیاس

در این پروژه، به بررسی و تحلیل پردازش تصویری یک استنت گلوکومای با دقت چاپ ۲ میکرومتر پرداختیم که با استفاده از فناوری پیشرفته μSLA/PμSL تولید شده است.

🔬 فرآیند پردازش تصویر در این پروژه :

• طراحی مبتنی بر تصویربرداری OCT و شبیه‌سازی CFD

• کنترل ابعادی با بینایی ماشین و الگوریتم‌های تشخیص لبه (Edge Detection)

• تحلیل سطح با SEM و اندازه‌گیری زبری در مقیاس نانومتر

• مانیتورینگ لایه‌های چاپ با دوربین‌های پرسرعت و Image Registration

• تشخیص عیوب ریز با شبکه‌های عصبی (CNN)

+ این پروژه به دنبال ارتقاء کیفیت ایمپلنت‌های چشم‌پزشکی و ایجاد راهکارهای نوین در درمان بیماری‌های چشمی است.
🆔️ telegram channel:
https://t.me/Intellimage
#image_processing
#project

🧠🆕️ برینومیکس از نرم‌افزار جدید مبتنی بر هوش مصنوعی برای تشخیص سکته مغزی با تصاویر سی‌تی‌اسکن در کنفرانس بین‌المللی سکته مغزی رونمایی می‌کند !

با ما همراه باشید✨

🆔️ telegram channel:
https://t.me/Intellimage
#image_processing
#software

🔗 نحوه ی عملکرد نرم افزار برینومیکس برای تشخیص سکته مغزی

▪︎نرم‌افزار Brainomix 360 Stroke Next Generation به طور خودکار ارزیابی میزان جذب آب خالص (NWU) را انجام می‌دهد، که یک نشانگر بیومارکر مبتنی بر سی‌تی‌اسکن است و می‌تواند به بهبود طبقه‌بندی ریسک برای بیماران با سکته‌های شدید کمک کند.

▪︎برای بیماران مبتلا به سکته‌های شدید، یک نرم‌افزار نوظهور مبتنی بر هوش مصنوعی برای اسکن‌های سی‌تی ممکن است بینش‌های پیش‌آگهی بهتری ارائه دهد. این نرم‌افزار که در کنفرانس بین‌المللی سکته مغزی در ۴ تا ۶ فوریه رونمایی می‌شود ، ارزیابی خودکار میزان جذب آب خالص (NWU) را ارائه می‌دهد. به گفته برینومیکس، توسعه‌دهنده این نرم‌افزار، افزودن ارزیابی NWU می‌تواند مدیریت بیماران با سکته‌های شدید را بهبود بخشد.

▪︎جرج هارستون، رئیس بخش پزشکی و نوآوری برینومیکس، گفت: «خروجی خودکار میزان جذب آب خالص، ویژگی‌های منحصر به فرد حجم هسته ایسکمی و e-ASPECTS برینومیکس را تکمیل می‌کند تا به پزشکان در تمام مراکز درمانی بینش‌های عمیق‌تری از آسیب سکته مغزی با استفاده از یک سی‌تی‌اسکن غیر کنتراست معمولی ارائه دهد. شواهد جدید به طور فزاینده‌ای NWU را به عنوان یک بیومارکر تصویربرداری حیاتی برای اطلاع‌رسانی در تصمیمات درمانی و بهبود پیش‌آگهی در شدیدترین سکته‌ها برجسته می‌کند.»

+ این شرکت همچنین افزود که ترکیب بینش‌های مبتنی بر هوش مصنوعی و قابلیت‌های مشاهده DICOM تقویت‌شده با نرم‌افزار Brainomix 360 Stroke Next Generation، جریان کار سی‌تی را کارآمدتر می‌کند.

🆔️ telegram channel:
https://t.me/Intellimage
#image_processing
#software

✅ قسمت ۲۳ پردازش دیتا با #پایتون

📊 ساخت Dataset در PyTorch

▫️در پروژه‌های پردازش تصویر، مخصوصاً در یادگیری عمیق، مدیریت داده‌ها اهمیت زیادی دارد.

▫️معمولا برای ساخت Dataset سه متد زیر را پیاده‌سازی می‌کنیم:

* init →transforms دریافت مسیر داده‌ها و تعریف

* getitem →خواندن تصویر و برگرداندن
(image, label)

* len → تعداد کل نمونه‌ها


▫️این ساختار پایه‌ای‌ترین و استانداردترین روش برای کار با دیتاست‌های تصویری در پروژه‌های بینایی ماشین است.

+ در پست بعد یک نمونه دیتاست را بااین روش اجرا می‌کنیم.

باماهمراه باشید ✨
🆔️ telegram channel:
https://t.me/Intellimage
#image_processing
#python

🔗 ساخت Dataset در PyTorch

📃 به منظور اجرای آموزش پست قبل ، به عنوان مثال برای تشخیص پنومونیا، به یک دیتاست تصاویر پزشکی (Chest X-ray) نیاز داریم؛هر تصویر فقط یکی از دو برچسب را دارد: سالم یا مبتلا به پنومونیا.

from typing import List, Dict
import monai
from torch.utils.data import Dataset

class PneumoniaDataset(Dataset):
    definit(self, data: List[Dict], transform: monai.transforms.Compose = None) -> None:
        #Initializes the dataset with data and optional transformations.
        self.data = data
        self.transform = transform

    defgetitem(self, idx: int) -> Dict:
        #Fetches an item by index, applies transformations if any, and returns it.
        item = self.data[idx]
        if self.transform:
            item = self.transform(item)
        return item

    deflen(self) -> int:
        #Returns the length of the dataset.
        return len(self.data)

🆔️telegram channel:
https://t.me/Intellimage
#image_processing
#python

📚 #پروژه تحلیل رفتار راننده با استفاده از پردازش تصویر

▫️همه ما لحظاتی را در پشت فرمان تجربه کرده‌ایم که کمی خسته‌ایم یا به سرعت یک اعلان را چک می‌کنیم. اما این چند ثانیه می‌تواند همه چیز را تغییر دهد. بخاطر همین هدف انجام این پروژه این بود که فقط "داده‌ها پردازش نشود " بلکه واقعاً یک سیستم مراقبتی باشد.

▫️این سیستم چگونه کار می‌کند:

• خستگی را تشخیص می‌دهد: به جای انتظار برای انحراف، هوش مصنوعی با نظارت بر پلک زدن (با استفاده از نقاط مرجع صورت) خستگی را قبل از اینکه خطرناک شود، شناسایی می‌کند.

• چشم دوم: با استفاده از مدل YOLO که بهینه‌سازی شده ، تشخیص می‌دهد آیا راننده به تلفن یا چیز دیگری حواسش پرت شده است یاخیر.

• متمرکز می‌ماند: با ردیابی وضعیت سر، اطمینان حاصل می‌کند که چشم‌های راننده روی جاده هستند یاخیر.

• سریع و سبک: پروژه به گونه‌ای بهینه‌سازی شده که روی سخت‌افزار ساده داخل خودرو اجرا شود، بنابراین نیازی به ابرکامپیوتر وجود ندارد.
👤Parsa Vahediuon
🆔️telegram channel:
https://t.me/Intellimage
#image_processing
#project

🇮🇷🆕️ جدیدترین فناوری پردازش تصویر و بینایی ماشین در نسل جدید موشک‌های نقطه‌زن

• امروز، فناوری‌های نوین نقش کلیدی در افزایش دقت و کارایی سلاح‌ها ایفا می‌کنند.

• پردازش تصویر و بینایی ماشین به جدیدترین نسل موشک‌های نقطه‌زن این امکان را می‌دهد که اهداف را با دقت بیشتری شناسایی و دنبال کنند. این تکنولوژی‌ها با تحلیل داده‌های بصری در زمان واقعی، به موشک‌ها کمک می‌کنند تا از موانع عبور کرده و به هدف خود برسند.

+ نتیجه افزایش دقت ، کاهش آسیب‌های جانبی و فقط اصابت به هدف است.

🆔️ telegram channel:
https://t.me/Intellimage
#image_processing
#machin_vision

📚 #پروژه آنالیز تومور مغزی در نرم افزار ITK-SNAP

▫️نرم افزار ITK-SNAP یک نرم‌افزار منبع باز برای تجزیه و تحلیل و پردازش تصاویر پزشکی است.

▫️این نرم‌افزار امکان بارگذاری و مشاهده تصاویر DICOM را فراهم می‌کند و به کاربران اجازه می‌دهد تا ساختارهای مختلف مانند تومورها و اندام‌ها را با استفاده از قابلیت segmenting شناسایی و علامت‌گذاری کنند.

+ نرم افزار ITK-SNAP دارای ابزارهای متنوعی برای مشاهده سه‌بعدی و تجزیه و تحلیل کمی داده‌ها است و به دلیل رابط کاربری ساده‌اش، در میان محققان و پزشکان محبوب است.
🆔️ telegram channel:
https://t.me/Intellimage
#image_processing
#project

🔴 کمک فوری برای جراحی چشم سلین چهار ساله

📌 سلین از بدو تولد با مشکل بینایی روبه‌رو بوده است. با پیوند سلول بنیادی از پدرش، یکی از چشمانش بینایی گرفته. اکنون پزشکان انجام پیوند برای چشم دیگر را ضروری دانسته‌اند، اما هزینه‌ها با وجود دولتی بودن بیمارستان، تحت پوشش کامل بیمه نیست.

با همراهی شما می‌توانیم فرصت دیدن را به سلین هدیه دهیم ❤️

👈 مشارکت از طریق حساب رسمی نیکوکاری خیرینه:
💳 6037997950416207
💳 6037997950394024
🔗 kheyrine.ir/product/16041

(کلیه مبالغ جمع‌آوری‌شده مطابق شرایط
مندرج در بیوی کانال هزینه خواهد شد.)
🆔 @kheyrine_ir

🔭 ثبت تصویر کهن‌ترین ستاره با لنز گرانشی

▫️ نقطه‌ی قرمز درخشان در انتهای فلش در این عکس فضایی درواقع، ارندل، ستاره‌ای ۱۳ میلیارد ساله است که ستاره‌شناسان در سال جاری آن را کشف کردند.

▫️ این ستاره کهن‌ترین ستاره‌ای است که تاکنون شناخته شده و تلسکوپ فضایی هابل آن را رصد کرد. این ستاره به لطف روش لنز گرانشی رصد شد که به آشکارسازی اولین نورهای جهان کمک می‌کند.

🆔️ telegram channel:
https://t.me/Intellimage

🇮🇷🆕️ پیشرفت ربات جراح سینا

▫️ربات جراح ایرانی «سینا» با توانایی‌های بی‌نظیرش در جراحی از راه دور و بینایی ماشین ، لرزش دست را حذف کرده و دقت حرکات را به سطحی جدید ارتقا می‌دهد.

+ حالا ایران به عنوان دومین کشور سازنده این ربات پیشرفته، مسیر جهانی شدن را پیمود.

🆔️ telegram channel:
https://t.me/Intellimage
#robotics

🩻🩺 تصویر CT #کیس_هفته۴

✔ متاستاز کبدی در تصاویر سه‌بعدی سی‌تی اسکن

• متاستاز کبدی به گسترش سلول‌های سرطانی از تومور اولیه به کبد اشاره دارد.فرآیند متاستاز شامل مراحل زیر است:

• تهاجم محلی (Local Invasion)
• رگ‌گذاری (Intravasation)
• گردش (Circulation)
• ایست و خروج (Arrest and Extravasation)
• تکثیر (Proliferation)
• رگ‌زایی (Angiogenesis)

+ در پست بعد نحوه ی عملکرد پردازش تصویر را روی تشخیص این ضایعه بررسی می‌کنیم.

🆔️ telegram channel:
https://t.me/Intellimage
#image_processing
#case_study

🔗 پردازش تصویر سی‌تی اسکن سه‌بعدی متاستاز کبدی #کیس_هفته۴

🩺 تشخیص متاستاز کبدی با استفاده از پردازش تصویر و VLMها

۱. تشخیص ضایعات با کنتراست بالا: متاستازها به‌طور معمول به‌عنوان توده‌های هیپودنس در تصاویر سی‌تی اسکن شناسایی می‌شوند. الگوریتم‌های پردازش تصویر می‌توانند تفاوت‌های ظریف در چگالی بافت را شناسایی کرده و نواحی مشکوک را هایلایت کنند.

۲. بازسازی سه‌بعدی و آنالیز حجمی: دستگاه‌های مدرن سی‌تی اسکن امکان تهیه مقاطع ظریف و بازسازی تصاویر در زوایای مختلف را فراهم می‌کنند. این قابلیت به پزشکان اجازه می‌دهد تا ارتباط تومور با عروق خونی و مجاری صفراوی را مشاهده کرده و حجم و تعداد ضایعات را با دقت بالا محاسبه کنند.

۳. تصویربرداری مولتی‌فازیک: پردازش تصویر امکان بررسی نحوه جذب ماده حاجب در فازهای مختلف (شریانی، وریدی و تأخیری) را فراهم می‌کند، که به تمایز متاستازها از تومورهای خوش‌خیم کمک می‌کند.

+ شبکه های VLM قادرند تصاویر را به سرعت آنالیز کرده و نواحی مشکوک را به رادیولوژیست‌ها گزارش دهند.
این سیستم‌ها با مقایسه خودکار اسکن‌های جدید با اسکن‌های قبلی، تغییرات کوچک در اندازه یا تعداد ضایعات را شناسایی می‌کنند که نشانه عود بیماری است. شبکه های VLM می‌توانند در ارزیابی اثربخشی درمان‌ها مانند شیمی‌درمانی کمک کنند، با اندازه‌گیری تغییرات ابعاد و ویژگی‌های بافتی تومورها در طول زمان، تصمیم‌گیری برای ادامه یا تغییر درمان را تسهیل می‌کنند.

🆔️ telegram channel:
https://t.me/Intellimage
#image_processing
#case_study

#گزارش

باسلام و احترام
به لطف خدا و همراهی شما عزیزان ؛ هزینه های درمان سلین عزیز تامین و تقدیم ایشان گردید.
امیدواریم که به زودی هر دو چشم قشنگ سلین، زیبایی های دنیا را تماشا کند...

چشمان تان پرنور❤

سپاس از همراهی ارزشمند شما عزیزان🙏✨

@kheyrine_ir
🆔️https://t.me/Intellimage

📉 فریم ورک MONAI در پردازش داده های پزشکی (Medical Open Network for AI)

○• فریم ورک MONAI یک فریم‌ورک متن‌باز و توسعه‌پذیر است که به طور خاص برای تسهیل توسعه و استقرار مدل‌های یادگیری عمیق در زمینه تصویربرداری پزشکی طراحی شده است. این فریم‌ورک به دلیل قابلیت‌های خاص خود در پردازش داده‌های پزشکی، به یکی از ابزارهای محبوب در این حوزه تبدیل شده است.ویژگی های این فریم ورک شامل:

۱. پیش‌پردازش و افزایش داده
۲. معماری‌های متنوع
۳. مدل‌های پیش‌آموزش‌دیده
۴. آموزش توزیع‌شده
۵. پشتیبانی از داده‌های چندبعدی
۶. یکپارچگی با دیگر ابزارها

•○کاربردهای MONAI :
• تشخیص تومور: استفاده از مدل‌های یادگیری عمیق برای شناسایی و تشخیص تومورها در تصاویر MRI و CT.
• بخش‌بندی تصاویر: تقسیم‌بندی دقیق ساختارهای مختلف در تصاویر پزشکی، مانند بخش‌بندی اندام‌ها یا تومورها.
• تحلیل تصاویر پزشکی: استخراج ویژگی‌ها و تحلیل داده‌ها برای بهبود تشخیص و درمان بیماری‌ها.
• پیش‌بینی نتایج بالینی: استفاده از مدل‌ها برای پیش‌بینی روند بیماری یا پاسخ به درمان.
🆔️ telegram channel:
https://t.me/Intellimage
#image_processing

📚#پروژه ساخت ربات بینایی ماشین با تفکر
تطبیقی براساس روش RD-VLA

💡هدف پروژه : رباتها برای کارهای ساده سریع‌تر و برای کارهای پیچیده‌تر عمیق‌تر فکر کنند، بدون اینکه نیاز به آموزش مجدد داشته باشند.

■ مدل‌های فعلی ربات‌ها که به تصاویر، زبان و عمل (Vision-Language-Action یا VLA) پاسخ می‌دهند، همیشه از یک روش ثابت برای پردازش استفاده می‌کنند. اما انسان‌ها بر اساس پیچیدگی کارها، میزان فکر کردن و پاسخ دادن خود را تغییر می‌دهند. RD-VLA پیشنهاد می‌کند که ربات‌ها نیز باید بتوانند بر اساس سختی کار، روش‌های محاسباتی خود را تنظیم کنند.

■ عملکرد بهتر با ساختار سه بخشی:

•بخش Prelude: ورودی‌ها (مثل تصویر و متن) را به یک شکل ساده‌تر تبدیل می‌کند.
•بخش Recurrent Core: بخشی است که می‌تواند چند بار اطلاعات را بررسی کند تا بهترین پاسخ را پیدا کند.
•بخش Coda: نتیجه نهایی را به عمل تبدیل می‌کند، مثلاً اینکه ربات چه کاری باید انجام دهد.
🆔️ telegram channel:
https://t.me/Intellimage
#machin_vision
#robotics