خانه ژورنال دانشجویان ایران ( Iranian Students Article House , www.entofa.net )
.
عنوان فارسی مقاله : نقش هوش مصنوعی در رادیولوژی تشخیصی: بررسی برنامه آموزشی رزیدنتی رادیولوژی
.
English Article Title: The Role of Artificial Intelligence in Diagnostic Radiology: A Survey at a Single Radiology Residency Training Program
Year: 2018
Publisher: ELSEVIER
Journal: jacr , Journal of the American College of Radiology
DOI: https://doi.org/10.1016/j.jacr.2017.12.021
Keywords:
#Artificial_intelligence
#diagnostic_radiology
#residency_program
#survey
#هوش_مصنوعی
#رادیولوژی_تشخیصی
#رزیدنسی
#رزیدنسی_رادیولوژی
#رادیولوژی
#مطالعه
#علوم_پزشکی_و_بهداشت (#health)
#مقاله_پرستاری (#Nursing)
#مقاله_پزشکی (#Medical)
#علوم_انسانی_و_اجتماعی (#Social_Sciences_and_Humanities)
#مقاله_علوم_اجتماعی (#Social_Sciences)
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
چکیده مقاله:
هدف: پيش بيني مي شود که پيشرفتهای هوش مصنوعي در راديولوژي تشخيصی، تأثير عمده اي بر اين تخصص پزشکي داشته باشد. به منظور ایجاد مبنایی برای فعالیت های آموزشی در این موضوع،مطالعهای در میان کارآموزان و رادیولوژیست ها در یک برنامه رزیدنتی به اجرا در آمد.
روش ها: یک پرسشنامه ناشناس توزیع شد. مقایسهی داده های طبقه بندی شده بین گروه ها (کارآموزان و رادیولوژیست ها) با استفاده از آنالیز Pearson χ2 یا یک تحلیل دقیق هنگام لزوم انجام شد. زمانی که داده ها به صورت نرمال توزیع نشده بودند، مقایسه ها با استفاده از آزمون رتبه بندی ویلکاکسون رتبه بندی شد. به α مقدار 0.05 تعلق گرفت.
یافته ها: پاسخ کلی 66 درصد بود (69 از 104 مورد). سی و شش درصد شرکت کنندگان (25 نفر) گفتند که در طی 12 ماه گذشته، هیچ مقاله پزشکی درباره موضوع هوش مصنوعی نخواندهاند. 29 درصد از شرکت کنندگان (12 نفر) پاسخ دادند که از ابزارهای هوش مصنوعی در طول کار روزانه خود استفاده میکنند.شک و تردید کارآموزان در مورد اینکه آیا باید رادیوگرافی تشخیصی را به عنوان یک حرفه دنبال می کردند محتمل تر بود چرا که اگر میدانستند پیش بینی شده است که هوش مصنوعی تاثیر بالقوهای بر روی این تخصص خواهد داشت (P=.0254) بیشتر احتمال داشت تا برای یادگیری این موضوع برنامهریزی کنند.(P=.0401)
نتیجه گیری: برای رادیولوژیست ها مقالات علمی پزشکی هوش مصنوعی کمی ارائه شده است. کارآموزان نگران تاثیر هوش مصنوعی بر شغل شان هستند و مایلند در مورد موضوع مطالبی فرا بگیرند. نیاز به توسعه منابع آموزشی برای کمک به رادیولوژیست ها با فرض نقشی مهم در هدایت و تسهیل توسعه و اجرای ابزار هوش مصنوعی در رادیولوژی تشخیصی وجود دارد.
کلید واژه ها: هوش مصنوعی، رادیولوژی تشخیصی، رزیدنسی، مطالعه
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/2PrMCWr
.
عنوان فارسی مقاله : نقش هوش مصنوعی در رادیولوژی تشخیصی: بررسی برنامه آموزشی رزیدنتی رادیولوژی
.
English Article Title: The Role of Artificial Intelligence in Diagnostic Radiology: A Survey at a Single Radiology Residency Training Program
Year: 2018
Publisher: ELSEVIER
Journal: jacr , Journal of the American College of Radiology
DOI: https://doi.org/10.1016/j.jacr.2017.12.021
Keywords:
#Artificial_intelligence
#diagnostic_radiology
#residency_program
#survey
#هوش_مصنوعی
#رادیولوژی_تشخیصی
#رزیدنسی
#رزیدنسی_رادیولوژی
#رادیولوژی
#مطالعه
#علوم_پزشکی_و_بهداشت (#health)
#مقاله_پرستاری (#Nursing)
#مقاله_پزشکی (#Medical)
#علوم_انسانی_و_اجتماعی (#Social_Sciences_and_Humanities)
#مقاله_علوم_اجتماعی (#Social_Sciences)
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
چکیده مقاله:
هدف: پيش بيني مي شود که پيشرفتهای هوش مصنوعي در راديولوژي تشخيصی، تأثير عمده اي بر اين تخصص پزشکي داشته باشد. به منظور ایجاد مبنایی برای فعالیت های آموزشی در این موضوع،مطالعهای در میان کارآموزان و رادیولوژیست ها در یک برنامه رزیدنتی به اجرا در آمد.
روش ها: یک پرسشنامه ناشناس توزیع شد. مقایسهی داده های طبقه بندی شده بین گروه ها (کارآموزان و رادیولوژیست ها) با استفاده از آنالیز Pearson χ2 یا یک تحلیل دقیق هنگام لزوم انجام شد. زمانی که داده ها به صورت نرمال توزیع نشده بودند، مقایسه ها با استفاده از آزمون رتبه بندی ویلکاکسون رتبه بندی شد. به α مقدار 0.05 تعلق گرفت.
یافته ها: پاسخ کلی 66 درصد بود (69 از 104 مورد). سی و شش درصد شرکت کنندگان (25 نفر) گفتند که در طی 12 ماه گذشته، هیچ مقاله پزشکی درباره موضوع هوش مصنوعی نخواندهاند. 29 درصد از شرکت کنندگان (12 نفر) پاسخ دادند که از ابزارهای هوش مصنوعی در طول کار روزانه خود استفاده میکنند.شک و تردید کارآموزان در مورد اینکه آیا باید رادیوگرافی تشخیصی را به عنوان یک حرفه دنبال می کردند محتمل تر بود چرا که اگر میدانستند پیش بینی شده است که هوش مصنوعی تاثیر بالقوهای بر روی این تخصص خواهد داشت (P=.0254) بیشتر احتمال داشت تا برای یادگیری این موضوع برنامهریزی کنند.(P=.0401)
نتیجه گیری: برای رادیولوژیست ها مقالات علمی پزشکی هوش مصنوعی کمی ارائه شده است. کارآموزان نگران تاثیر هوش مصنوعی بر شغل شان هستند و مایلند در مورد موضوع مطالبی فرا بگیرند. نیاز به توسعه منابع آموزشی برای کمک به رادیولوژیست ها با فرض نقشی مهم در هدایت و تسهیل توسعه و اجرای ابزار هوش مصنوعی در رادیولوژی تشخیصی وجود دارد.
کلید واژه ها: هوش مصنوعی، رادیولوژی تشخیصی، رزیدنسی، مطالعه
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/2PrMCWr
Forwarded from ترجمه انگلیسی به فارسی
عنوان فارسی مقاله : محاسبه لبه و آینده ابر لبه برای برنامه های کاربردی اینترنت اشیاء
.
English Article Title: Future Edge Cloud and Edge Computing for Internet of Things Applications
Year: 2017
Publisher: IEEE
Journal: IEEE Internet of Things Journal
DOI: https://doi.org/10.1109/JIOT.2017.2767608
Keywords:
#Survey
#Internet_of_Things (#IoT)
#edge_cloud
#edge_computing
#Network_Function_Virtualization (#NFV)
#Software_Defined_Networking (#SDN)
#HomeCloud
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#نظرسنجی
#اینترنت_اشیاء
#ابر_لبه
#محاسبات_لبه
#مجازی_سازی_توابع_شبکه
#شبکه_نرم_افزار_تعریف_شده
چکیده مقاله:
اینترنت به سرعت در حال پیشرفت بسوی آینده " اینترنت اشیاء " (IOT) است که به طور بالقوه میلیاردها یا حتی تریلیون لبه دستگاه را متصل می کند که می تواند مقدار بسیار زیادی داده را با سرعت بسیار بالا تولید کند و برخی از برنامه ها ممکن است به تأخیر بسیار کم نیاز داشته باشند. زیرساخت ابر مرسوم با توجه به محاسبات متمرکز، ذخیره سازی و شبکه در تعدادی از مرکز داده ها و به دلیل فاصله نسبی بین دستگاه های لبه و مرکز داده های از راه دور، با یک سری مشکلات مواجه می شود. برای مقابله با این چالش، ابر لبه و محاسبات لبه به نظر می رسد یک فرصت امیدوار کننده دارند که منابع را نزدیک به دستگاه های IOT لبه منابع کم(ناکافی) فراهم می کند و به طور بالقوه می تواند یک اکوسیستم نوآوری جدید IOT را بوجود آورد. این دیدگاه توسط مجموعه ای از فن آوری های در حال ظهور از جمله مجازی سازی توابع شبکه (NFV) و شبکه نرم افزار تعریف شده (SDN) فعال می شود. در این مقاله ، دلیل اصلی ما، بررسی تلاش های پیشرفته، تکنولوژی های توانمند و موضوعات پژوهشی و برنامه های کاربردی IOT معمولی که از ابر لبه بهره می برد، مورد بررسی قرار می دهیم. ما قصد داریم یک تصویر کلی از هر دو تلاش تحقیقاتی در حال انجام و آینده پژوهش را از طریق بحث جامع به دست بیاوریم.
کلیدواژه: نظرسنجی، اینترنت اشیاء، ابر لبه، محاسبات لبه، مجازی سازی توابع شبکه (NFV)، شبکه نرم افزار تعریف شده
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/3dHWeFV
.
English Article Title: Future Edge Cloud and Edge Computing for Internet of Things Applications
Year: 2017
Publisher: IEEE
Journal: IEEE Internet of Things Journal
DOI: https://doi.org/10.1109/JIOT.2017.2767608
Keywords:
#Survey
#Internet_of_Things (#IoT)
#edge_cloud
#edge_computing
#Network_Function_Virtualization (#NFV)
#Software_Defined_Networking (#SDN)
#HomeCloud
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#نظرسنجی
#اینترنت_اشیاء
#ابر_لبه
#محاسبات_لبه
#مجازی_سازی_توابع_شبکه
#شبکه_نرم_افزار_تعریف_شده
چکیده مقاله:
اینترنت به سرعت در حال پیشرفت بسوی آینده " اینترنت اشیاء " (IOT) است که به طور بالقوه میلیاردها یا حتی تریلیون لبه دستگاه را متصل می کند که می تواند مقدار بسیار زیادی داده را با سرعت بسیار بالا تولید کند و برخی از برنامه ها ممکن است به تأخیر بسیار کم نیاز داشته باشند. زیرساخت ابر مرسوم با توجه به محاسبات متمرکز، ذخیره سازی و شبکه در تعدادی از مرکز داده ها و به دلیل فاصله نسبی بین دستگاه های لبه و مرکز داده های از راه دور، با یک سری مشکلات مواجه می شود. برای مقابله با این چالش، ابر لبه و محاسبات لبه به نظر می رسد یک فرصت امیدوار کننده دارند که منابع را نزدیک به دستگاه های IOT لبه منابع کم(ناکافی) فراهم می کند و به طور بالقوه می تواند یک اکوسیستم نوآوری جدید IOT را بوجود آورد. این دیدگاه توسط مجموعه ای از فن آوری های در حال ظهور از جمله مجازی سازی توابع شبکه (NFV) و شبکه نرم افزار تعریف شده (SDN) فعال می شود. در این مقاله ، دلیل اصلی ما، بررسی تلاش های پیشرفته، تکنولوژی های توانمند و موضوعات پژوهشی و برنامه های کاربردی IOT معمولی که از ابر لبه بهره می برد، مورد بررسی قرار می دهیم. ما قصد داریم یک تصویر کلی از هر دو تلاش تحقیقاتی در حال انجام و آینده پژوهش را از طریق بحث جامع به دست بیاوریم.
کلیدواژه: نظرسنجی، اینترنت اشیاء، ابر لبه، محاسبات لبه، مجازی سازی توابع شبکه (NFV)، شبکه نرم افزار تعریف شده
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/3dHWeFV