🎶👀 صداها را تماشا کنید؛ پخش صدای ویولن‌سل، در اسپیکری که زیر یک حباب هوا در داخل کره‌ای از آب، در وضعیتی با نیروی گرانش بسیار پایین (میکروگرانش) قرار گرفته است.

✔️ @OnlineBME

✅هوش مصنوعی گوگل می تواند زمان مرگ شما را پیش بینی کند☠️☠️

👩‍🏫نویسنده: هما کاشفی امیری

⏰آیا مایلید زمان مرگ خود را بدانید؟ 😇

🔶گوگل، هوش مصنوعی جدید خود را آموزش داده است و پیش بینی می کند آیا بیماران یک بیمارستان 24 ساعت پس از پذیرش فوت می کنند یا خیر؟
🔶دقت آزمایشات اولیه آن 95% است. اما هوش مصنوعی چطور اینکار را انجام می دهد؟

🔶سیستم از اطلاعات پایه بیمار مانند سن، قومیت و جنسیت او استفاده می کند. الگوریتم جدید از اطلاعاتی مانند علائم حیاتی بیمار، سابقه ی پزشکی بیمار و حتی PDFها، نمودارها و یادداشت های دست نویس پزشکان استفاده می کند تا بر اساس آنها زمان مرگ را پیش بینی کند.

این تکنولوژی مسیری جدید را گشوده است.

🕑این سیستم می تواند در زمان پذیرش بیمار تخمین بزند چند روز در بیمارستان خواهد ماند و یا شانس اینکه دوباره در این بیمارستان پذیرش شود چقدر است؟🛏

منبع:https://www.foxbusiness.com/markets/google-ai-can-predict-when-you-will-die
#خبر
#هوش_مصنوعی

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
📖 @onlineBME

Google AI can predict when you will die
Google can predict the risk of death for hospital patients with 95% accuracy.

Caption no caption...

✔️ @OnlineBME

🔍 خدا هیچ قولی نداده که ما در زندگیمون مشکلی نداشته باشیم...
ولی قول داده که نیروی مبارزه رو به ما بده...
#جول_اوستین
✔️ @OnlineBME

هوش مصنوعی گوگل می تواند زمان #مرگ شما را پیش بینی کند🤨🧐
#هوش_مصنوعی
#پیش_بینی_زمان_مرگ
✔️ @OnlineBME

"مرگ خیلی آسان می‌تواند به سراغ من بیاید، اما من تا می‌توانم زندگی کنم نباید به پیشواز مرگ بروم. البته اگر یک وقتی ناچار با مرگ روبرو شدم - که می‌شوم - مهم نیست، مهم این است که زندگی یا مرگ من چه اثری در زندگی دیگران داشته باشد…"
#ماهی_سیاه_کوچولو
صمد بهرنگ
https://bbc.in/2LZ3EWU

@onlinebme

📚 آموزش برنامه نویسی پایتون
#جلسه10_python

#lists_in_python

👩‍🏫 مدرس: مهندس معصومه دلگرمی 🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖➖➖
✔️ @onlineBME

📋 #جزوه خام جلسه 6 پترن در پردازش سیگنال
☑️ انجام پروژه spike sorting| پیاده سازی الگوریتم kmeans, fcm
#خوشه_بندی
#پردازش_سیگنال
#علوم_اعصاب
#kmeans
#fcm
#unit_activity

✔️ @onlineBME

مقاله مربوط به تمرین جلسه 6
مقاله Gmeans که بهبود یافته kmeans هست و تعداد k را خود الگوریتم تعیین میکند
🌀مقاله را پیاده سازی کرده و فایل گزارش و کد رو به آیدی زیر ارسال کنید
@onlinebme_admin

📕📒📗یادگیری ماشین
#جلسه_هشتم( #ML8 ) :
ادامه الگوریتم ژنتیک
👩‍🏫 مدرس: هما کاشفی امیری
#machine_learning
#ML8
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
✔️ @onlineBME

✅هوش مصنوعی چگونه علم را تغییر می دهد؟

👩‍🏫نویسنده: هما کاشفی امیری

✍️گادی سینگر از اعضای شرکت اینتل معتقد است چالش های اصلی در راه هستند: استفاده از هوش مصنوعی برای تغییر شیوه های بررسی علمی

🔶در اولین رویداد AI DevCon اینتل، رئیس اینتل و مدیر معماری گروه محصولات هوش مصنوعی این شرکت، نقش خود را در تقاطع علم تبیین کرده و بیان کردند که دانشمندان چگونه باید به هوش مصنوعی نزدیک شوند و چرا هوش مصنوعی پویاترین و هیجان انگیزترین فرصت برای آنهاست

🤔هوش مصنوعی چگونه علوم را تغییر می دهد؟
اکتشاف علمی در مرحله ی گذار است و بهتر است نحوه ی اکتشاف علمی 100 سال گذشته را با دهه های 50 و 60 مقایسه کنیم تا به این تفاوت پی ببریم. در دهه ی 60، میزان داده ی جمع آوری شده زیاد بود اما دانشمندان می توانستند اطلاعاتی که در هر زمینه ی علمی از جمله آب و هوا، زلزله شناسی، زیست شناسی، داروسازی، اکتشاف داروهای جدید بود را تحلیل کنند. امروزه حجم داده ها تا حدی زیاد شده است که افراد دیگر این توانایی را ندارند که به تنهایی آن را تحلیل کنند. ترکیب حجم زیاد این اطلاعات با روش های محاسبات مدرن و یادگیری عمیق، فرصت های جدید و هیجان انگیزی پدید آورده است.

در یک مورد که از قدرت یادگیری عمیق استفاده می کند، شناسایی الگوهای بسیار ضعیف در یک مجموعه داده ی نویزی حتی بدون وجود مدل ریاضیاتی دقیق از عنصر مورد جستجوست

🔶در مورد حوادث کیهانی که در کهکشان های دور اتفاق می افتد فکر کنید، شما به دنبال ویژگی های پدیده ای هستید که می توان آن را یک مجموعه داده ی بسیار بسیار بزرگ در نظر گرفت. این مثال یک نمونه جستجو بدون پرسش واضح است، اما تنها کافی است به سیستم یادگیری عمیق خود داده هایی را تزریق کنید وآموزش دهید در نهایت سیستم شما، یک الگوی خاص را پیدا خواهد کرد.

🔶گاهی اوقات می دانید به دنبال چه هستید اما نمی دانید چطور آن را پیدا کنید
برای مثال نمی توانید معادله ریاضیاتی دقیقی را برای مدل جستجوی خود تعریف کنید. داده برای تست روش های سعی و خطا و تحلیل big data خیلی بزرگ است و یا ویژگی های کافی برای جستجوی الگو در اختیار ندارید. یادگیری عمیق می تواند به شما کمک کند که در یک مجموعه داده ی چند بعدی و نویزی، به خوبی کلاسبندی کنید.

منبع:
https://m.phys.org/news/2018-05-artificial-intelligence-science.html
#خبر
#هوش_مصنوعی
#big_data
#یادگیری_عمیق

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
📖 @onlineBME

How is artificial intelligence changing science?
Intel's Gadi Singer believes his most important challenge is his latest: using artificial intelligence (AI) to reshape scientific exploration.

✅ پروژه تشخیص و ردیابی #دود در ویدیو
دوستان شرکت کننده دردوره همانند این ویدیو پروژه جلسه 6 را تکمیل کرده ونتیجه را به ادمین کانال ارسال کنند
روش: ویژگی بافت + کلاسبند svm+ روش #رشدناحیه
✔️ @OnlineBME

⌨ ویدیویی از کیبوردهای جالب و خاصی که تایپ کردن رو، آسان و لذت‌بخش می‌کنند.

✔️ @OnlineBME

✅انسان یا ماشین: هوش مصنوعی در تشخیص سرطان پوست از متخصصین پوست هم بهتر عمل می کند

👩‍🏫نویسنده: هما کاشفی امیری

🔶محققان برای اولین بار نوعی سیستم هوش مصنوعی یا یادگیری ماشین به نام شبکه عصبی کانولوشنی را برای تشخیص سرطان پوستی به کار برده اند و نتایج نشان داده است که این سیستم بهتر از متخصصین پوست می تواند سرطان را تشخیص دهد.

🔶در مطالعه ای که پژوهشگران در آلمان، ایالات متحده و فرانسه انجام دادند، یک شبکه ی CNN را آموزش دادند تا سرطان پوست را تشخیص دهد و برای این منظور بیش از 100000 تصویر ملانومی خوش خیم را به عنوان نمونه ی آموزش به این سیستم دادند (کشنده ترین نوع سرطان پوستی). محققان عملکرد این سیستم را با تشخیص 58 نفر از متخصصان پوست مقایسه کردند و نتیجه گرفتند که شبکه CNN به احتمال کمتری سرطان های پوستی ملانوما را به عنوان فرد سالم اشتباه کلاسبندی کرده است.

🔶این شبکه، یک شبکه عصبی مصنوعی است که برای ساخت آن از فرآیندهای بیولوژیکی مغز انسان الهام گرفته شده است و سلول های عصبی مغز به یکدیگر متصل بوده و آن چیزی که چشم می بیند پاسخ می دهند. CNN مسئول یادگیری سریع از تصاویر است و باید با توجه به تصاویری که دیده است به خود آموزش دهد تا عملکرد خود را بهبود بخشد.

🔶نویسنده ی اول این پژوهش پروفسور هولگر هنسل، پزشک فوق تخصص پوست در دانشکده ی پوست، دانشگاه هیدلبرگ آلمان توضیح می دهد: شبکه CNN مانند مغز یک کودک کار می کند. برای آموزش این شبکه، بیش از 100000 تصویر از سرطان های بدخیم و خوش خیم پوستی را نشان دادیم. تنها از تصاویر ماتوسکوپی استفاده شده اند یعنی ضایعاتی که 10 برابر بزرگنمایی شده اند. با ارائه ی هر تصویر آموزشی، قابلیت CNN برای تفکیک ضایعات خوش خیم و بدخیم بهبود یافت.

🔶پس از اتمام آموزش، دو مجموعه تصویر از کتابخانه ی هایدلبرگ ایجاد کردیم که از قبل برای آموزش استفاده نشده بودند و برای CNN ناشناخته بودند. یک مجموعه از 300 تصویر برای تست عملکرد CNN استفاده شدند. قبل از انجام این کار100 مورد از سخت ترین تصاویر برای تشخیص انتخاب شده توسط متخصصین پوست با نتایج CNN مقایسه شدند.

🔶58 نفر متخصص پوست از 17 کشور مختلف انتخاب شدند تا عملکرد تشخیصی آنها با سیستم CNN مقایسه شود. در وهله ی اول متخصصین پوست به طور متوسط 86.6% از ملانومی ها را تشخیص دادند و 71.3% از ضایعات خوش خیم را تعیین کردند. با این حال زمانی که CNN برای این تشخیص استفاده شد، 95% از ملانوم ها را تشخیص داد.
منبع:
https://m.medicalxpress.com/news/2018-05-machine-ai-dermatologists-skin-cancer.html

#خبر
#هوش_مصنوعی
#شبکه_عصبی_کانولوشنی
#یادگیری_عمیق
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
📖 @onlineBME

Man against machine: AI is better than dermatologists at diagnosing skin cancer
Researchers have shown for the first time that a form of artificial intelligence or machine learning known as a deep learning convolutional neural network (CNN) is better than experienced dermatologists ...

📚 آموزش برنامه نویسی پایتون
#جلسه11_python

#functions_in_python

👩‍🏫 مدرس: مهندس معصومه دلگرمی 🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖➖➖
✔️ @onlineBME

✅ تشخیص ناراحتی قلبی با نگاه کردن به چشم افراد توسط الگوریتم جدید AI شرکت گوگل

👩‍💻 نویسنده: معصومه دلگرمی

✍️ دانشمندان شرکت گوگل و زیر مجموعه‌ی سلامت و فناوری آن، با استفاده از یادگیری ماشین روش جدیدی را برای دستیابی به میزان احتمال ابتلای افراد به بیماری قلبی کشف کردند. نرم افزار این شرکت از طریق آنالیز اسکن پشت چشم افراد، قادر به گرفتن داده‌ی دقیق (از جمله سن، فشار خون و اینکه آیا فرد سیگاری است یا نه) می باشد. پس از این روش می توان برای پیش بینی خطر ابتلا به بیماری های قلبی مانند حمله قلبی استفاده کرد. دقت این روش تقریباً برابر دقت روش های پیشین مرسوم است. این الگوریتم باعث می شود تا پزشکان سریعتر و راحت تر خطر ابتلا به بیماری قلبی عروقی را در یک فرد تحلیل کنند در حالی که این روش هیچگونه نیازی به آزمایش خون ندارد.
اما قبل از اینکه بتوان از این روش در یک محیط کلینیکی استفاده کرد، باید به طور کامل تست شده و از آن اطمینان پیدا کرد. مقاله ای که این کار را توصیف می کند، در مجله‌ی Bio medical Engineering منتشر شد. اگرچه این تحقیق قبل از بررسی به اشتراک گذاشته شده بود.
Luke Oakden-Rayrev
یک پزشک محقق در دانشگاه آدلاید (Adelaide) متخصص تجزیه تحلیل یادگیری ماشین است. وی به Verge گفت: این کار، یک کار Solid است و نشان می دهد چگونه AI می تواند به بهبود ابزارهای تشخیصی موجود کمک کند.
دانشمندان گوگل، برای آموزش این الگوریتم، از الگوریتم های یادگیری ماشین برای تجزیه و تحلیل مجموعه داده های پزشکی نزدیک به 300000 بیمار استفاده کردند. این اطلاعات شامل اسکن چشم بیمار و اطلاعات پزشکی عمومی است.
شبکه های عصبی به منظور استخراج اطلاعات برای الگوها و یادگیری علائم هشداردهنده در اسکن چشم با معیارهای مورد نیاز برای پیش بینی خطر ابتلا به بیماری قلبی عروقی (مانند: سن، فشار خون و ...) مورد استفاده قرار می گیرند.
اگرچه ایده‌ی نگاه کردن به چشم افراد برای قضاوت در مورد سلامت قلب، غیرمعمول به نظر می رسد اما از بدنه‌ی یک تحقیق ثابتی برگرفته شده است.
دیواره‌ی داخلی پشت چشم (فوندوس) پر از عروق خونی است که منعکس کننده‌ی سلامت کلی بدن است. پزشکان با مطالعه‌ی ظاهر این ناحیه با دوربین و میکروسکوپ، می توانند اطلاعاتی مانند فشار خون فرد، سن و اینکه آیا فرد سیگاری است یا خیر؛ که همه‌ پیش بینی کننده‌های مهم سلامت قلب و عروق هستند را پیش بینی کنند.
هنگامی که تصاویر شبکیه‌ی دو بیمار ارائه شد یکی از آنها در مدت 5 سال بعد دچار یک رویداد قلبی عروقی شد و یکی از آنها نه، الگوریتم گوگل قادر به تشخیص این اتفاق بود. این روش تنها اندکی از روش Score بدتر بود. روش Score یک متدی برای پیش بینی خطر ابتلا به بیماری قلبی عروقی است که نیاز به آزمایش خون دارد و در 72 درصد از موارد به درستی پیش بینی می کند.
Alun Hughes
استاد فیزیولوژی و فارماکولوژی در دانشگاه UCL لندن گفت: رویکرد گوگل به دلیل تاریخچه‌ی طولانی ای که در زمینه پیش بینی خطر ابتلا به بیماری قلبی عروقی دارد، معتبر و مؤثر است.
وی اضافه کرد هوش مصنوعی توانایی افزایش سرعت در تجزیه و تحلیل پزشکی را دارد اما هشدار داده که الگوریتم قبل از آنکه مورد اعتماد قرار بگیرد، باید ابتدا مورد آزمایش قرار بگیرد.
برای گوگل، این فراتر از یک روش جدید برای پیش بینی خطر ابتلا به ناراحتی قلبی است. در واقع راهی است به سوی یک کشف علمی جدید.
اکثر الگوریتم های پزشکی، به عنوان جایگزینی برای ابزارهای تشخیصی موجود ایجاد می شوند (مانند تشخیص سرطان پوست). این الگوریتم روش های جدیدی را برای تجزیه و تحلیل داده های پزشکی موجود پیدا کرده است.
با وجود داده های کافی، امیدوار است که هوش مصنوعی بتواند بینش کاملاً پزشکی جدیدی را بدون جهت انسانی ایجاد کند.
احتمالاً یکی از دلایل اینکه گوگل چنین پروژه هایی را به صورت خلاقانه ایجاد کرده، جمع آوری پرونده های پزشکی 10000 نفر طی 4 سال است.
منبع:

https://www.theverge.com/2018/2/19/17027902/google-verily-ai-algorithm-eye-scan-heart-disease-cardiovascular-risk


#خبر
#هوش_مصنوعی
#بیماری_قلبی

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
✔️ @onlineBME

ربات هوش مصنوعی به فضا می رود!

✔️ @onlineBME

نام این ربات CIMON یا مخفف Crew Interactive Mobile companion است.
🔶این ربات دستیار فضانورد که توسط شرکت های Airbus و IBM طراحی شده است به فضانوردان آژانس فضایی اروپا کمک می کند.
🔶هدف از این پروژه کاهش استرس فضانوردان و حجم کار آنها در طی پروازهای فضایی است.
🔶هرچقدر CIMON در ایستگاه فضایی اقامت طولانی تر داشته باشد، هوشمندتر شده و اطلاعات بیشتری از محیط بدست می آورد.
🔶محققان CIMON را به جای شمایل انسانی به صورت یک توپ طراحی کرده اند که به راحتی در فضا شناور می شود، وزن آن در حدود 11 پوند و کمی بزرگتر از توپ بسکتبال است.
🔶این ربات اولین دستیار هوش مصنوعی فضانورد خودمختار است و به لطف اپلیکیشن های تشخیص چهره می تواند همه ی اعضای یک تیم فضایی را بشناسند و با آنها ارتباط برقرار کند.😊😊

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
✔️ @onlineBME

تصویری از چشم طوفان فلورانس که راهی ساحل جنوب‌شرقی آمریکاست و فردا به خشکی می‌رسد.
احتمالا سنگین‌ترین طوفان ٢۵سال اخیر در آمریکا می‌شود.
‏به بیش از ١.۵میلیون نفر در مسیر طوفان دستور تخلیه داده‌اند.

#آقازادەھای_واقعی 👌
۱۶ نفر از دانش آموزان قشر فقیر یک کلاس در شهرستان سراوان سیستان و بلوچستان موفق به قبولی در رشته پزشکی شدند، یک نفر هم در رشته داروسازی پذیرفته شد
✔️ @OnlineBME

📕📒📗یادگیری ماشین
#جلسه_نهم( #ML9 ) :
ادامه الگوریتم ژنتیک
👩‍🏫 مدرس: هما کاشفی امیری
#machine_learning
#ML9
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
✔️ @onlineBME