union
لوگو بیمارستان ولیعصر
لوگو بیمارستان ولیعصر
صفحه اصلی

معرفی واحد

اهداف و برنامه ها

دستاوردهای واحد

اعضای واحد

ارتباط با واحدآیین نامه هاقوانین و مقررات

مشاوره پژوهشی

جلسات شورای پژوهشی

محتوای آموزشی مربوط به محتوای بالینی

فعالیت های مرتبط با کووید 19

آموزش و پژوهشتقدیر و تشکر ، وابستگی سازمانیفعالیت های جوانی جمعیت

منابع الکترونیکی

راهنمای نصب اپلیکیشن PWA

سیستم کمک در تشخیص با هدف شناسایی خودکار نواحی درگیر در سکته مغزی ایسکمیک حاد بر پایه تصاویر غیر کنتراست سی تی اسکن با استفاده از الگوریتم های هوش مصنوعی.
سیستم کمک در تشخیص با هدف شناسایی خودکار نواحی درگیر در سکته مغزی ایسکمیک حاد بر پایه تصاویر غیر کنتراست سی تی اسکن با استفاده از الگوریتم های هوش مصنوعی.

واحد توسعه تحقیقات بالینی در راستای اولویت های پژوهشی کشور در استفاده از علوم نوین در حوزه پزشکی اقدام به اختصاص ویژه بخشی از فعالیت های خود در زمینه کاربردهای هوش مصنوعی در پزشکی نموده است. واحد برای دستیابی به این هدف با بهره گیری از همکاری مشترک متخصصین حوزه هوش مصنوعی و حوزه پزشکی و تامین سخت افزار مورد نیاز نظیر خریداری یک رایانه با قدرت پردازش قوی قدم های نخست خود را در این مسیر برداشته است. در ادامه در سال 1400 با برگزاری جلسات مشترک با پزشکان و سایر متخصصین حوزه پزشکی اقدام به دریافت نیازهای متخصصین به منظور خلق ایده نموده است. در اولین قدم ها دو ایده و نیاز مورد موافقت متخصصین دو حوزه برای اقدامات بعدی شامل مطالعات اولیه و آماده سازی پروپوزال قرار گرفته است. نتیجه مطالعات اولیه مربوطه امضای دو تفاهم نامه با مراکز تحقیقاتی کلیه و علوم اعصاب دانشگاه علوم پزشکی تبریز با هدف جمع آوری داده های تصاویر پزشکی، بالینی و آزمایشگاهی در راستای دو ایده مربوطه بوده است. واحد نیز در این مرحله وظیفه ارائه مشاوره تخصصی در حوزه های مختلف پزشکی و انجام کلیه مراحل طراحی مدل های کامپیوتری مبتنی بر هوش مصنوعی را در راستای دو ایده مطرح شده عهده دار می باشد. ایده های مربوطه در قالب دو پروپوزال و به عنوان اولین خروجی تفاهم نامه ها در دانشگاه علوم پزشکی تبریز مشغول طی مراحل اخذ کدهای اخلاق می باشند. به نام طرح های تحقیقاتی نیز در ذیل اشاره شده است. مهم ترین ویژگی طرح های تحقیقاتی نیاز محور و کاربردی بودن آن ها می باشد که بر اساس درخواست نیاز از سوی جامعه پزشکی مطرح شده است و در صورت موفقیت در طراحی و اعتبار سنجی مدل کمک در تشخیص با توجه به فناوری پیچیده مبتنی بر هوش مصنوعی قابلیت تبدیل شدن به یک فعالیت دانش بنیان را خواهد داشت.

 

1-Prostate-CAD: سیستم کمک در تشخیص خودکار گروه خطر در بیماران مبتلا به سرطان پروستات با استفاده از ترکیب مشخصات ژنتیکی و تصویر MRI بر اساس الگوریتم یادگیری عمیق.

 

2- AIS-CAD: سیستم کمک در تشخیص با هدف شناسایی خودکار نواحی درگیر در سکته مغزی ایسکمیک حاد بر پایه تصاویر غیر کنتراست سی تی اسکن با استفاده از الگوریتم های هوش مصنوعی.

برای اطلاعات بیشتر