افزونه جلالی را نصب کنید.
- مشکل اصلی شناسایی بیماران HIV
- مراکز اهدای خون باید متناسب با مراکز درمانی توسعه یابد
- بازدید شبانه رئیس دانشگاه از خوابگاههای دانشجویی
- پیشنهاد ما آغاز یک هم سفرگی علمی پایدار با کشورهای آفریقایی است
- افزایش موارد مسمومیت کبدی با اسپیرولینا؛ زنگ خطر برای مصرفکنندگان
- کسب مدال طلای تجربه برتر بالینی آکسیا ۱۴۰۴ توسط سوپروایزر مرکز آموزشی درمانی الزهرا(س) اصفهان
- آغاز ثبتنام ۲۶۰ دانشجوی بینالملل در دانشگاه علوم پزشکی قم
- مراسم تکریم و معارفه معاون بهداشت و مشاور و رئیس حوزه ریاست دانشکده علوم پزشکی تربت جام برگزار شد
- بازدید و هماندیشی مدیران دانشگاه علوم پزشکی گیلان با سازمان مردمنهاد لبخند جاوید خزر
- انجام جراحی پیشرفته تعویض کامل مفصل زانو در مرکز آموزشی درمانی سجادیه تربتجام
- روزشمار پویش ملی اطلاع رسانی تغذیه سالم؛ 18 آذر: نان سالم و رسانه
- سومین اهدای عضو بیمار مرگ مغزی در بیمارستان شهید بهشتی آبادان
- بیماری آنفلوانزا در قم روند کاهشی دارد
- انتصاب ریٔیس دانشگاه علوم پزشکی ایرانشهر
- توسعه سامانه هوشمند تشخیص خودکار آسیبهای تروماتیک مغزی در بیمارستان شهید هاشمینژاد
- گسترش قابل توجه فعالیتهای درمانی و اجتماعی در گروه علوم اعصاب مشهد؛ طی سالهای اخیر
- گفتگو با رتبهی نخست رشته ترجمه خوانی در بخش دانشجویی بیست و نهمین جشنواره کشوری قرآن و عترت
- انتخاب استاد برجسته دانشگاه علوم پزشکی مشهد با ۲۸۶ مقاله بهعنوان پژوهشگر ممتاز دانشگاه
توسعه سامانه هوشمند تشخیص خودکار آسیبهای تروماتیک مغزی در بیمارستان شهید هاشمینژاد
معاون پژوهشی مرکز آموزشی، پژوهشی و درمانی شهید هاشمینژاد مشهد موفق به طراحی و ارزیابی یک نرمافزار هوشمند کمکتشخیصی شده است که قادر است آسیبهای ناشی از ترومای سر را در تصاویر CT Scan بهصورت خودکار تشخیص دهد. این سامانه که بر پایه فناوریهای نوین هوش مصنوعی و یادگیری عمیق توسعه یافته، میتواند نقش مؤثری […]
معاون پژوهشی مرکز آموزشی، پژوهشی و درمانی شهید هاشمینژاد مشهد موفق به طراحی و ارزیابی یک نرمافزار هوشمند کمکتشخیصی شده است که قادر است آسیبهای ناشی از ترومای سر را در تصاویر CT Scan بهصورت خودکار تشخیص دهد. این سامانه که بر پایه فناوریهای نوین هوش مصنوعی و یادگیری عمیق توسعه یافته، میتواند نقش مؤثری در تسریع تشخیص و ارتقای کیفیت خدمات اورژانس ایفا کند.
ویژگیهای سامانه از نگاه پژوهشگر طرح
دکتر رضوانی، متخصص طب اورژانس، عضو هیأت علمی دانشگاه و معاون پژوهشی بیمارستان شهید هاشمینژاد درباره جزئیات این پروژه گفت:این نرمافزار یک ابزار کمکتشخیصی مبتنی بر هوش مصنوعی است که ابتدا تصاویر CT سر را از میان سایر تصاویر پزشکی شناسایی و جداسازی میکند و سپس با بهرهگیری از مدلهای یادگیری عمیق، احتمال وجود ضایعات تروماتیک مغزی را بهصورت عددی همراه با سطح اطمینان گزارش میدهد. این سامانه میتواند نتایج را برای هر اسلایس بهصورت جداگانه و یا در قالب گزارش جامع ارائه کند.
وی با اشاره به اهمیت تشخیص سریع افزود:به دلیل زمانبر بودن بررسی دستی تصاویر و حساسیت بالا در تشخیص آسیبهای مغزی، استفاده از چنین سامانههایی میتواند به شکل چشمگیری زمان تشخیص را کاهش دهد؛ بهویژه در بخش اورژانس که تصمیمگیری بهموقع حیاتی است.
کاربردهای علمی و بالینی سامانه
این نرمافزار دارای قابلیتهای متعددی است که از جمله میتوان به مواردی همچون کمک به پزشکان اورژانس و رادیولوژیستها در تشخیص سریع بیماران مشکوک،اولویتبندی بیماران و کاهش زمان انتظار،تسهیل غربالگری اولیه و کاهش فشار کاری متخصصان،استفاده آموزشی در تربیت دانشجویان و رزیدنتها و کاهش خطای انسانی بهویژه در مراکز درمانی آموزشی اشاره کرد.
دکتر رضوانی با اشاره به فراوانی بیماران مشکوک به آسیبهای تروماتیک مغزی و دسترسی گسترده بیمارستانها به دستگاه CT Scan تأکید کرد:دامنه بهرهبرداری از این محصول بسیار وسیع بوده و میتواند در بخشهای مختلف درمانی و آموزشی مورد استفاده قرار گیرد.
این سامانه در واحد تحقیقات بیمارستان شهید هاشمینژاد و تحت نظارت متخصصین طب اورژانس و کارشناسان هوش مصنوعی مورد ارزیابی قرار گرفته است. در این مطالعه:۳۱۰۰ تصویر واقعی CT سر از بیماران سالم و مبتلا به آسیب تروماتیک از سیستم PACS مرکز استخراج شد.مقایسه نتایج نرمافزار با گزارش متخصصین نشان داد این سامانه در شناسایی موارد مشکوک از دقت بالایی برخوردار است.این طرح دارای کد اخلاق پژوهشی بوده و پس از طی مراحل ارزیابی، نتیجه آن بهطور رسمی ثبت شده است.
نتایج این پژوهش در قالب مقاله علمی و با DOI: 10.22038/ijmp.2025.78206.2392 منتشر شده است.
صرفهجویی در زمان، هزینه و منابع انسانی
دکتر رضوانی با اشاره به مزایای بهکارگیری این سامانه گفت:این نرمافزار قادر است تصاویر CT سر را در کمتر از یک دقیقه تحلیل کند و این امر سرعت تشخیص را در شرایط اورژانسی بهطور قابل توجهی افزایش میدهد. همچنین با انجام غربالگری اولیه، بار کاری رادیولوژیستها کاهش یافته و احتمال نادیدهماندن ضایعات کوچک کمتر میشود. تشخیص سریع و دقیق میتواند از بستریهای غیرضروری جلوگیری کرده و هزینههای درمانی ناشی از تشخیص دیرهنگام را کاهش دهد.
پژوهشگران بیمارستان شهید هاشمینژاد اعلام کردند که مراحل بعدی توسعه نرمافزار و برنامههای انتقال فناوری در دستور کار قرار دارد. این سامانه میتواند بهعنوان یکی از نمونههای موفق استفاده از هوش مصنوعی در ارتقای خدمات تشخیصی و درمانی کشور معرفی شود.
- دیدگاه های ارسال شده توسط شما، پس از تایید توسط روابط عمومی ایران مدلبز منتشر خواهد شد.
- پیام هایی که حاوی تهمت یا افترا و خلاف قوانین جمهوری اسلامی باشد منتشر نخواهد شد.
- لازم به یادآوری است که آی پی شخص نظر دهنده ثبت می شود و کلیه مسئولیت های حقوقی نظرات بر عهده شخص نظر بوده و قابل پیگیری قضایی می باشد که در صورت هر گونه شکایت مسئولیت بر عهده شخص نظر دهنده خواهد بود.
- پیام هایی که به غیر از زبان فارسی یا غیر مرتبط باشد منتشر نخواهد شد.

