https://cpprc.tums.ac.ir//مقالات-2024/تعیین-نرخ-بازگشت-انقباضات-زودرس-بطنی-و-تاکیکاردی-بطنی-ایدیوپاتیک-پس-از-ابلیشن-کاتتر-فرکانس-رادیویی-با-کمک-طراحی-یک-مدل-یادگیری-ماشینی
آریتمیهای بطنی باعث افزایش بیماریها و مرگومیر قلبی-عروقی میشوند. در صورت عدم وجود ناهنجاریهای ساختاری قلب، بازگشت مکرر انقباضات زودرس بطنی (PVC) و تاکیکاردی بطنی ایدیوپاتیک (IVT) معمولاً خوشخیم در نظر گرفته میشود. هوش مصنوعی (AI) بهسرعت در حال پیشرفت است و در سالهای اخیر، پزشکان به کاربردهای یادگیری ماشینی (ML) که بخشی از هوش مصنوعی است، علاقه زیادی نشان دادهاند. این فناوری در حوزههای مختلفی از جمله تشخیص بیماریها، تصمیمگیری، طبقهبندی پیشآگهی و تحلیل جنبههای پیچیده آسیبشناسی بی
https://cpprc.tums.ac.ir//article/مقایسه-ابزار-هوش-مصنوعی-HeartModelAI-با-تصویربرداری-MRI-در-ارزیابی-حجم-و-عملکرد-بطن-چپ-بیماران-مبتلا-به-کاردیومیوپاتی-دیلاته
ادغام هوش مصنوعی دقت ارزیابیها را افزایش میدهد و حتی با تغییرات کیفیت تصویر، ارزیابیهای قابل اعتمادی از حجمهای بطن چپ و کسری جهش قلبی ارائه میکند. نرمافزارهای تجاری مانند **HeartModelAI** اندازهگیری خودکار حجمهای بطن چپ و کسری جهش قلبی را ساده کرده و فرآیند را خودکار میکنند. در این مقاله، یک مطالعه مقطعی انجام شده تا دقت تشخیصی اکوکاردیوگرافی 3D خودکار (HeartModelAI) را با تصویربرداری رزونانس مغناطیسی قلب استاندارد در بیماران مبتلا به کاردیومیوپاتی دیلاته مقایسه و ارزیابی شود. این مطالع
https://cpprc.tums.ac.ir//مطالب-آموزشی-/هوش-مصنوعی-و-تحول-در-حوزه-قلب-و-عروق
آینده مراقبتهای قلبی و عروقی ادغام هوش مصنوعی با پزشکی قلب و عروق گامی مهم در پیشرفت این حوزه است. از بهبود قابلیتهای تشخیصی تا شخصیسازی برنامههای درمانی، هوش مصنوعی آماده است تا مراقبت از سلامت قلب را متحول کند. با این حال، در حین پذیرش این پیشرفتهای تکنولوژیکی، ضروری است که رویکردی متعادل حفظ کنیم و اطمینان حاصل کنیم که ملاحظات اخلاقی و رفاه بیماران در اولویت قرار دارند. نقش هوش مصنوعی در بهبود سلامت قلب و عروق هوش مصنوعی (AI) با ورود به دنیای پزشکی، به ویژه در حوزه قلب و عروق، تحولات چشم
https://cpprc.tums.ac.ir//مقالات 2024/کاربرد-تکنیک-های-هوش-مصنوعی-برای-تشخیص-بیماری-کبد-چرب-غیر-الکلی:-مروری-سیستماتیک-2005–2023
بیماری کبد چرب غیر الکلی (NAFLD) یک بیماری شایع کبدی با شیوع سریع و در حال رشد در سراسر جهان است. برای پیش آگهی و تصمیمات درمانی، تشخیص مراحل پاتولوژیک NAFLD از جمله استئاتوز، استئاتوهپاتیت و فیبروز کبد مهم بوده و به طور قطعی در بیوپسی تهاجمی تشخیص داده میشوند. تصویربرداری سونوگرافی غیر تهاجمی (US) شامل تکنیک الاستوگرافی ایالات متحده و پارامترهای بالینی می تواند برای تشخیص و درجهبندی NAFLD و عوارض آن استفاده شود. هوش مصنوعی (AI) به طور فزایندهای برای توسعه مدلهای تشخیصی NAFLD بر اس
انتقادات و پیشنهادات خود را برای ما ارسال کنید