تاریخ:
وزیر دارایی آلمان: جنگ ترامپ با ایران رشد ما را نصف کرد 
درس سی و دوم زبان
تشخیص زودهنگام "تب مالت" با فرمولهای ریاضی!
نتایج این پژوهش نشان میدهد که مدل شبکه عصبی مصنوعی عمیق میتواند بهعنوان یک روش کارآمد و هوشمند برای تشخیص موارد بروسلوز انسانی به کار گرفته شود.
بیماری "بروسلوزیس"یا "تب مالت"، ازجمله بیماریهایی است که با مصرف محصولات لبنی ناسالم به افراد منتقل میشود. محققان کشور برای تشخیص بهموقع این بیماری، استفاده از یک مدل شبکه عصبی مصنوعی را مورد استفاده قرار داده و به موفقیتهای خوبی دست یافتهاند.
به گزارش ایسنا، بروسلوزیس یا تب مالت یک بیماری با قدرت درگیرکردن چند ارگان است که در موارد شدید و حاد خود را بهصورت یک بیماری تبدار (ناگهانی و یا تدریجی) نشان میدهد. ولی در صورت عدم تشخیص و درمان بهموقع و مناسب، بیماری ادامه یافته و میتواند به سمت یک بیماری مزمن و ناتوانکننده با عوارض شدید و گاهی مرگبار پیش رفت کند. معمولاً شدت این بیماری در کسانی که بهدفعات با دامها در تماس هستند و بهطور دائمی با باکتری بروسلا تماس دارند خفیف و ملایم است. این بیماری به علت ایجاد سقط جنین در دام، کاهش تولید شیر، عقیمی و نازایی دامهای مبتلا و همچنین به علت ابتلای انسان به بیماری تب مالت، همواره از دو بعد اقتصادی و بهداشتی مورد توجه قرار میگیرد.
تب مالت بیماری است که به گفته محققان بیشتر در جوانان دیده میشود و در افراد با سن بالا، فراوانی کمتری دارد. سودمندترین آزمون بررسی پاسخ درمانی در بروسلوز، اندازهگیری عیار آزمونی به نام 2ME است. هرچند تعداد کمی از بیماران ممکن است بهطور خودبهخودی خوب شوند، اما تشخیص و درمان زودهنگام در بیماری تب مالت یک اصل مهم است، چراکه هر چه درمان دیرتر شروع شود، احتمال بروز عوارض و عود آن بیشتر میشود. بر اساس مطالعات، تأخیر بیش از 30 روز در شروع درمان، باعث عوارض بسیاری خواهد شد و تقریباً هر عضوی از بدن ممکن است به این باکتری آلوده شود. بر همین اساس تشخیص سریع و شروع بهموقع درمان آن از اهمیت بالایی برخوردار است.
در همین رابطه، پژوهشگرانی از دانشگاه ولیعصر (عج) رفسنجان و دانشگاه علوم پزشکی این شهر، پژوهشی را انجام دادهاند که در آن برای تشخیص بیماری بروسلوزیس، از شبکههای عصبی مصنوعی استفاده شده است.
در این مطالعه توصیفی-تحلیلی، موارد بروسلوز انسانی بر اساس شاخصهای جنس، سن، بارداری، سابقه تماس با دام و استفاده از مواد غیرپاستوریزه لبنی در طول سه سال از شهرستان رفسنجان واقع در جنوب ایران جمعآوریشده و مورد تحلیل قرار گرفتند و از روش شبکه عصبی مصنوعی «آتوانکو در عمیق» برای هر زیرمجموعه استفاده شد.
نتایج این پژوهش نشان میدهد که مدل شبکه عصبی مصنوعی عمیق میتواند بهعنوان یک روش کارآمد و هوشمند برای تشخیص موارد بروسلوز انسانی به کار گرفته شود.
به گفته علی فیاضی، محقق گروه مهندسی برق دانشگاه ولیعصر (عج) رفسنجان و همکارانش، «روش مورد مطالعه ما به صحت حدود 85 درصد و حساسیت 62 درصدی در پیشبینی موارد بیماری بروسلوزیس دست یافت، لذا نتایج تجربی، عملکرد دقیق شبکه عصبی را در تشخیص بیماری بروسلوز نشان میدهد».
آنها ادامه میدهند: «بااینحال مطالعه و پژوهشهای بیشتری برای طراحی مدلهای دیگر از شبکههای عصبی مصنوعی بر اساس یادگیری عمیق جهت تشخیص سایر بیمارهای عفونی مورد نیاز است».
بر اساس یافتههای این پژوهش که در نشریه «انفورماتیک سلامت و زیست پزشکی» منتشر شدهاند، میتوان از مدل مورد اشاره بهعنوان یک ابزار مناسب در تشخیص بهموقع بیماری بروسلوزیس استفاده کرد.
نشریه فوق بهصورت فصلنامه توسط مرکز تحقیقات انفورماتیک پزشکی دانشگاه علوم پزشکی کرمان انتشار مییابد.
لینک کوتاه: کپی لینک
سفر تصویری به قلب بنفش گیلان؛ فصل برداشت عطر آرامش در رودسر راز ۸۰۰ ساله نورهای قرمز آسمان مناطق شمالی ژاپن بالاخره فاش شد! (+عکس) عادتی ساده که از سرطان پیشگیری میکند تأثیر خاموش کردن کولر خودرو بر مصرف سوخت؛ واقعیت یا تصور اشتباه؟ سفر به ایران قاجاری؛ نقشه نایاب و با کیفیت آسیا در سال ۱۸۶۰ را ببینید کتاب مهم اسناد خلیجفارس جهانی شد ایده دانشمندان برای مقابله با گرمایش زمین: روشنکردن ابرها با پاشیدن آبنمک در آسمان اینها کممصرفترین خودروهای حال حاضر در بازار جهانی هستند هشدار سرلشکر رضایی: آمریکا در بنبست نظامی و سیاسی گرفتار شده است / در صورت اقدام نظامی، ناوهای آمریکا را غرق میکنیم شگفتی های آفرینش؛ وقتی اندازه و کارایی تناسبی پیچیده تشکیل می دهند! (+اینفوگرافیک) نجفی: رفتار آمریکا پیمان منع گسترش سلاحهای هستهای را تهدید میکند رابطه نرخ ارز و یارانه؛ پتانسیل افزایش کالابرگ تا ۲۵۰ هزار تومان رایزنی وزرای خارجه آمریکا و انگلیس درباره تنگه هرمز بیانیه مجلس خبرگان: رمز موفقیت ایران حفظ استحکام میدان و دیپلماسی است «سرخ و سیاه» در فستیوال سریال کن؛ نخستین حضور یک سریال ایرانی در بخش مسابقه