هوش مصنوعی در تصویربرداری شبکیه: پشتیبان تشخیصی برای رزیدنت ها

چکیده مقاله

این مطالعه با هدف بررسی تاثیر هوش مصنوعی به عنوان پشتیبان تشخیصی بر عملکرد رزیدنت ها در تحلیل تصاویر شبکیه و ارزیابی کاربردهای بالینی این فناوری انجام شد روش تحقیق توصیفی تحلیلی بود و شامل تحلیل تصاویر شبکیه توسط رزیدنت ها با و بدون استفاده از الگوریتم های هوش مصنوعی مبتنی بر شبکه های عصبی کانولوشنی و یادگیری عمیق بود عملکرد رزیدنت ها از نظر دقت تشخیص، سرعت تحلیل، شناسایی ضایعات کوچک و تعامل با بازخورد هوش مصنوعی مورد ارزیابی قرار گرفت و داده ها با استفاده از تحلیل های آماری و روش های مقایسه ای پردازش شد یافته ها نشان داد که استفاده از هوش مصنوعی موجب افزایش قابل توجه دقت تشخیص رزیدنت ها، بهبود توانایی شناسایی ضایعات ظریف و کاهش خطاهای تشخیصی شد سرعت تحلیل تصاویر نیز افزایش یافت و بازخورد الگوریتم ها موجب یادگیری فعال و بهبود مهارت های بالینی رزیدنت ها شد تحلیل تعامل انسان و ماشین نشان داد که عملکرد ترکیبی دقت و استانداردسازی تحلیل تصاویر شبکیه را همزمان ارتقاء می دهد و تجربه آموزشی فعال و پویا برای رزیدنت ها ایجاد می کند مقایسه با تحقیقات پیشین نشان داد که نتایج این مطالعه با پژوهش های قبلی در زمینه تشخیص دیابتیک رتینوپاتی، گلوکوم و دژنراسیون ماکولا هم راستا است، اما این تحقیق علاوه بر ارزیابی عملکرد الگوریتم ها، تاثیر هوش مصنوعی بر یادگیری و تعامل رزیدنت ها در محیط بالینی را به شکل جامع بررسی کرده و به کاربردهای آموزشی و بالینی آن پرداخته است این مطالعه اهمیت هوش مصنوعی در افزایش دقت تشخیص، کاهش خطاهای انسانی، ارتقاء سرعت تحلیل تصاویر و فراهم آوردن محیط آموزشی فعال را نشان می دهد و پایه ای مستحکم برای توسعه سیستم های هوشمند و نوآورانه در چشم پزشکی مدرن فراهم می آورد

کلیدواژه‌ها

نویسندگان

محمدمهدی نظری

Graduate in General Medicine from Far Eastern Federal University FEFU

رها افراسیابی زوباران

A dental student at Cheboksary University

نظری، محمدمهدی و افراسیابی زوباران، رها،1404،هوش مصنوعی در تصویربرداری شبکیه: پشتیبان تشخیصی برای رزیدنت ها،بیستمین کنفرانس بین المللی بهداشت، درمان و ارتقای سلامت

ارائه‌شده در

مجموعه مقالات بیستمین کنفرانس بین المللی بهداشت، درمان و ارتقای سلامت24 مرداد 1404