وبینار آموزشی «کاربردهای هوش مصنوعی در علوم آزمایشگاهی»

هزینه ثبت نام : 500 هزار تومان

 

آزمایشگاه پیش بالینی دانشگاه علوم پزشکی تهران برگزار می کند:

وبینار آموزشی: "اربردهای هوش مصنوعی در علوم آزمایشگاهی"

 

زمان: پنجشنبه 10 مهر ماه 1404 ساعت 9 الی 15

  

مدرس: پوریا ذوالفقاری

کارشناس آزمایشگاه پیش بالینی دانشگاه علوم پزشکی تهران

 

همراه با اعطای گواهی معتبر پایان دوره از دانشگاه علوم پزشکی تهران

 

 

سرفصل ها: 

 

بخش ۱: مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین

• تعاریف هوش مصنوعی (AI)، یادگیری ماشین (ML) و یادگیری عمیق (DL)
• انواع الگوریتم‌های یادگیری ماشین: دسته‌بندی، خوشه‌بندی، رگرسیون
• تفاوت بین یادگیری نظارت‌شده و بدون نظارت
• معرفی شبکه‌های عصبی و شبکه‌های عصبی کانولوشنی (CNN) برای تحلیل تصاویر

بخش ۲: ابزارهای عملی برای تحلیل داده‌های آزمایشگاهی

• معرفی ابزارها: پایتون، گوگل کولب، Scikit-learn، TensorFlow، AutoML
• منابع داده‌های آزمایشگاهی (مصنوعی یا واقعی)
• مرور مراحل توسعه مدل‌های هوش مصنوعی: پیش‌پردازش، آموزش، ارزیابی

بخش ۳: کاربردهای عمومی هوش مصنوعی در پزشکی آزمایشگاهی

• تفسیر خودکار نتایج آزمایش‌های آزمایشگاهی
• تحلیل تصاویر میکروسکوپی
• سامانه‌های پشتیبان تصمیم‌گیری بالینی (CDSS)
• پیش‌بینی بیماری‌ها بر اساس الگوهای داده‌های آزمایشگاهی
• خودکارسازی فرآیندها و بهینه‌سازی جریان کاری آزمایشگاه

بخش ۴: کاربردهای تخصصی هوش مصنوعی در بخش‌های مختلف آزمایشگاه

(هر زیر‌بخش شامل مثال‌های عملی یا منتشرشده است)

۱. هماتولوژی

• شناسایی خودکار سلول‌های خونی (اسمیر، CBC)
• پیش‌بینی نوع کم‌خونی و سرطان‌های خونی با استفاده از ML

۲. میکروب‌شناسی

• شناسایی کلونی‌های باکتریایی از تصاویر
• پیش‌بینی مقاومت آنتی‌بیوتیکی (AMR) با مدل‌های یادگیری ماشین

۳. بیوشیمی

• پیش‌بینی دیابت، نارسایی کلیه، کبد چرب از داده‌های بیوشیمیایی
• کشف الگوهای متابولیکی پنهان

۴. ایمونولوژی

• تفسیر خودکار نتایج ELISA و IFA
• تشخیص بیماری‌های خودایمنی با پشتیبانی هوش مصنوعی از پروفایل‌های سرولوژیک

۵. آزمایش‌های هورمونی (غدد درون‌ریز)

• تحلیل نوسانات هورمونی برای پیش‌بینی اختلالات
• کاربردهای هوش مصنوعی در ناباروری و اختلالات تیروئیدی

۶. ژنتیک و زیست‌شناسی مولکولی

• تحلیل داده‌های NGS و WGS با استفاده از هوش مصنوعی
• شناسایی جهش‌ها و بیماری‌های ژنتیکی با الگوریتم‌های ML

۷. قارچ‌شناسی

• شناسایی گونه‌های قارچی از طریق تصویر یا داده‌های ژنومی
• دسته‌بندی کلونی‌ها با استفاده از مدل‌های CNN

۸. انگل‌شناسی

• شناسایی انگل‌های خونی (مانند مالاریا) در اسمیرهای رنگ‌شده
• شناسایی تخم‌های کرمی در نمونه‌های مدفوع با بینایی ماشین

بخش ۵: جلسه عملی و نمایش کدنویسی

• تحلیل پایه داده‌های آزمایشگاهی با استفاده از Python/Colab
• آموزش یک مدل دسته‌بندی برای شناسایی کم‌خونی
• تحلیل تصاویر اسلایدهای میکروسکوپی با استفاده از مدل CNN آموزش‌دیده

بخش ۶: جمع‌بندی، پرسش و پاسخ، و منابع

• مرور مفاهیم کلیدی و ظرفیت‌های هوش مصنوعی در علوم آزمایشگاهی
• معرفی مقالات کلیدی و پروژه‌های واقعی
• منابع آموزشی برای مطالعه عمیق‌تر

لازم به ذکر است احتمال دریافت ایمیلهای آزمایشگاه در اسپم ( spam) وجود دارد.