هزینه ثبت نام:
|
500,000 تومان
|
ظرفیت باقیمانده:
|
20 نفر
|
زمان:
|
پنجشنبه 10 مهر ماه 1404 ساعت 9 الی 15
|
مکان:
|
مجازی
|
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.