در سال های اخیر به استفاده از یادگیری ماشین در پزشکی توجه زیادی شده است. تشخیص کرونا از روی صدا یا تصاویر رادیولوژی، تشخیص سرطان، پیشبینی آلزایمر و کشف دارو، تنها حوزههای کوچکی هستند که یادگیری ماشین تاکنون توانسته توانایی خود را برای تقویت و حتی تحول مسائل پزشکی ارائه کند. یادگیری ماشین با استفاده حجم زیادی از داده ها و شناسایی الگو و نظریه یادگیری محاسباتی در هوش مصنوعی می تواند الگوریتم هایی را ایجاد کند که داده ها را یاد بگیرد و روی داده ها پیش بینی کند . یکی از کاربردهای یادگیری ماشین ، تشخیص درست بیماری های بدخیم در پزشکی است.
وبینار رایگان در حوزه یادگیری ماشین پزشکی
انجمن یادگیری ماشین زیست پزشکی استرالیا (Australian Society of Biomedical Machine Learning (ASBML))، وبیناری با عنوان modeling non linear covariate effects improves phenotype prediction and associated power Deepnull:در تاریخ 3 دسامبر 2021 (جمعه دوازدهم آذر 1400) ساعت 11:30 دقیقه به وقت استرالیا (5 صبح به وقت تهران) برگزار خواهد کرد. این وبینار با حضور دکتر فرهاد هرمزدیاری (Farhad Hormozdiari ) از شرکت Google Health و Harvard T.H. Chan School of Public Health برگزار خواهد شد. دکتر فرهاد هرمزدیاری در این وبینار ابزار جدید خود با عنوان DeepNull را به اشتراک خواهد گذاشت. تخصص دکتر فرهاد هرمزدیاری در حوزه های موضوعی یادگیری ماشین ، بیوانفورماتیک ، ژنتیک ، علوم کامپیوتر و ژنتیک محاسباتی است . دکتر فرهاد هرمزدیاری و همکاران با استفاده از DeepNull ، پیشبینی فنوتیپ بیماریهای انسانی را به طور قابل توجهی بهبود دادند. علاقه مندان برای شرکت در وبینار رایگان modeling non linear covariate effects improves phenotype prediction and associated power Deepnull: به آدرس https://sid.ir/661 مراجعه و ثبت نام کنند.
منابع:
ترک لادانی، الهه و آیت، سعید،1395،مروری بر روشهای یادگیری ماشینی برای پردازش تصاویر پزشکی در بدخیمی های معدوی،کنفرانس بین المللی مهندسی و علوم کامپیوتر.
Foster, K.R., Koprowski, R. & Skufca, J.D. Machine learning, medical diagnosis, and biomedical engineering research - commentary. BioMed Eng OnLine 13, 94 (2014). https://doi.org/10.1186/1475-925X-13-94
Park, C., Took, C.C. & Seong, JK. Machine learning in biomedical engineering. Biomed. Eng. Lett. 8, 1–3 (2018). https://doi.org/10.1007/s13534-018-0058-3