▶️ آموزش #پایتون

✅ قسمت۲۲ پردازش دیتا با #پایتون

🖇ابزار Pydicom !

◇• یک ابزار کوچک اما قدرتمند برای هر کسی که در دنیای پزشکی و پردازش تصویر کار می‌کند!

◇• اگر با تصاویر پزشکی مثل MRI، CT یا X-ray کار می‌کنید، حتماً با فرمت DICOM آشنا هستید.

◇• ابزار Pydicom یک کتابخانه‌ی Python است که به شما اجازه می‌دهد فایل‌های DICOM را خوانده، ویرایش و ذخیره کنید، بدون اینکه نیاز به نرم‌افزار سنگین باشد!

◇• با Pydicom می‌توانید:

• اطلاعات بیمار و ویژگی‌های تصویر را بخوانید.
• تصاویر را برای پردازش یا تحلیل آماده کنید.
• به راحتی با کتابخانه‌های پردازش تصویر مثل OpenCV یا NumPy ترکیب کنید.

+ برای نمونه :

import pydicom

# Load a DICOM file
ds = pydicom.dcmread('./MIDEL-CT.dcm')

# Access important information elements
patient_name = ds.PatientName
patient_id = ds.PatientID
study_date = ds.StudyDate
study_time = ds.StudyTime
modality = ds.Modality

# Print the information elements
print(f'Patient Name: {patient_name}')
print(f'Patient ID: {patient_id}')
print(f'Study Date: {study_date}')
print(f'Study Time: {study_time}')
print(f'Modality: {modality}')

🆔️ telegram channel:
https://t.iss.one/Intellimage
#image_processing
#python

📚 تازه های دنیای تصویر

🆕️ تشخیص و پیش‌بینی بیماری عروق کرونر با تحلیل
تصویر زبان - پژوهشی از Nature

◽بیماری عروق کرونر یکی از علل اصلی مرگ و میر در سطح جهانی است و روش‌های تشخیصی فعلی با چالش‌هایی از جمله تهاجم و دقت روبرو هستند. این مطالعه به بررسی تحلیل تصویر زبان با بهره‌گیری از هوش مصنوعی به عنوان یک ابزار تشخیصی نوین و غیرتهاجمی برای بیماری عروق کرونر می‌پردازد.

◽با استناد به اصول طب سنتی ایرانی، ویژگی‌های زبان شامل رنگ، شکاف‌ها، پوشش، رطوبت و نقاط قرمز در 906 بیمار تحت آنژیوگرافی قلب مورد تحلیل قرار گرفت. یک دیتاست متشکل از 12,000 تصویر زبان برای آموزش مدل‌های هوش مصنوعی استفاده شد که با تصاویر با وضوح بالا ضبط شده با دستگاه Visioface ایجاد شدند.

◽مدل Segment-Anything به بخش‌بندی زبان کمک کرد، در حالی که معماری‌های DeepLabv3+/DINOv2 برای استخراج ویژگی‌ها و طبقه‌بندی تنگی عروق به کار رفتند.
📃article
+Nature Communications
🆔️ telegram channel:
https://t.iss.one/Intellimage
#image_processing
#article

📚 #پروژه طراحی سیستم مدیریت انبار رباتیک خودران با استفاده از بینایی ماشین

✅ مدیریت انبارها در زنجیره تأمین امروزی به چالشی بزرگ تبدیل شده است. استفاده از ربات‌های خودران می‌تواند به بهبود کارایی و کاهش هزینه‌ها کمک کند. این پروژه به بررسی یک سیستم مدیریت انبار رباتیک خودران می‌پردازد که از یادگیری تقویتی و پردازش تصویر بهره می‌برد.

✅ اهداف پروژه:

۱. طراحی و پیاده‌سازی ربات خودران برای مدیریت انبار.
۲. بهینه‌سازی مسیر حرکت ربات با استفاده از الگوریتم‌های یادگیری تقویتی.
۳. شناسایی و دسته‌بندی کالاها با تکنیک‌های پردازش تصویر.

🆔️ telegram channel:
https://t.iss.one/Intellimage
#image_processing
#machin_vision
#project

🎨 معرفی نرم‌افزار Howler

🖼 نسخه جدید نرم‌افزار نقاشی دیجیتال و پردازش تصویر Howler به‌صورت رایگان در دسترس قرار گرفت! این نرم‌افزار که توسط دن ریچی توسعه یافته، امکانات فوق‌العاده‌ای را برای هنرمندان دیجیتال فراهم می‌کند؛ از جمله:

• نقاشی دیجیتال
• انیمیشن‌سازی با تایم‌لاین و onion skin
• رندر سه‌بعدی مناظر طبیعی
• پردازش ویدئو
🆔️ telegram channel:
https://t.iss.one/Intellimage
#image_processing
#machin_vision
#software

🩻🩺 تصویر MRI مورد مطالعه از #کیس_هفته۳

▫️ تصویر MRI ثبت شده از فرد مبتلا به آلزایمر با سن ۶۱ سال

🆔️ telegram channel:
https://t.iss.one/Intellimage
#image_processing
#case_study

🧠🩺 بررسی پردازشی از تصویر MRI مغز مبتلا به آلزایمر #کیس_هفته۳

📃 در این پست به بررسی آتروفی هیپکمپال در بیماری آلزایمر از دیدگاه نورومورفومتری و پردازش تصویر می پردازیم؛

▫️ آتروفی هیپکمپال به عنوان یک بیومارکر کلیدی برای تشخیص زودهنگام و پایش پیشرفت بیماری آلزایمز شناخته می‌شود.

▫️ با استفاده از تکنیک‌های پردازش تصویر MRI و الگوریتم‌های تقسیم‌بندی، پارامترهای مورفومتریک هیپوکمپ استخراج می‌شود که امکان ردیابی نرخ آتروفی سالانه را فراهم می‌آورد. همچنین، تکنیک‌های مبتنی بر وکسل تغییرات ظریف در چگالی بافت را در مراحل پیش‌بالینی نشان می‌دهند.

▫️ در زمینه یادگیری ماشین، ویژگی‌های استخراج‌شده از هیپوکمپ و نواحی مرتبط به مدل‌های طبقه‌بندی نظارت‌شده مانند SVM و جنگل تصادفی می توانند وارد شوند.

▫️این مدل‌ها توانایی بالایی در تمایز بین گروه‌های مختلف دارند. چالش‌های فعلی شامل بهبود تعمیم‌پذیری مدل‌ها و یکپارچه‌سازی اطلاعات چند-مدالیته برای افزایش دقت تشخیص زودهنگام است.

🆔️ telegram channel:
https://t.iss.one/Intellimage
#image_processing
#case_study

📉 فوریه در پردازش تصویر

◽▫️عملکرد فوریه در پردازش تصویر به عنوان یک ابزار قدرتمند و جذاب شناخته می‌شود که به ما امکان می‌دهد تا اطلاعات فرکانسی تصاویر را استخراج کنیم.

◽▫️با استفاده از تبدیل فوریه، می‌توانیم الگوها و ویژگی‌های پنهان در تصاویر را شناسایی کنیم و آنها را به صورت فرکانس‌های مختلف تجزیه کنیم. این ویژگی به ویژه در فشرده‌سازی تصاویر، تشخیص الگو و حذف نویز کاربرد دارد.

◽▫️به عنوان مثال، در فشرده‌سازی تصویر، با تبدیل تصویر به حوزه فرکانسی، می‌توانیم بخش‌های غیرضروری را حذف کنیم و تنها اطلاعات مهم را حفظ کنیم. همچنین، در تشخیص اشیاء، تبدیل فوریه می‌تواند به ما کمک کند تا ویژگی‌های کلیدی را از میان داده‌های پیچیده استخراج کنیم. به این ترتیب، عملکرد فوریه نه تنها در پردازش تصویر، بلکه در بسیاری از زمینه‌های علمی و مهندسی نیز نقشی اساسی ایفا می‌کند.
🆔️ telegram channel:
https://t.iss.one/Intellimage
#image_processing

🆕️ اهمیت تشخیص تصاویر جعلی تولیدشده با هوش مصنوعی در راستای امنیت دیجیتال

کاربران اپلیکیشن Gemini می‌توانند تشخیص دهند که آیا یک تصویر واقعی است یا توسط هوش مصنوعی ایجاد یا ویرایش شده است. برای این کار کافی است از سوال "Is this AI-generated" استفاده کنند.

در مرحله اول، این قابلیت تنها به بررسی تصاویر محدود می‌شود، اما به‌زودی امکان تشخیص صدا و ویدیو نیز به آن افزوده خواهد شد.

این بدان معناست که در آینده‌ای نزدیک:

• شناسایی ویدیوهای جعلی (Deepfake) آسان‌تر خواهد شد.
• تشخیص منابع معتبر ساده‌تر می‌شود.
• امنیت محتوای آنلاین به طور قابل توجهی افزایش می‌یابد.

همچنین، گوگل اعلام کرده که این سیستم تشخیص را به سایر خدمات خود، از جمله جستجو، اضافه خواهد کرد تا کاربران بتوانند در سراسر وب اصالت تصاویر را بررسی کنند.

+ در دنیایی که تولید تصاویر و ویدیوهای جعلی روز به روز آسان‌تر می‌شود، وجود یک ابزار رسمی برای تشخیص اصالت محتوا یک گام مهم در راستای امنیت دیجیتال به شمار می‌آید.
+HomeAI
🆔️ telegram channel:
https://t.iss.one/Intellimage
#image_processing
#digital_security

✔️ استاندارد HL7 ، ستون فقرات تبادل داده در سیستم های سلامت

▫️ استاندارد HL7 (Health Level Seven) یک استاندارد بین‌المللی برای تبادل و یکپارچه‌سازی اطلاعات سلامت است که امکان ارتباط مؤثر بین سیستم‌های مختلف مانند سیستم‌های اطلاعات بیمارستانی، سوابق الکترونیکی سلامت، و سیستم‌های آزمایشگاهی را فراهم می‌کند.

▫️ ویژگی‌های کلیدی HL7:

• ساختار پیام‌ها: تعریف دقیق ساختار و معنای هر فیلد اطلاعات.
• نسخه‌ها:
–نسخه HL7 v2.x: نسخه پیام‌محور و پرکاربرد.
–نسخه HL7 v3: مدل‌محور و معنایی‌تر.
–نسخه FHIR: نسل مدرن بر پایه REST API که تبادل داده‌ها را ساده می‌کند.

▫️ارتباط با DICOM:

استاندارد HL7 به عنوان استاندارد تبادل اطلاعات بالینی عمل می‌کند و DICOM به عنوان استاندارد تصاویر پزشکی، این دو استاندارد در کنار هم کیفیت خدمات پزشکی را ارتقا می‌دهند.

🆔️ telegram channel:
https://t.iss.one/Intellimage
#image_processing
#date

📑 تازه های دنیای پژوهش

📃 تنظیم نور و سایه تصویر با فناوری NVIDIA PPISP

▫️پس از ثبت تصاویر، ممکن است متوجه شوید که برخی از فریم‌ها به درستی نوردهی نشده‌اند. در سال 2024، این مشکل تا حدی با استفاده از میدان‌های نوری دوطرفه (Bilagrid) حل شد، اما هنوز هم به اندازه‌ای که انتظار می‌رفت به آن توجه نشده است.

▫️مقاله جدید NVIDIA با عنوان "PPISP: جبران و کنترل فیزیکی تغییرات فوتومتریک در بازسازی میدان درخشانی" به این موضوع پرداخته و نویدبخش است. این مقاله به بررسی نویز ظاهری می‌پردازد که بازسازی چند نمایی را مختل می‌کند و نشان می‌دهد که این نویز تصادفی نیست، بلکه ناشی از عملکرد دوربین است.

▫️به زبان ساده، PPISP سهم دوربین را به چند بخش تقسیم می‌کند که عکاسان به راحتی آن‌ها را شناسایی می‌کنند. اولین بخش، تنظیم نوردهی است که به صورت یک مقیاس روشنایی برای هر فریم عمل می‌کند. اگر یک فریم به دلیل کاهش زمان شاتر یا کاهش گین تیره‌تر شود، PPISP می‌تواند آن را به عنوان یک جبران نوردهی برای آن فریم نشان دهد.
🔗 article

🆔️ telegram channel:
https://t.iss.one/Intellimage
#image_processing
#article