اپ ورکینگـ اخبار تکنولوژی اخبار تکنولوژی
ثبت بازخورد
- دیجیاتو
- سلامت
- علمی
سلامت دستاوردی جدید با هوش مصنوعی؛ تشخیص اوتیسم از شبکیه چشم کودکان با دقت ۱۰۰ درصدی
محققان با استفاده از تصاویر شبکیه که توسط الگوریتم هوش مصنوعی غربال شده، روشی برای تشخیص اوتیسم و شدت علائم آن در کودکان ایجاد کرده‌اند.
نوشته شده توسط آزاد کبیری | ۲۷ آذر ۱۴۰۲ | ۲۳:۵۹
در دیجیاتو ثبت‌نام کنید
جهت بهره‌مندی و دسترسی به امکانات ویژه و بخش‌های مختلف در دیجیاتو عضو ویژه دیجیاتو شوید.
عضویت در دیجیاتو
تازه‌های تکنولوژی
- گوگل به‌زودی با پلی استور امکان حذف ازراه‌دور اپلیکیشن‌ها را فراهم می‌کند ۱۳ ساعت قبل
- مدیرعامل پادرو کاندید هفتمین دوره انتخابات هیات‌مدیره نظام صنفی رایانه‌ای ۱۳ ساعت قبل
- هودل یا ترید؟ هولدرهای ارزهای دیجیتال در سود ۱۴ ساعت قبل
- مشخصات احتمالی دوربین مدل‌های پرو آیفون ۱۶ و آیفون ۱۷ لو رفت ۱۵ ساعت قبل
- شیائومی لیست اولین گوشی‌های دریافت‌کننده HyperOS در بازار جهانی را منتشر کرد ۱۶ ساعت قبل
ویدئوی مرتبط
محققان با عکس‌برداری از شبکیه چشم کودکان و با استفاده از یک الگوریتم یادگیری عمیق هوش مصنوعی توانستند اوتیسم را با دقت ۱۰۰ درصدی تشخیص دهند. این پژوهش از هوش مصنوعی به‌عنوان ابزاری برای غربالگری در تشخیص زودهنگام، به ویژه زمانی که دسترسی به روان‌پزشک متخصص کودک محدود است، استفاده می‌کند.
براساس مقاله منتشرشده در JAMA Network Open، محققان کالج پزشکی دانشگاه Yonsei در کره جنوبی با استفاده از تصاویر شبکیه که توسط الگوریتم هوش مصنوعی غربال شده است، روشی برای تشخیص اختلال طیف اوتیسم یا ASD و شدت علائم آن در کودکان ایجاد کرده‌اند.
در پشت چشم، شبکیه و عصب بینایی در دیسک بینایی یا نقطه کور به هم متصل می‌شوند. این ساختار که به سیستم عصبی مرکزی می‌رسد، دریچه‌ای به مغز است و محققان از این طریق می‌توانند دسترسی آسان و ایمن به مغز داشته باشند. برای مثال اخیراً محققان بریتانیایی ابزاری برای تشخیص سریع ضربه مغزی با تاباندن لیزری بی‌ضرر بر روی شبکیه چشم ایجاد کرده‌اند.
تشخیص اوتیسم با کمک هوش مصنوعی
محققان ۹۵۸ شرکت‌کننده با میانگین سنی ۷.۸ سال را انتخاب کردند و از شبکیه چشم آن‌ها عکس گرفتند که در مجموع ۱۸۹۰ تصویر به دست آمد. نیمی از شرکت‌کنندگان مبتلا به ASD تشخیص داده شده بودند و نیمه دیگر گروه کنترل را تشکیل می‌دادند. شدت علائم ASD با استفاده از برنامه مشاهده تشخیصی اوتیسم (ADOS-2) و نمرات مقیاس پاسخگویی اجتماعی (SRS-2) ارزیابی شد.
یک شبکه عصبی کانولوشن (CNN)، که یک الگوریتم یادگیری عمیق است، با استفاده از ۸۵ درصد از تصاویر شبکیه و نمرات آزمون شدت علائم ASD، به‌منظور ساخت مدل‌هایی برای غربالگری شدت علائم اوتیسم آموزش داده شد. این هوش مصنوعی در نهایت در ایجاد تمایز بین کودکان سالم و مبتلا به اوتیسم به موفقیت کامل دست یافت.
محققان می‌گویند که مدل‌های هوش مصنوعی عملکرد امیدوارکننده‌ای در ایجاد تمایز بین ASD و TD (کودکان با رشد معمولی) با استفاده از عکس‌های شبکیه داشتند. این پژوهش نشان می‌دهد تغییرات شبکیه در ASD ممکن است ارزش بالقوه‌ای به عنوان نشانگرهای زیستی داشته باشند. جالب اینجاست که این هوش مصنوعی تنها با استفاده از ۱۰ درصد از تصویر حاوی دیسک بینایی این تشخیص‌های دقیق را انجام داده است. همچنین این پژوهش نشان می‌دهد که این ناحیه از چشم، برای تشخیص کودکان اوتیسمی از بین کودکان سالم بسیار مهم است.
از آنجایی که شبکیه چشم نوزاد تا سن چهار سالگی به رشد خود ادامه می‌دهد، تحقیقات بیشتری لازم است تا مشخص شود که آیا این ابزار برای شرکت‌کنندگان چهار سال به قبل نیز قابل‌استفاده است یا خیر.
هوش مصنوعی
مقالات و اخبار مرتبط
- اولین شبکه خبری جهان با مجری‌های هوش مصنوعی معرفی شد [تماشا کنید]
- اینتل از تراشه هوش مصنوعی Gaudi3 در رقابت با انویدیا و AMD رونمایی کرد
- اولین ابررایانه نورومورفیک جهان با قدرت پردازشی به‌اندازه مغز انسان در راه است
- دستیار هوشمند «ایوا» معرفی شد؛ راهکار سفرمارکت برای بهبود تجربه سفر
- مرکز پژوهش‌های مجلس: وزارت ارتباطات، قوه قضاییه و معاونت علمی باید برای حکمرانی با هوش مصنوعی همکاری کنند
دیدگاه‌ها و نظرات خود را بنویسید
مطالب پیشنهادی
پیشنهادهای دیجیاتو
- مطالعه جدید: زنان دانشجوی کامپیوتر نمرات بهتری می‌گیرند اما مسیر شغلی متفاوتی را طی می‌کنند
- از کسب‌وکارهای کوچک تا بزرگ: تاثیر شماره‌های مجازی در تجارت الکترونیک
- اختصاصی: نوکیا در ایران به دلیل مونتاژ بدون مجوز موبایل‌هایش شکایت کرد
- اپل روزانه میلیون‌ها دلار برای آموزش مدل‌های هوش مصنوعی هزینه می‌کند
ورود به حساب کاربری
ساخت حساب کاربری
فراموشی رمز عبور
