گروهی از پژوهشگران دانشگاه تهران به سرپرستی دکتر علی مسعودینژاد با همکاری محققانی از ایران، هلند و مجارستان، موفق به انجام دو مطالعه پیشرفته در زمینه تحلیل تصاویر پاتولوژی و دادههای چند-اُمیک با استفاده از هوش مصنوعی شدند. این مطالعات شامل بررسی جامع روشهای نرمالسازی تصاویر بافتشناسی و طراحی یک خودرمزگذار نوین برای پیشبینی بقای بیماران مبتلا به سرطان آندومتر است که به بهبود دقت تشخیص و شناسایی مسیرهای مولکولی مؤثر کمک کرده است.
- برگه نخست
- نوشته ها
- تحلیل دادههای زیستی و تصاویر پاتولوژی با هوش مصنوعی در دانشگاه تهران
تحلیل دادههای زیستی و تصاویر پاتولوژی با هوش مصنوعی در دانشگاه تهران
پژوهشگران دانشگاه تهران با بهرهگیری از هوش مصنوعی، شیوههای نوینی برای تحلیل دادههای زیستی و تصاویر پاتولوژی ارائه کردند.
گروهی از محققان دانشگاه تهران به سرپرستی علی مسعودینژاد، استاد زیستسیستمها و بیوانفورماتیک، به همراه بهنام حاجیملاحسینی (دانشجوی دکتری)، احمدرضا ایرانپور (دانشجوی دانشگاه اوترخت هلند)، سودا ایمانی (دانشجوی دانشگاه پازمانی مجارستان) و دیگر اعضای آزمایشگاه زیستسیستمها و بیوانفورماتیک، موفق به انجام دو پژوهش نوآورانه شدند که هر دو در مرزهای میانرشتهای هوش مصنوعی، دادههای زیستی و پزشکی شخصی قرار میگیرند.
در پژوهش نخست، هدف اصلی بررسی روشهای مختلف نرمالسازی و استانداردسازی تصاویر پاتولوژی بود؛ موضوعی که در تشخیصهای مبتنی بر کامپیوتر نقش مهمی دارد. محققان این روشها را به چهار گروه اصلی تقسیم کردند:
۱. روشهای مبتنی بر یادگیری عمیق مانند شبکههای مولد تخاصمی (GAN) و خودرمزگذارها؛
۲. روشهای سنتی مثل تطبیق هیستوگرام؛
۳. مدلهای ترکیبی که از ترکیب چند روش استفاده میکنند؛
۴. و یک روش تازه مبتنی بر پردازش سیگنال.
بر اساس توضیحات مسعودینژاد، هر یک از این روشها مزایا و محدودیتهای ویژه خود را دارند. نتایج این پژوهش نشان داد که حفظ اطلاعات زیستی در فرآیند نرمالسازی، نقش کلیدی در افزایش دقت سامانههای تشخیص کامپیوتری دارد و نادیده گرفتن آن میتواند باعث خطا در تحلیل بافتهای پاتولوژی شود.
پژوهش دوم به تحلیل دادههای «چند-اُمیک» (multi-omics) و کاربرد مدلهای یادگیری عمیق برای پیشبینی بقای بیماران مبتلا به سرطان آندومتر اختصاص داشت. در این مطالعه، دادههای بیان ژن، متیلاسیون DNA و پروتئوم که از پروژه TCGA-UCEC استخراج شده بودند، مورد بررسی قرار گرفت. تیم تحقیقاتی یک خودرمزگذار جدید طراحی کرد که دارای تابع هزینه اختصاصی بود و بهطور مؤثر روابط پیچیده و غیرخطی میان ویژگیهای زیستی و احتمال بقای بیماران را استخراج میکرد.
نتایج نشان داد این مدل نسبت به روشهای معمول، اطلاعات مرتبط با بقا را دقیقتر شناسایی میکند و همچنین توانست مسیرهای مولکولی مهمی را شناسایی کند؛ از جمله مسیر ویتامین D و گیرنده گالانین که هر دو با پیشآگهی بیماران ارتباط دارند.
در بخش دیگری از خبر، به فعالیتهای مرکز ملی ذخایر ژنتیکی و زیستی ایران به مدیریت جعفر رزقی اشاره شده است. وی تأکید کرده ایران به دلیل تنوع اقلیمی و زیستی ویژهاش، دارای منابع ژنتیکی منحصربهفردی است و این مرکز طی ۱۵ سال گذشته توانسته چهار بیوبانک اصلی در حوزه گیاهان، سلولهای انسانی و جانوری، میکروارگانیسمها و دادههای ژنومی ایجاد کند. به گفته او، شبکهای ملی برای حفاظت از این ذخایر حیاتی تشکیل شده است.
- مهدی خسروی: تحول نمایشگاههای ایران با هوش مصنوعی؛ از ثبتنام هوشمند تا تجربه دیجیتال
- راهاندازی نخستین اپراتور هوش مصنوعی و داده در کشور تا پایان سال
- رونمایی Ideagen از Mazlan؛ ورود نسل تازه Agentic AI به مدیریت انطباق با قوانین
- OpenAI وضعیت «Code Red» اعلام کرد؛ رقابت شدید با Google Gemini اوج گرفت
- Fujitsu از فناوری نوین پیشبینی رفتار انسان و اشیاء برای ارتقای ایمنی همکاری انسان و ربات رونمایی کرد
- کسب رتبه سوم بریکس توسط تیم دانشگاه تهران با طرح ترکیبی انسان–ماشین در مدلسازی احتراق
- ایران در آستانه جهش دیجیتال؛ عارف: کشور میتواند هاب منطقهای فناوری اطلاعات شود
- آغاز صدور پروانه اپراتور هوش مصنوعی در کشور گام جدید دولت در توسعه اقتصاد دیجیتال
- علیبابا با عینک هوش مصنوعی Quark وارد بازار گجتهای پوشیدنی شد
- هشدار نسبت به عقبماندگی ایران در هوش مصنوعی تأکید بر ضرورت سرمایهگذاری فوری
- برگزاری نخستین نمایشگاه تخصصی هوش مصنوعی ایران در دیماه ۱۴۰۴
- توسعه توپ هوشمند نشتیاب ایرانی با دقت ±۱۰ متر و صرفهجویی ۱۰ میلیون دلاری
- تأخیر یکساله در اجرای قوانین «هوش مصنوعی پرخطر» اتحادیه اروپا
- تحلیل دادههای زیستی و تصاویر پاتولوژی با هوش مصنوعی در دانشگاه تهران
- تقویت همکاریهای منطقهای در فیبر نوری و زیرساختهای هوش مصنوعی در اجلاس باکو
- مرکز هوش مصنوعی مخابرات؛ سکوی پرتاب استارتاپها
- جنگ چیپ و دیتاسنتر؛ رقابت آمریکا و چین برای رهبری هوش مصنوعی
- سرمایهگذاری ۴۰ میلیارد دلاری گوگل در تگزاس برای توسعه مراکز داده و تقویت هوش مصنوعی
- Arm گسترش برنامه Flexible Access برای Edge AI
- اوکراین در مسیر استقلال دیجیتال — ساخت LLM ملی با تکیه بر Google Gemma
- توقف ایالتها برای قانونگذاری AI؟ فرمان اجرایی ترامپ بازنگری مقررات ایالتی هوش مصنوعی را هدف قرار میدهد
- جمعیت هلال احمر برای نخستینبار «کنگره هلال هوشمند» را برگزار میکند
- یونسکو ارزیابی «آمادگی برای هوش مصنوعی» در فیلیپین را منتشر کرد
- موتور کشف علمی Leap Labs؛ انقلاب هوش مصنوعی در پژوهش
- سرمایهگذاری میلیاردی SoftBank و Nvidia در Skild AI؛ جهش بزرگ رباتهای هوشمند
- درخشش نخبگان ایرانی در مسابقه بینالمللی برنامهنویسی و هوش مصنوعی «رایان»
- AidKit برنده جایزه Best Use of AI در Globee Awards 2025 شد
- متا و سرمایهگذاری عظیم در هوش مصنوعی برای آینده فناوری
- مسئولیت اشتباهات هوش مصنوعی؛ انسان و ماشین هر دو شریکاند
- DeepMind گوگل آزمایشگاه تحقیقاتی جدید هوش مصنوعی را در سنگاپور افتتاح کرد
نظر خود را وارد کنید
آدرس ایمیل شما در دسترس عموم قرار نمیگیرد.