https://virgool.io/feed/@amin1990s برنامه نویس پی‌اچ‌پی و فعال پردازش زبان و تصویر در محیط وب fa 2026-06-10 22:34:17 https://files.virgool.io/upload/users/72504/avatar/ZiE5wA.png?height=120&width=120 https://virgool.io/@amin1990s https://virgool.io/@amin1990s/%D8%A7%D9%84%DA%AF%D9%88%D8%B1%DB%8C%D8%AA%D9%85-%D8%AA%D8%B4%D8%AE%DB%8C%D8%B5-%DA%A9%D8%B1%D9%88%D9%86%D8%A7-%D8%B2%DB%8C%D8%B1-%DB%8C%DA%A9-%D8%AF%D9%82%DB%8C%D9%82%D9%87%D9%82%D8%A7%D8%A8%D9%84-%D8%AA%D8%B3%D8%AA-%D9%87%D9%85%DA%AF%D8%A7%D9%86%DB%8C-njcsvbmviosw استفاده از روش‌هاي تصويربرداري در غربالگري افراد مشکوک به بيماري کوويد-19 يکي از مهم‌ترين اقدامات در راستاي تشخيص، پيگيري و درمان بيماران است.استفاده از روش‌هاي تصوير‌برداري و به خصوص سي تي اسکن روش مناسبي براي شناسايي و غربالگري بيماران مشکوک به کرونا به شمار مي‌رود. راديوگرافي از قفسه سینه نیز بدلیل دشوار بودن تشخیص و مشهود نبودن خیلی از علائم کرونا با وجود فوری و کم دردسر بودن آن خیلی قابل استفاده نخواهد بود؛ اما با مطالعه مجموعه مقالاتی از سراسر دنیا و تحقیق بیشتر در زمینه نقش تکنولوژی و هوش مصنوعی در زمینه مقابله با کرونا دریافتیم که دانشگاه‌ها و مراکز مختلف دنیا از جمله دانشگاه ديتون (Dayton) در ايالت اوهايو آمريکا موفق به توسعه الگوریتمی شده‌اند که مي‌تواند در عرض چند ثانيه و با دقت 98 درصد ابتلاي افراد به کروناويروس را تشخيص دهد.با در اختیار داشتن منابع و داده‌های برچسب گذاری شده دقیق از تصاویر پزشکی، این الگوریتم و نرم افزارهای مبتنی بر هوش مصنوعی را می‌توان به گونه‌ای آموزش داد تا با دقت بالا و کمترین خطا، خیلی از بیماری‌هایی که از روی تصویر قابل تشخیص هستند را شناسایی و ردگیری کنند. امروزه پیشرفت تکنولوژی و بینایی ماشینی این امکان را فراهم کرده است که جزئیات تصاویر پزشکی که ممکن است با چشم دیده نشود و یا سخت دیده شود توسط هوش مصنوعی دیده و شناسایی شود.از همین جهت ما نیز همگام با بقیه کشورها تصمیم گرفتیم ضمن تحقیقات بیشتر در این زمینه و بررسی این الگوریتم‌ها، شناسایی ویروس کرونا از طریق X-Ray با کمک هوش مصنوعی را انتخاب نماییم و با تلاش بسیار اعضای تیم موفق شدیم نسخه اولیه و پیاده‌سازی شده این الگوریتم را در آذرماه 99 بر روی آدرس Covix.Ir برای دسترسی و آزمایش همگانی منتشر نماییم.از دلایل انتخاب روش شناسایی ویروس کرونا از طریق X-Ray و چشم پوشی از شناسایی از طریق تصاویر سی تی اسکن، می‌توان به موارد ذیل اشاره نمود:۱. تشخیص کرونا از طریق سی تی اسکن نسبت به رادیوگرافی آسان‌تر و سریع‌تر است و به همین جهت شناسایی ویروس کرونا از روی سی تی اسکن با کمک هوش مصنوعی احتمالا کارایی لازم را ندارد.۲. عکسبرداری سی تی اسکن در مقایسه با X-Ray سخت تر، پر هزینه‌تر و ضدعفونی آن نیز پس از هربار استفاده بیماران دشوارتر است.۳. عکسبردای با X-Ray سریع‌تر و برای نقاط کم برخوردار در شهرهای کوچک نیز قابل دسترس‌تر می‌باشد.۴. با توجه به صف طولانی عکسبرداری‌های سی‌تی اسکن و آزمایش پی‌سی‌آر و تاخیر در آماده شدن نتیجه آنها* بنظر استفاده از ظرفیت تصویربرداری رادیوگرافی به شرط تشخیص مناسب و فوری بیماری کرونا از این طریق مناسب‌تر باشد.نحوه استفاده از الگوریتم تشخیص کرونا از طریق تصاویر X-Ray:1. وارد سایت Covix.Ir شوید.2. عکس قفسه سینه(AP یا PA) که از قبل با فرمت Jpg ذخیره کرده اید را با کلیک بر روی Select File انتخاب کنید.3. دکمه Analyze را فشار دهید.در صورتی که فایل انتخاب شده فرمت مناسبی داشته باشد بلافاصله دکمه نمایش نتیجه با رنگ آبی برای شما نمایش داده می شود. کافیست حداکثر یک دقیقه صبر کنید و سپس:4. دکمه Seen Result را فشار دهید تا نتیجه برای شما نمایش داده شود.پس از فشردن دکمه نمایش نتیجه ممکن است با سه رنگ و نتیجه مختلف رو به رو شوید:١. در صورتی که پس از تحلیل تصویر - کرونا تشخیص داده شود، رنگ صفحه قرمز می شود و عبارت Covid-19 با علامت + ظاهر می گردد.٢. کم رنگ شدن ریه نیز با رنگ صفحه تیره و عبارت Fading + نمایش داده می‌شود.٣. ریه نرمال با رنگ سبز و عبارت Covid-19 -  نیز به معنی منفی بودن تست کرونا می‌باشد.نکات مهم:در صورت عکس‌برداری از روی صفحه مانیتور کامپیوتر، بدلیل وضوح پایین تصویر، امکان بروز خطا در تشخیص بسیار بالاست.سعی کنید برای تشخیص و استفاده از الگوریتم، عکس را کراپ شده و بدون دستکاری و حاشیه ارسال نمایید.مورد مناسب برای ارسال به برنامه جهت تشخیص و تست کرونامورد نامناسب که در صورت ارسال به برنامه بدلیل دستکاری تصویر و اضافه کردن اعداد و نوشته امکان خطای تشخیص وجود داردبرای آموزش الگوریتم از دیتاست های عمومی و منتشر شده بیمارستان های سطح اروپا و دیگر نقاط دنیا که توسط پزشکان متخصص بر حسب وضیعت سلامت ریه، سن، جنسیت و... برچسب گذاری شده بودند استفاده شده است. همچنین تفاوت‌هاي جزئي و البته بسيار مهمي بين کوويد 19 و ديگر عفونت‌هاي ريوي وجود دارد که راديولوژيست‌ها ممکن است هنگام بررسي راديوگرافي قفسه سينه متوجه آن‌ها نشوند اما توسط هوش مصنوعی قابل ردگیری و شناسایی است. در صورتی که عکس با کیفیت و با وضوح بالا به الگوریتم داده شود، دقت این الگوریتم بین ٨٥ تا ٩۰ و گاها ٩٥ درصد محاسبه شده است.پیشنهاد می‌شود تا قبل از تست های اولیه - از این الگوریتم به تنهایی و بدون مشورت پزشک متخصص برای رد و یا پذیرش بیماران استفاده نگردد.جمع‌بندی:این الگوریتم برای ما نقطه شروع شناسایی و تشخیص بیماری‌ها با استفاده از هوش مصنوعی خواهد بود و از متخصصین و پزشکان عزیز کشور می‌خواهیم برای توسعه و بهبود دقت هرچه بیشتر این الگوریتم‌ها با آزمایش برنامه‌ها، نظرات و مشاوره‌های تخصصی و ارزشمندشان ما را حمایت نمایند. همچنین برای یادگیری بیشتر الگوریتم‌ها به تصاویر بیشتری از قفسه سینه نیازمندیم که قطعا بدون حمایت پزشکان و متخصصین، این امر ممکن نخواهد شد. لطفا برای ارسال تصاویر با ما در تماس باشید. امین زارع امین زارع Fri, 29 Jan 2021 19:21:41 +0330 https://virgool.io/@amin1990s/%D8%A7%D9%84%DA%AF%D9%88%D8%B1%DB%8C%D8%AA%D9%85-%D8%AA%D8%B4%D8%AE%DB%8C%D8%B5-%DA%A9%D8%B1%D9%88%D9%86%D8%A7-%D8%B2%DB%8C%D8%B1-%DB%8C%DA%A9-%D8%AF%D9%82%DB%8C%D9%82%D9%87%D9%82%D8%A7%D8%A8%D9%84-%D8%AA%D8%B3%D8%AA-%D9%87%D9%85%DA%AF%D8%A7%D9%86%DB%8C-n4eph7stbrtw استفاده از روش‌هاي تصويربرداري در غربالگري افراد مشکوک به بيماري کوويد-19 يکي از مهم‌ترين اقدامات در راستاي تشخيص، پيگيري و درمان بيماران است.استفاده از روش‌هاي تصوير‌برداري و به خصوص سي تي اسکن روش مناسبي براي شناسايي و غربالگري بيماران مشکوک به کرونا به شمار مي‌رود. راديوگرافي از قفسه سینه نیز بدلیل دشوار بودن تشخیص و مشهود نبودن خیلی از علائم کرونا با وجود فوری و کم دردسر بودن آن خیلی قابل استفاده نخواهد بود؛ اما با مطالعه مجموعه مقالاتی از سراسر دنیا و تحقیق بیشتر در زمینه نقش تکنولوژی و هوش مصنوعی در زمینه مقابله با کرونا دریافتیم که دانشگاه‌ها و مراکز مختلف دنیا از جمله دانشگاه ديتون (Dayton) در ايالت اوهايو آمريکا موفق به توسعه الگوریتمی شده‌اند که مي‌تواند در عرض چند ثانيه و با دقت 98 درصد ابتلاي افراد به کروناويروس را تشخيص دهد.با در اختیار داشتن منابع و داده‌های برچسب گذاری شده دقیق از تصاویر پزشکی، این الگوریتم و نرم افزارهای مبتنی بر هوش مصنوعی را می‌توان به گونه‌ای آموزش داد تا با دقت بالا و کمترین خطا، خیلی از بیماری‌هایی که از روی تصویر قابل تشخیص هستند را شناسایی و ردگیری کنند. امروزه پیشرفت تکنولوژی و بینایی ماشینی این امکان را فراهم کرده است که جزئیات تصاویر پزشکی که ممکن است با چشم دیده نشود و یا سخت دیده شود توسط هوش مصنوعی دیده و شناسایی شود.از همین جهت ما نیز همگام با بقیه کشورها تصمیم گرفتیم ضمن تحقیقات بیشتر در این زمینه و بررسی این الگوریتم‌ها، شناسایی ویروس کرونا از طریق X-Ray با کمک هوش مصنوعی را انتخاب نماییم و با تلاش بسیار اعضای تیم موفق شدیم نسخه اولیه و پیاده‌سازی شده این الگوریتم را در آذرماه 99 بر روی آدرس Covix.Ir برای دسترسی و آزمایش همگانی منتشر نماییم.از دلایل انتخاب روش شناسایی ویروس کرونا از طریق X-Ray و چشم پوشی از شناسایی از طریق تصاویر سی تی اسکن، می‌توان به موارد ذیل اشاره نمود:۱. تشخیص کرونا از طریق سی تی اسکن نسبت به رادیوگرافی آسان‌تر و سریع‌تر است و به همین جهت شناسایی ویروس کرونا از روی سی تی اسکن با کمک هوش مصنوعی احتمالا کارایی لازم را ندارد.۲. عکسبرداری سی تی اسکن در مقایسه با X-Ray سخت تر، پر هزینه‌تر و ضدعفونی آن نیز پس از هربار استفاده بیماران دشوارتر است.۳. عکسبردای با X-Ray سریع‌تر و برای نقاط کم برخوردار در شهرهای کوچک نیز قابل دسترس‌تر می‌باشد.۴. با توجه به صف طولانی عکسبرداری‌های سی‌تی اسکن و آزمایش پی‌سی‌آر و تاخیر در آماده شدن نتیجه آنها* بنظر استفاده از ظرفیت تصویربرداری رادیوگرافی به شرط تشخیص مناسب و فوری بیماری کرونا از این طریق مناسب‌تر باشد.نحوه استفاده از الگوریتم تشخیص کرونا از طریق تصاویر X-Ray:1. وارد سایت Covix.Ir شوید.2. عکس قفسه سینه(AP یا PA) که از قبل با فرمت Jpg ذخیره کرده اید را با کلیک بر روی Select File انتخاب کنید.3. دکمه Analyze را فشار دهید.در صورتی که فایل انتخاب شده فرمت مناسبی داشته باشد بلافاصله دکمه نمایش نتیجه با رنگ آبی برای شما نمایش داده می شود. کافیست حداکثر یک دقیقه صبر کنید و سپس:4. دکمه Seen Result را فشار دهید تا نتیجه برای شما نمایش داده شود.پس از فشردن دکمه نمایش نتیجه ممکن است با سه رنگ و نتیجه مختلف رو به رو شوید:١. در صورتی که پس از تحلیل تصویر - کرونا تشخیص داده شود، رنگ صفحه قرمز می شود و عبارت Covid-19 با علامت + ظاهر می گردد.٢. کم رنگ شدن ریه نیز با رنگ صفحه تیره و عبارت Fading + نمایش داده می‌شود.٣. ریه نرمال با رنگ سبز و عبارت Covid-19 -  نیز به معنی منفی بودن تست کرونا می‌باشد.نکات مهم:در صورت عکس‌برداری از روی صفحه مانیتور کامپیوتر، بدلیل وضوح پایین تصویر، امکان بروز خطا در تشخیص بسیار بالاست.سعی کنید برای تشخیص و استفاده از الگوریتم، عکس را کراپ شده و بدون دستکاری و حاشیه ارسال نمایید.مورد مناسب برای ارسال به برنامه جهت تشخیص و تست کرونامورد نامناسب که در صورت ارسال به برنامه بدلیل دستکاری تصویر و اضافه کردن اعداد و نوشته امکان خطای تشخیص وجود داردبرای آموزش الگوریتم از دیتاست های عمومی و منتشر شده بیمارستان های سطح اروپا و دیگر نقاط دنیا که توسط پزشکان متخصص بر حسب وضیعت سلامت ریه، سن، جنسیت و... برچسب گذاری شده بودند استفاده شده است. همچنین تفاوت‌هاي جزئي و البته بسيار مهمي بين کوويد 19 و ديگر عفونت‌هاي ريوي وجود دارد که راديولوژيست‌ها ممکن است هنگام بررسي راديوگرافي قفسه سينه متوجه آن‌ها نشوند اما توسط هوش مصنوعی قابل ردگیری و شناسایی است. در صورتی که عکس با کیفیت و با وضوح بالا به الگوریتم داده شود، دقت این الگوریتم بین ٨٥ تا ٩۰ و گاها ٩٥ درصد محاسبه شده است.پیشنهاد می‌شود تا قبل از تست های اولیه - از این الگوریتم به تنهایی و بدون مشورت پزشک متخصص برای رد و یا پذیرش بیماران استفاده نگردد.جمع‌بندی:این الگوریتم برای ما نقطه شروع شناسایی و تشخیص بیماری‌ها با استفاده از هوش مصنوعی خواهد بود و از متخصصین و پزشکان عزیز کشور می‌خواهیم برای توسعه و بهبود دقت هرچه بیشتر این الگوریتم‌ها با آزمایش برنامه‌ها، نظرات و مشاوره‌های تخصصی و ارزشمندشان ما را حمایت نمایند. همچنین برای یادگیری بیشتر الگوریتم‌ها به تصاویر بیشتری از قفسه سینه نیازمندیم که قطعا بدون حمایت پزشکان و متخصصین، این امر ممکن نخواهد شد. لطفا برای ارسال تصاویر با ما در تماس باشید. امین زارع امین زارع Mon, 30 Nov 2020 03:53:33 +0330 https://virgool.io/@amin1990s/persian-pronunciation-gudttfnsivko بعنوان برنامه‌نویس یکی از کارهایی که دوس داشتم در حوزه وب انجام بدم، تحلیل آوایی و واجی برای زبان فارسی بود که منجرب نتایج خوبی مثل رونویسی آوایی صدهاهزار واژه فارسی به صورت خودکار شد.در نسخه یک، مشکل تشخیص واکه‌های فارسی رو داشتم که با راهنمایی بعضی از دوستان و اساتید خوب حوزه زبان‌شناسی حل شد و در نسخه دوم طیف زیادی از قواعد آوا و واج‌شناسی زبان فارسی رو بصورت الگوریتم پیاده‌سازی کردم. برای توسعه این الگوریتم از کتاب آواشناسی استاد بزرگ و همیشه در یاد یدالله ثمره بسیار استفاده کردم. با توجه به اینکه در این پروژه رونویسی آوایی بر اساس الفبای آوانگاری بین‌المللی(IPA) انجام شده، برای آشنایی بیشتر با این الفبا از بیشتر مقالاتی که در این زمینه برای زبان فارسی منتشر شده نیز استفاده کردم.برای شروع همکاری با یک تیم روسی که در زمینه آموزش زبان‌های مختلف بسیار فعال هستند، فهرست تلفظ هزاران واژه فارسی که توسط الگوریتم بصورت خودکار تولید شده رو در اختیار این تیم گذاشتیم و زبان فارسی نیز به لیست بقیه زبان‌های این تیم، برای آموزش زبان فارسی به غیر از فارسی زبانان اضافه شد.برای رونویسی آوایی و تلفظ IPA واژگان فارسی از وبسایت این تیم به آدرس easypronunciation.com میتونید استفاده کنید.در جهت بالابردن کیفیت رونویسی و توسعه هرچه بهتر این الگوریتم تلاش بسیاری شده و با وجود اینکه رشته تحصیلی من زبان‌شناسی نبوده تا حد ممکن همه نکات تخصصی وقواعد آواشناسی و واج‌‌شناسی زبان فارسی رو اعمال و پیاده سازی کردم؛ ولی مانند هر برنامه‌ای که باگ و مشکلات خودش رو داره، خروجی این الگوریتم نیز خالی از اشکال نمیتونه باشه و برای حل این مشکلات، از راهنمایی دوستان خوب زبان‌شناس استقبال میکنم. امین زارع امین زارع Wed, 23 Oct 2019 14:54:56 +0330