ru
Feedback
Cyber Student Association

Cyber Student Association

Открыть в Telegram

✨به نام خالق علم و آگاهی✨ درخت تو گر بار دانش بگیرد بہ زیرآورے چرخ نیلوفرے را 🎓🇮🇷🧠👩🏻‍🎓🧑🏻‍🎓📚👊🏽😎 تازه ترین اخبار، اطلاعیه و رویدادهای علمی و دانشجویی در حوزه نورساینس، هوش مصنوعی، علم داده، سیبرنتیک و بورسیه تحصیلی مرتبط با مهندسی پزشکی.

Больше
2 368
Подписчики
Нет данных24 часа
+57 дней
-430 день
Привлечение подписчиков
июнь '26
июнь '26
+24
в 0 каналах
май '26
+2
в 0 каналах
Get PRO
апрель '26
+3
в 0 каналах
Get PRO
март '26
+5
в 0 каналах
Get PRO
февраль '26
+38
в 1 каналах
Get PRO
январь '26
+13
в 0 каналах
Get PRO
декабрь '25
+49
в 1 каналах
Get PRO
ноябрь '25
+72
в 3 каналах
Get PRO
октябрь '25
+41
в 1 каналах
Get PRO
сентябрь '25
+31
в 4 каналах
Get PRO
август '25
+53
в 4 каналах
Get PRO
июль '25
+44
в 0 каналах
Get PRO
июнь '25
+69
в 7 каналах
Get PRO
май '25
+69
в 2 каналах
Get PRO
апрель '25
+80
в 4 каналах
Get PRO
март '25
+61
в 1 каналах
Get PRO
февраль '25
+64
в 2 каналах
Get PRO
январь '25
+74
в 6 каналах
Get PRO
декабрь '24
+88
в 5 каналах
Get PRO
ноябрь '24
+109
в 6 каналах
Get PRO
октябрь '24
+123
в 2 каналах
Get PRO
сентябрь '24
+49
в 4 каналах
Get PRO
август '24
+81
в 2 каналах
Get PRO
июль '24
+74
в 3 каналах
Get PRO
июнь '24
+56
в 2 каналах
Get PRO
май '24
+137
в 5 каналах
Get PRO
апрель '24
+90
в 6 каналах
Get PRO
март '24
+71
в 2 каналах
Get PRO
февраль '24
+67
в 2 каналах
Get PRO
январь '24
+77
в 3 каналах
Get PRO
декабрь '23
+79
в 3 каналах
Get PRO
ноябрь '23
+116
в 4 каналах
Get PRO
октябрь '23
+111
в 2 каналах
Get PRO
сентябрь '23
+105
в 0 каналах
Get PRO
август '23
+77
в 0 каналах
Get PRO
июль '23
+85
в 0 каналах
Get PRO
июнь '23
+109
в 0 каналах
Get PRO
май '23
+152
в 0 каналах
Get PRO
апрель '23
+91
в 0 каналах
Get PRO
март '23
+80
в 0 каналах
Get PRO
февраль '23
+85
в 0 каналах
Get PRO
январь '23
+157
в 0 каналах
Get PRO
декабрь '22
+192
в 0 каналах
Get PRO
ноябрь '22
+162
в 0 каналах
Get PRO
октябрь '22
+49
в 0 каналах
Get PRO
сентябрь '22
+91
в 0 каналах
Get PRO
август '22
+20
в 0 каналах
Get PRO
июль '22
+14
в 0 каналах
Get PRO
июнь '22
+48
в 0 каналах
Get PRO
май '22
+31
в 0 каналах
Get PRO
апрель '22
+32
в 0 каналах
Get PRO
март '22
+27
в 0 каналах
Get PRO
февраль '22
+43
в 0 каналах
Get PRO
январь '22
+6
в 0 каналах
Get PRO
декабрь '21
+14
в 0 каналах
Get PRO
ноябрь '21
+45
в 0 каналах
Get PRO
октябрь '21
+154
в 0 каналах
Get PRO
сентябрь '21
+110
в 0 каналах
Get PRO
август '21
+39
в 0 каналах
Get PRO
июль '21
+20
в 0 каналах
Get PRO
июнь '21
+35
в 0 каналах
Get PRO
май '21
+31
в 0 каналах
Get PRO
апрель '21
+69
в 0 каналах
Get PRO
март '21
+76
в 0 каналах
Get PRO
февраль '21
+79
в 0 каналах
Get PRO
январь '21
+38
в 0 каналах
Get PRO
декабрь '20
+709
в 0 каналах
Дата
Привлечение подписчиков
Упоминания
Каналы
20 июня+1
19 июня+1
18 июня+1
17 июня+4
16 июня+3
15 июня0
14 июня0
13 июня0
12 июня+2
11 июня+1
10 июня0
09 июня+1
08 июня0
07 июня+1
06 июня0
05 июня+3
04 июня+3
03 июня+2
02 июня+1
01 июня0
Посты канала
We are alive...

2
شب بخیر...
شب بخیر...
106
3
ProMUSE: Progressive Multi-modal Uncertainty-guided Staged Evidential Alzheimer Disease Classification در مطالعه حاضر، محققان به دنبال راه‌حلی برای تشخیص زودهنگام بیماری آلزایمر بودند، در حالی که به هزینه و دسترسی محدود به داده‌های مولتی‌مدال مثل MRI و PET توجه داشتند. آن‌ها مدلی به نام ProMUSE معرفی کردند که از داده‌های کم‌هزینه‌تر کلینیکی شروع کرده و از طریق مدل منطقی مبتنی بر دیریکله، عدم قطعیت را کمّی‌سازی می‌کند. هنگامی که عدم قطعیت از حد معینی فراتر رفت، مدل به‌تدریج از ویژگی‌های MRI یا PET استفاده می‌کند و از طریق نظریه دمپستر-شافر، باور و عدم قطعیت را تلفیق می‌کند تا به پیش‌بینی دقیقی دست یابد. آزمایش‌ها نشان داد که ProMUSE در تشخیص بیماری آلزایمر به دقتی برابر یا بهتر از مدل‌های مولتی‌مدال کامل دست یافته، در حالی که استفاده از MRI و PET را تا ۵۰-۹۰٪ کاهش داده است. از نظر روش‌شناختی، ProMUSE یک گام مهم در جهت کاربردی‌تر کردن تشخیص بیماری‌های پیچیده در موقعیت‌های واقعی است. با استفاده هوشمندانه از داده‌های کلینیکی اولیه و مدیریت مؤثر عدم قطعیت، این مدل نه تنها هزینه‌ها را کاهش می‌دهد بلکه فرآیند تشخیص را هم بهینه‌تر می‌کند. این رویکرد می‌تواند به طور بالقوه به عنوان الگوی جدیدی در سایر زمینه‌های پزشکی کاربرد داشته باشد، جایی که دسترسی به داده‌های جامع و پرهزینه همیشه امکان‌پذیر نیست. سوالی که پیش می‌آید این است که چگونه می‌توان این استراتژی را به دیگر بیماری‌های نورودژنراتیو تعمیم داد؟ آیا این مدل در مواجهه با داده‌های غیرقابل پیش‌بینی یا متغیرهای محیطی نیز همین کارایی را خواهد داشت؟ این موضوع می‌تواند مسیرهای جذابی برای تحقیقات آینده فراهم کند. 📖 متن کاملِ مقاله (انگلیسی) Ref:NowaMind @Cyberstudents
217
4
Fact+. @Cyberstudents
Fact+. @Cyberstudents
115
5
Нет текста...
115
6
شرکت توزیعی تجهیزات دندانپزشکی در مشهد جهت تکمیل کادر خود نیازمند مسئول فنی توزیعی با شرایط زیر است. شرایط احراز: دارای مدرک مهندسی پزشکی دارای کارتابل فعال در ایمد اطلاعات تماس: لطفا شرایط و حقوق درخواستیتون‌ رو پیامک کنید. ۰۹۱۲۱۷۲۶۰۵۱ Ref:Medjob @Cyberstudents
122
7
اطلاعات بیشتر
اطلاعات بیشتر
126
8
We are alive...
197
9
داداش دووم بیار دارم وکالت میخونم...🤣🤣 شب بخیر...+1
داداش دووم بیار دارم وکالت میخونم...🤣🤣 شب بخیر...
211
10
🧠 نقشه‌ی سلولی زبان در مغز انسان آشکار شد. پژوهشی تازه که در نشریه معتبر Nature منتشر شده، برای نخستین بار نشان داده است که مغز انسان هنگام ساختن جمله، از نورون‌های تخصصی استفاده می‌کند که هر کدام وظیفه زبانی مشخصی دارند. پژوهشگران با ثبت فعالیت تک‌تک نورون‌ها در قشر پیشانی-گیجگاهی مغز افرادی مبتلا به صرع، توانستند فرایند شکل‌گیری جمله را در کسری از ثانیه پیش از بیان کلمات مشاهده کنند. نتایج نشان داد برخی نورون‌ها درست پیش از بیان اسم‌ها فعال می‌شوند، در حالی که گروهی دیگر پایان یک عبارت یا ویژگی‌های دستوری جمله را دنبال می‌کنند. این یافته با تصور قدیمی که زبان را حاصل فعالیت گسترده و پراکنده کل شبکه مغز می‌دانست تفاوت دارد و نشان می‌دهد سلول‌های ویژه‌ای برای جنبه‌های مختلف زبان وجود دارند. پژوهشگران برای تحلیل این داده‌ها از مدل‌های زبانی بزرگ، مشابه فناوری مورد استفاده در چت‌بات‌های هوش مصنوعی، کمک گرفتند. مقایسه فعالیت مغز با این مدل‌ها نشان داد هر دو سامانه هنگام پردازش زبان، زمینه جمله را حفظ می‌کنند و اطلاعات چند واژه قبلی را برای پیش‌بینی معنای واژه بعدی به کار می‌گیرند. همچنین این پژوهش نشان داد میان دو جنبه اصلی زبان یعنی «معنا» (سمانتیک) و «دستور زبان» (سینتکس) تقسیم کار وجود دارد. بیشتر نورون‌های شناسایی‌شده تنها یکی از این دو نوع اطلاعات را رمزگذاری می‌کنند. افزون بر این، نیمکره چپ مغز نقش پررنگ‌تری در پردازش اطلاعات زبانی نسبت به نیمکره راست دارد. دانشمندان معتقدند این یافته‌ها یکی از دقیق‌ترین نگاه‌ها به سازوکار زیستی تولید گفتار در مغز انسان را فراهم کرده و می‌تواند به توسعه رابط‌های مغز-رایانه، درمان اختلالات زبانی و درک بهتر ارتباط میان مغز و هوش مصنوعی کمک کند. خاستگاه : Nature Ref:AndisheKonim @Cyberstudents
218
11
واکنش دکتر پزشکیان...😅😂.
واکنش دکتر پزشکیان...😅😂.
181
12
نو کپتیون...
نو کپتیون...
176
13
Нет текста...
166
14
تفاوت تصویر رادیوگرافی، CT اسکن و MRI . @Cyberstudents
تفاوت تصویر رادیوگرافی، CT اسکن و MRI . @Cyberstudents
170
15
🏴طبق اطلاعات دریافتی پزشک جوان دیگری و رتبه دو رقمی کنکور اخیرا به زندگی خود پایان داده است. حداکثر واکنش نظام پزشکی کشور به
🏴طبق اطلاعات دریافتی پزشک جوان دیگری و رتبه دو رقمی کنکور اخیرا به زندگی خود پایان داده است. حداکثر واکنش نظام پزشکی کشور به خودکشی ما همین روبان مشکی است که بر عکس ما می زند... روحش شاد و یادش گرامی 🕯🥀🖤. Ref:Medicalfarm @Cyberstudents
181
16
Нет текста...
185
17
Fact 😅. @Cyberstudents
Fact 😅. @Cyberstudents
198
18
♨️ هوش مصنوعی وارد قلمرو مقدس ریاضیات شد | وقتی Ai معمای 80 ساله را حل کرد! ▪️مدل‌های تحقیقاتی OpenAI ظاهراً موفق شدند برای ح
♨️ هوش مصنوعی وارد قلمرو مقدس ریاضیات شد | وقتی Ai معمای 80 ساله را حل کرد! ▪️مدل‌های تحقیقاتی OpenAI ظاهراً موفق شدند برای حل یکی از مسائل قدیمی ریاضیات، مسیری رو پیشنهاد کنن که دهه‌ها از چشم ریاضیدان‌ها پنهان مونده بود. نکته عجیب ماجرا اینجاست که محققان انسانی بعداً از همون ایده الهام گرفتن و سراغ حل مسائل بزرگ‌تر رفتن. ▪️اگر این نتایج تأیید بشن ، شاید برای اولین بار هوش مصنوعی فقط یک ابزار محاسباتی نباشه ؛ بلکه به یک «همکار فکری» واقعی در بالاترین سطوح ریاضیات محض تبدیل بشه. Ref:IMSNEWS @Cyberstudents
189
19
REVEAL++: Differentiable Phenotypic Grouping for Vision-Language Retinal Modeling of Alzheimer's Disease Risk تحقیقی که در این مطالعه انجام شده، به بررسی قابلیت‌های روش‌های جدید در پیش‌بینی بیماری آلزایمر از طریق تحلیل تصاویر شبکیه چشم و متن‌های بالینی پرداخته است. این پژوهش از چارچوب‌هایی مانند REVEAL++ بهره می‌برد که تراز کردن بینایی-زبانی را برای بهبود پیش‌بینی‌های زودهنگام اعمال می‌کند. به‌جای استفاده از دسته‌بندی‌های سخت‌گیرانه برای شباهت‌های فنوتیپی، این مطالعه به‌کارگیری یک فرمول‌بندی پیوسته را پیشنهاد می‌کند. در این روش، شباهت بین نمونه‌ها به‌عنوان یک تابع وزن‌دهی قابل تفکیک مدل‌سازی می‌شود که از شباهت‌های جاسازی درون‌مدالیته‌ای در تصاویر شبکیه و پروفایل‌های ریسک بیمار استخراج می‌شود. این وزن‌ها روابط چندگانه مثبت نرم را تعریف می‌کنند و نظارتی تدریجی را اعمال می‌کنند که ماهیت طیفی ریسک بیماری را انعکاس می‌دهد. ارزیابی این روش بر روی داده‌های تصویربرداری شبکیه از بانک اطلاعاتی UK Biobank نشان داده که چارچوب پیشنهادی در پیش‌بینی وقوع آلزایمر، عملکرد بهتری نسبت به روش‌های مبتنی بر گروه‌بندی‌های سخت و پایه‌های بینایی-زبانی استاندارد دارد. اهمیت این پژوهش در تغییر نگرش به شباهت‌های فنوتیپی نهفته است. با تبدیل شباهت به یک سیگنال قابل یادگیری و پیوسته، این روش از محدودیت‌های ناشی از دسته‌بندی‌های ثابت و سخت جلوگیری می‌کند و به‌جای آن، الگوی پیوسته‌ای از ریسک بیماری را معرفی می‌کند که می‌تواند به‌طور مؤثری برای مدل‌سازی ریسک در مقیاس جمعیتی از داده‌های چندوجهی شبکیه و بالینی استفاده شود. این دیدگاه نوین درک بیشتری از پیچیدگی‌های نهفته در ساختارهای فنوتیپی و تعاملات بین آنها ارائه می‌دهد و می‌تواند به بهبود پیش‌بینی‌ها و مداخلات زودهنگام بالینی کمک کند. سوالی که در اینجا مطرح می‌شود، چگونگی تعمیم این رویکرد به سایر بیماری‌های نورودژنراتیو و کاربردهای بالینی است. آیا این روش می‌تواند به‌عنوان یک مدل عمومی برای تحلیل ریسک بیماری‌ها بر اساس داده‌های چندوجهی مورد استفاده قرار گیرد؟ بررسی جامع‌تر و دقیق‌تر این مسئله می‌تواند مسیرهای جدیدی در تحقیقات آینده باز کند. 📖 متن کاملِ مقاله (انگلیسی) Ref:NowaMind @Cyberstudents
174
20
⚽️🧠 چرا فوتبال می‌تواند میلیون‌ها نفر را میخکوب کند؟ شاید تصور کنیم جذابیت فوتبال فقط به گل‌ها و رقابت‌ها مربوط است؛ اما نور
⚽️🧠 چرا فوتبال می‌تواند میلیون‌ها نفر را میخکوب کند؟ شاید تصور کنیم جذابیت فوتبال فقط به گل‌ها و رقابت‌ها مربوط است؛ اما نوروساینس داستان جالب‌تری را روایت می‌کند. 🔹 نواحی مهمی مانند آمیگدالا، اینسولا و VTA در هیجان و لذت بازی نقش دارند. 🔹 مغز به دلیل پیش‌بینی‌ناپذیری مسابقه، تا آخرین لحظه درگیر می‌ماند. 🔹 احساس تعلق به یک تیم، واکنش‌های عاطفی را چند برابر می‌کند. 🔹 هیجان جمعی نیز تجربه تماشای فوتبال را عمیق‌تر و لذت‌بخش‌تر می‌سازد. اما دقیقاً کدام سازوکارهای مغزی باعث می‌شوند یک مسابقه فوتبال این‌قدر جذاب و فراموش‌نشدنی باشد؟ 🤔 👈🔗 مقاله کامل Ref:Synaps @Cyberstudents
182