جستجو در مقالات منتشر شده


2 نتیجه برای شناسایی

زهرا ناصری، محمد یوسف علیخانی، سید حمید هاشمی، محمد رضا عربستانی،
دوره 17، شماره 5 - ( 5-1393 )
چکیده

زمینه و هدف: بروسلوزیس به عنوان یکی از بیمای‌های شایع زئونوز محسوب می‌شود و استان همدان یکی از مناطق اندمیک این بیماری است. هدف از این مطالعه جداسازی بروسلا از بیماران بروسلوزیس و تعیین گونه‌های این باکتری به منظور بررسی شیوع این سویه‌ها بود.

مواد و روش‌ها: این مطالعه از نوع مقطعی- توصیفی بود و از50 بیمارمشکوک به بروسلوز و دارای علایم بالینی نمونه‌گیری از خون انجام شد. هر نمونه در محیط کشت خون BACTEC به مدت 14 روزتحت بررسی قرار گرفت. سپس، نمونه‌ها روی محیط بروسلا آگار کشت داده شد و برای تشخیص باکتری‌های رشد کرده، از آزمون‌های بیوشیمیایی استفاده گردید. در مرحله بعد آزمون PCR جهت تائید و تعیین گونه‌های بروسلا انجام شد.

یافته‌ها: از 50 نمونه خون گرفته شده از بیماران مشکوک به بروسلوز، 7 نمونه خون از نظر آلودگی با بروسلا با روش کشت مثبت و با روشPCR تائید گردید. توسط PCR مستقیم روی نمونه‌های خون (22 درصد) 11 مورد مثبت شدند که تمام موارد کشت مثبت توسط PCR نیز شناسائی شدند. پس از انجام آزمون‌های بیوشیمیایی و PCR ، بروسلا ملی تنسیس به عنوان گونه باکتری‌های جدا شده، شناخته شد.

نتیجه‌گیری: در این مطالعه تکنیک PCR برای تشخیص گونه‌های بروسلا در مقایسه با روش‌های معمول باکتری شناسی مورد ارزیابی قرار گرفت. این مطالعه نشان می‌دهد که شیوع بروسلوز با عامل غالبیت بروسلا ملی تنسیس در استان همدان مشهود بوده و تلاش برای ریشه کن سازی این باکتری در این منطقه بایستی انجام گیرد.


سید صادق حسینی، محمد رضا یمقانی،
دوره 27، شماره 4 - ( 7-1403 )
چکیده

مقدمه: امروزه استفاده از هوش مصنوعی و یادگیری ماشین در تمام علوم، تأثیر گذاشته است. استفاده از آن برای شناسایی احساسات افراد با ادغام داده‌های صوت و متن و تصویر دقت بالاتری را نسبت به سایر روش‌ها نشان می‌دهد و این تشخیص کاربردهای زیادی برای روانشناسان و تعامل ماشین و انسان خواهد داشت. شناسایی احساسات انسان و واکنش افراد یکی از نکات مهم در روانشناسی و روان‌درمانی می‌باشد. شناسایی احساسات تاکنون بصورت فردی و بوسیله بررسی واکنش چهره، نوع سخن گفتن و یا دست‌نوشته‌های اشخاص به محرک‌های و رویدادها شناسایی، بررسی و تجزیه و تحلیل می‌شود. با توجه به شرایط فرد آنالیز شونده و یا شرایط فرد آنالیز‌کننده ممکن است از دقت لازم برخوردار نباشد. این مقاله سعی دارد با توجه به روش‌های هوش مصنوعی و یادگیری ماشین بتواند با دقت بالایی این تشخیص را از داده‌های صوت و متن و تصویر استخراج نماید
روش کار: این پژوهش از حیث روش از نوع همبستگی بین احساسات و داده‌های ورودی و بر اساس روش‌های یادگیری ماشین و تحلیل رگرسیون برای پیش‌بینی یک متغیر ملاک بر اساس چند متغیر پیش‌بین می‌باشد (متغیر ملاک طبقه احساسی ویژگی‌ها و متغیرهای پیش‌بین صوت و تصویر و متن می‌باشند) جامعه آماری پژوهش مجموعه دادگان IEMOCAP و از حیث نوع داده این پژوهش، آمیخته کمی- کیفی می‌باشد.
یافته‌ها: نتایج به‌دست‌آمده نشان داد ترکیب اطلاعات صوت و تصویر و متن برای تشخیص احساسات چند حالته انسانی نسبت به تشخیص احساسات از هرکدام از داده‌ها بصورت تنها از دقت بسیار بالاتری برخوردار است.دقت این پژوهش عدد 9/82 را در مجموعه دادگان مبنا نشان می‌دهد.
نتیجه گیری: نتایج حاکی از دقت قابل قبول نسبت به تشخیص ادغام داده‌های صوت و متن و تصویر نسبت به هر داده بصورت منفرد در تشخیص احساسات انسانی توسط روش یادگیری ماشین و هوش مصنوعی می‌باشد.

صفحه 1 از 1     

کلیه حقوق این وب سایت متعلق به مجله دانشگاه علوم پزشکی اراک می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2025 CC BY-NC 4.0 | Journal of Arak University of Medical Sciences

Designed & Developed by : Yektaweb