迪金大学,沃恩池塘,维克3216,澳大利亚b食品科学技术系,农业教职员工,马什哈德费尔多夫大学(FUM),马什哈德,伊朗C国际生物研究材料研究中心(ICRI-BIOM研究) - ICRI-BIOM研究-ICRIHIE ZERHIE,LODK,LODA,LODA,LODA,LODA,LODA,lodk 116,90-90-924 Lodz,Poland D洛兹D STEM学院,RMIT大学,墨尔本,VIC 3001,澳大利亚E e生物学与生物工程学系治疗学,默多克大学,珀斯,华盛顿州6150,澳大利亚H边境材料研究所,迪金大学,沃恩池塘,吉朗,维多利亚州吉朗3216,澳大利亚I生命科学系,Chalmers Technology,Chalmers Technology,SE 412 96 Gothenburg,瑞典,瑞典迪金大学,沃恩池塘,维克3216,澳大利亚b食品科学技术系,农业教职员工,马什哈德费尔多夫大学(FUM),马什哈德,伊朗C国际生物研究材料研究中心(ICRI-BIOM研究) - ICRI-BIOM研究-ICRIHIE ZERHIE,LODK,LODA,LODA,LODA,LODA,LODA,lodk 116,90-90-924 Lodz,Poland D洛兹D STEM学院,RMIT大学,墨尔本,VIC 3001,澳大利亚E e生物学与生物工程学系治疗学,默多克大学,珀斯,华盛顿州6150,澳大利亚H边境材料研究所,迪金大学,沃恩池塘,吉朗,维多利亚州吉朗3216,澳大利亚I生命科学系,Chalmers Technology,Chalmers Technology,SE 412 96 Gothenburg,瑞典,瑞典迪金大学,沃恩池塘,维克3216,澳大利亚b食品科学技术系,农业教职员工,马什哈德费尔多夫大学(FUM),马什哈德,伊朗C国际生物研究材料研究中心(ICRI-BIOM研究) - ICRI-BIOM研究-ICRIHIE ZERHIE,LODK,LODA,LODA,LODA,LODA,LODA,lodk 116,90-90-924 Lodz,Poland D洛兹D STEM学院,RMIT大学,墨尔本,VIC 3001,澳大利亚E e生物学与生物工程学系治疗学,默多克大学,珀斯,华盛顿州6150,澳大利亚H边境材料研究所,迪金大学,沃恩池塘,吉朗,维多利亚州吉朗3216,澳大利亚I生命科学系,Chalmers Technology,Chalmers Technology,SE 412 96 Gothenburg,瑞典,瑞典迪金大学,沃恩池塘,维克3216,澳大利亚b食品科学技术系,农业教职员工,马什哈德费尔多夫大学(FUM),马什哈德,伊朗C国际生物研究材料研究中心(ICRI-BIOM研究) - ICRI-BIOM研究-ICRIHIE ZERHIE,LODK,LODA,LODA,LODA,LODA,LODA,lodk 116,90-90-924 Lodz,Poland D洛兹D STEM学院,RMIT大学,墨尔本,VIC 3001,澳大利亚E e生物学与生物工程学系治疗学,默多克大学,珀斯,华盛顿州6150,澳大利亚H边境材料研究所,迪金大学,沃恩池塘,吉朗,维多利亚州吉朗3216,澳大利亚I生命科学系,Chalmers Technology,Chalmers Technology,SE 412 96 Gothenburg,瑞典,瑞典
O-04研究中AI驱动的手动分析,以区分新手和医学教育专家技能Jafar Arash Mehr博士;医学博士Eric S. Hungness; Amy L. Halverson,医学博士,FACS;以及伊利诺伊州芝加哥的西北大学杰弗里·H·巴尔苏克(Jeffrey H.西北医学 - 西北大学,伊利诺伊州芝加哥,简介:人工智能(AI)可以增强教师教育者对学习者任务绩效的评估。 我们旨在开发一种创新的工具,可以使用计算机视觉和AI在缝合任务过程中跟踪和分析手动运动,以区分新手和专家表现。 方法:我们对一位作者(JAM)进行了视频记录的简单中断缝合任务,该任务(JAM)在缝合板上模拟了专家和新手表演。 使用深度摄像头和开源机器学习和计算机视觉工具(图)记录了每个任务的视频。 使用OpenCV库检索视频帧,然后传递到Google MediaPipe库,该库在每只手上都跟踪21个地标。 intel pyrealsense2每0.1秒钟在3D空间中提取地标的坐标。 总共定义了16个指标,以表征手提动作。 来自这些指标的汇总组数据用于训练多层感知神经网络,以区分专家和新手。 构建了一个评分系统,用于定量评估。 16个指标中有14个可以区分新手和专家组(p值<0.05)。 评分系统已在另外10个专家和10个新手视频上进行了验证。O-04研究中AI驱动的手动分析,以区分新手和医学教育专家技能Jafar Arash Mehr博士;医学博士Eric S. Hungness; Amy L. Halverson,医学博士,FACS;以及伊利诺伊州芝加哥的西北大学杰弗里·H·巴尔苏克(Jeffrey H.西北医学 - 西北大学,伊利诺伊州芝加哥,简介:人工智能(AI)可以增强教师教育者对学习者任务绩效的评估。我们旨在开发一种创新的工具,可以使用计算机视觉和AI在缝合任务过程中跟踪和分析手动运动,以区分新手和专家表现。方法:我们对一位作者(JAM)进行了视频记录的简单中断缝合任务,该任务(JAM)在缝合板上模拟了专家和新手表演。使用深度摄像头和开源机器学习和计算机视觉工具(图)记录了每个任务的视频。使用OpenCV库检索视频帧,然后传递到Google MediaPipe库,该库在每只手上都跟踪21个地标。intel pyrealsense2每0.1秒钟在3D空间中提取地标的坐标。总共定义了16个指标,以表征手提动作。来自这些指标的汇总组数据用于训练多层感知神经网络,以区分专家和新手。构建了一个评分系统,用于定量评估。16个指标中有14个可以区分新手和专家组(p值<0.05)。评分系统已在另外10个专家和10个新手视频上进行了验证。创建工具后,同一位作者将模拟更多的专家和新手表演,并允许该工具根据评分系统预测性能水平:初步结果:使用50个模拟专家和50个新手视频对神经网络进行了培训。分别发现评分的准确性和精度分别为85%和90%。下一步:我们开发了一个创新的基于AI的视频分析框架,能够区分专家和新手的基本缝合技能。该工具有可能通过减少教师培训和评估学习者的需求,在其他医疗任务中使用有意义的医学教育贡献。
- 在可穿戴计算机设计、生物医学电路和系统、信号处理和数字健康人工智能方面确立了领导地位。 - 与医学院、非工程研究人员和行业建立了广泛的多学科合作(外部赞助金额超过 8000 万美元)。 - 充当工程学和生命科学之间的桥梁。 - 为 BME、ECE 和 CSE 等多个工程专业开发了带有医疗应用的嵌入式系统课程和教程(包括大量讲座和实验室实验)。 - NIH 临床信息学和数字健康 (CIDH) 研究部门首任主席 - 担任该学科最知名期刊的编委会成员,包括 (Nature) npj Digital Medicine。 - 担任 NSF 和 NIH 等多个资助机构的小组主席/常规/常任成员。 - 可穿戴计算机和数字健康领域多个旗舰会议的总主席/技术项目主席/指导委员会。 - 担任主要大学委员会成员,促进多学科教学和研究。专业任命
铅锌矿工人对比敏感度和色觉评估 Fattahi Farzaneh*、Khabazkhoob Mehdi**、Jafarzadehpour Ebrahim*** ****、Mirzajani Ali***、Yekta AbbasAli***** *伊朗德黑兰诺尔眼科医院诺尔眼科流行病学研究中心 **伊朗德黑兰 Shahid Beheshti 医科大学护理与助产学院外科护理系 ***伊朗德黑兰伊朗医科大学康复学院验光系 ****伊朗德黑兰诺尔眼科研究中心 *****伊朗马什哈德医科大学辅助医学学院验光系 通讯作者:Ebrahim Jafarzadehpur,博士,伊朗医科大学康复学院验光系德黑兰,伊朗,德黑兰 Hemat 高速公路 Milad 塔旁 14496,邮编 14535,伊朗,电子邮件:jafarzadehpour.e@iums.ac.ir 接受日期:2019 年 11 月 10 日摘要目的。本研究旨在确定铅锌矿工的无色差对比敏感度和色觉。方法。总共 230 名在矿场工作且接触矿物至少 1 年的男性工人被视为病例组,年龄匹配的 90 岁未接触矿物的男性被视为对照组。在低中间光条件下,通过两个光栅和 Landolt C 刺激,使用弗莱堡测试在 1、5 和 15 度三个频率下评估对比敏感度。在高中视觉条件下,使用 Farnsworth D-15 测试评估色觉。两项测试均为单眼进行。使用 SPSS 22 版软件进行数据分析。结果 . Landolt C 刺激在 1、5 和 15 周期/度三个频率上研究组之间存在显著差异(p=0.009、p=0.016 和 p=0.003)。使用光栅刺激,两组在 1 和 15 周期/度频率上有显著差异,但在 5 周期/度频率下存在边界差异(p˂0.0001、p=0.051 和 p=0.008)。两组的颜色混淆指数之间存在显著差异(p˂0.0001)。结论 . 长期接触铅锌矿中的矿物可能导致色觉缺陷和对比敏感度下降。建议将 Farnsworth D-15 和 Freiburg 对比敏感度测试用于接触矿物的工人的神经退行性和视觉障碍的早期诊断。关键词:对比敏感度、色觉、铅锌矿工引言
