به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

فهرست مطالب hesam montazeri

  • حسام منتظری*، احمدرضا غفاری، علی اکبر موسوی موحدی
    ChatGPT یک ابزار هوش مصنوعی محاوره ای است که توسط OpenAI توسعه یافته است و در نوامبر 2022 معرفی شد. این ابزار پاسخ های متنی انسان مانند تولید می کند. کاربردهای آن در حوزه های مختلفی را از جمله آموزش، پزشکی و سلامت، مسایل حقوقی، کدنویسی و عیب یابی برنامه ها و تحقیقات علمی است. در این زمینه ها، ChatGPT می تواند محتوا را تولید و اصلاح کند، مطالب را ساده سازی و خلاصه کند، به تشخیص الگوها کمک کند، داده ها را پردازش و تجزیه و تحلیل کند، و همکاری و ارتباطات را بین محققان و عموم مردم ارتقا دهد. در استفاده از ChatGPT چندین ملاحظات اخلاقی از جمله حریم خصوصی و امنیت داده ها، مالکیت معنوی و تالیف، سوء استفاده غیرقانونی، شفافیت و توضیح پذیری، اطلاعات نادرست، سوگیری ها، تعاملات انسان و ماشین و مسیولیت و پاسخگویی را مطرح می شود. استفاده کنترل نشده از آن می تواند مشکلاتی ایجاد کند و محققان در تلاش هستند تا دقت و قابلیت اطمینان آن را بهبود بخشند. نظر ناشران بین المللی پیرامون ChatGPT این است که این ابزار نمی تواند به عنوان یک نویسنده در مقالات علمی باشد و فقط می توان از آن در بهبود نوشتار و خلاصه سازی استفاده کرد و هرگز نمی تواند جای محقق اصلی را بگیرد.استفاده از ChatGPT برای تحقیقات علمی پیشرفت های عظیمی را به همراه داردکه علیرغم چندین بحث و نگرانی اخلاقی، ChatGPT در یک بازه زمانی بسیار کوتاه توجه دانشگاهیان را به خود جلب کرده است.
    کلید واژگان: هوش مصنوعی, مدلهای زبانی گسترده, کاربردهای پژوهشی, تحقیقات علمی, چت جی پی تی, مسائل اخلاقی}
    Hesam Montazeri *, Ahmadreza Ghaffari, AliAkbar Moosavi-Movahedi
    ChatGPT is a conversational AI tool developed by OpenAI and introduced in November 2022. This tool generates human-like text responses. Its applications are in various fields, including education, medicine and health, legal issues, coding and program troubleshooting, and scientific research. In these areas, ChatGPT can generate and refine content, simplify and summarize content, help recognize patterns, process and analyze data, and promote collaboration and communication between researchers and the public. In using ChatGPT, several ethical considerations are raised, including data privacy and security, intellectual property and authorship, illegal misuse, transparency and explain ability, false information, biases, human-machine interactions, and responsibility and accountability. Its uncontrolled use can cause problems, and researchers are working to improve its accuracy and reliability. The opinion of international publishers about ChatGPT is that this tool cannot be used as an author in scientific articles and can only be used to improve writing and summarizing and can never take the place of the original researcher. The use of ChatGPT for scientific research has brought great progress that despite several debates and ethical concerns, ChatGPT has attracted the attention of academics in a very short period of time.
    Keywords: artificial intelligence, large language models, research applications, SCIENTIFIC RESEARCH, ChatGPT, Ethical issues}
  • ساجده باهنر، فهیمه پالیزبان، حسام منتظری*

    به این دلیل که بیوپسی مایع نسبت به بیوپسی بافتی ایمن تر و کم تهاجمی تر است، در سال های گذشته بررسی زیست نشانگر های موجود در آن برای پیش آگهی و تشخیص زود هنگام سرطان حایز اهمیت شده است. بررسی تغییر پروفایل بیانی پلاکت های آموزش دیده توموری موجود در بیوپسی مایع می تواند به عنوان یکی از زیست نشانگرها مورد استفاده قرار گیرد. استفاده از مدل های یادگیری ماشین دسته بندی با توجه به فضای ویژگی بر گرفته از داده های بیانی این پلاکت ها، توانایی پیش آگهی و تشخیص زود هنگام سرطان را به ما داده است. در این پژوهش میزان صحت و خطای هفت مدل دسته بندی در دو حالت دو دسته برای تشخیص نمونه های سالم و سرطانی و چند دسته برای تشخیص نمونه های سالم و انواع سرطان ها از یکدیگر مورد ارزیابی قرار گرفتند. این مدل ها روی پروفایل بیانی 2000 ژن پلاکت های آموزش دیده توموری مربوط به بیمارانی با سرطان های سینه، کبد، روده، مغز، پانکراس و ریه و همینطور پروفایل بیانی این ژن ها در 55 فرد سالم بررسی شدند. داده های مورد استفاده سری GSE68086 هستند که از پایگاه داده GEO دانلود شدند. همچنین روی این ژن ها با روش preranked GSEA تجزیه و تحلیل غنی سازی مسیر صورت گرفت. نتایج نشان داد مدل ماشین بردارهای پشتیبان با کرنل خطی و غیر خطی از بین مدل های دو دسته با میانگین خطای 05/0 و مدل ماشین بردارهای پشتیبان خطی از بین مدل های چند دسته با میانگین خطای 33/0 نرخ خطای کمتری دارند. به طور کلی نتایج حاصل دسته بندی پروفایل بیانی پلاکت های آموزش دیده توموری و تجزیه و تحلیل غنی سازی مسیرنشان دهنده این است که پروفایل بیانی پلاکت های آموزش دیده توموری را می توان به عنوان کاندید نشانگر زیستی در نظر گرفت.

    کلید واژگان: پلاکت های آموزش دیده توموری, پیش آگهی و تشخیص سرطان, دسته بندی تغییرهای پروفایل بیانی, مدل های یادگیری ماشین, نشانگر زیستی}
    Sajedeh Bahonar, Fahimeh Palizban, Hesam Montazeri*

    Since liquid biopsy is less invasive than tissue biopsy, studies on liquid biopsy biomarkers for the early detection of cancer and diagnosis are taken into consideration. Expression profiles of tumor-educated platelets (TEP) in liquid biopsy can be used as one of the biomarkers. The use of classification machine learning models, according to the features space derived from the expression data of TEPs, has given us the ability to predict cancer. In this study, we evaluate different types of classification models namely SVM, LDA, logistic regression, boosting, classification tree, and random forest, on the expression profile of TEPs in 230 patients with breast, liver, colorectal, brain, pancreatic, and lung cancers, as well as the expression profile of these genes in 55 healthy individuals. These models were examined on the expression profile of 2000 high variance selected genes. Also, pathway enrichment analysis was performed on these genes by the GSEA preranked method. The results showed that linear SVM and polynomial SVM models have lower error rates than two-class models and linear SVM models have lower error rates than multi-class models. In general, the results of TEP expression profile classification and pathway enrichment analysis indicate that the expression profile of TEPs can be considered as candidate biomarkers.

    Keywords: Tumor educated platelets, cancer diagnosis, early detection, expression profile classification, machine learning models, biomarkers}
بدانید!
  • در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو می‌شود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشته‌های مختلف باشد.
  • همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته می‌توانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
  • در صورتی که می‌خواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال