جستجو در مقالات منتشر شده


2 نتیجه برای مهرابی بهار

علی جنگجو، مصطفی مهرابی بهار، محسن علی اکبریان،
دوره 67، شماره 5 - ( 5-1388 )
چکیده

زمینه و هدف: جراحی سرطان پستان از شایع‌ترین جراحی‌های بانوان می‌باشد و یکی از عوارض آزاردهنده این عمل جراحی تشکیل سروما است. شناسایی و تغییر عوامل مؤثر بر بروز سروما می‌تواند با کاهش میزان عوارض پس از عمل تا حدود زیادی بر نتیجه عمل و کیفیت زندگی بیمار تأثیرگذار باشد. در این مطالعه توصیفی میزان بروز و عوامل مؤثر در بروز سروما را مورد بررسی قرار دادیم.
روش بررسی: در این مطالعه توصیفی- تحلیلی که به صورت آینده‌نگر در سال‌های 1386 تا 1387 بر روی 103 بیمار زن صورت گرفت، اطلاعات بیماران در مورد سن، سابقه خانوادگی سرطان پستان، معاینات قبل از عمل، شیمی‌درمانی قبل از عمل، نوع عمل جراحی، وسعت دایسکشن آگزیلا، ابزار مورد استفاده در دایسکشن، گزارش آسیب‌شناسی و مرحله تومور در پرسش‌نامه‌های مخصوصی به‌ثبت رسید و همه بیماران به‌مدت چهار هفته از نظر مدت‌زمان درناژ و عوارض پس‌از عمل به‌خصوص تشکیل سروما مورد پی‌گیری قرار گرفتند.
یافته‌ها: نتایج به‌دست آمده نشان داد سروما در 27 نفر از بیماران (2/26%) ایجاد شد و این میزان به‌طور معنی‌داری با سن بیماران در ارتباط بود (005/0p=) ولی در این مطالعه ارتباط معنی‌داری میان سایر عوامل مورد بررسی با میزان بروز سروما یافت نشد، هر چند دو عامل نوع عمل جراحی و سطح دایسکشن آگزیلا با قبول ضریب اطمینان 90% معنی‌دار شدند (p به‌ترتیب معادل 068/0 و 063/0).
نتیجه‌گیری: با توجه به این مطالعه، سن به‌عنوان عامل تأثیرگذار مستقل در بروز سروما پس از جراحی‌های پستان مطرح می‌باشد در حالی‌که سایر عوامل از نظر آماری تأثیری بر میزان تشکیل سروما ندارند.


زکیه واحدیان اردکانی، مهران زارعی قنواتی، حمید ریاضی اصفهانی، سید مهدی طباطبائی، محمد رضا مهرابی بهار، صادق غفاریان، احمد معصومی،
دوره 83، شماره 1 - ( فروردین 1404 )
چکیده

هوش مصنوعی به‌عنوان ابزاری تحول‌آفرین در حوزه مراقبت‌های بهداشتی شناخته شده است و چشم‌پزشکی به دلیل وجود تصویربرداری‌های متنوع یکی از پیشروترین رشته‌ها در بهره‌گیری از این فناوری محسوب می‌شود. در میان بیماری‌های چشمی، گلوکوم به‌دلیل ماهیت مزمن و پیشرونده‌ و نیز نیاز به ارزیابی‌های ساختاری و عملکردی پیچیده، بستری مناسب برای توسعه و به‌کارگیری ابزارهای مبتنی بر هوش مصنوعی فراهم کرده است. در این مقاله مروری، جدیدترین کاربردهای هوش مصنوعی در حوزه گلوکوم با تمرکز بر جنبه‌های تشخیص، پایش روند پیشرفت بیماری، و کمک به تصمیم‌گیری‌های بالینی بررسی شده است. الگوریتم‌های مبتنی بر یادگیری ماشین و یادگیری عمیق توانسته‌اند با دقت بالایی داده‌های حاصل از تصویربرداری فوندوس، Optical Coherence و آزمون‌های میدان بینایی را تحلیل کرده و تغییرات مرتبط با گلوکوم را تشخیص دهند. این فناوری‌ها علاوه‌بر افزایش دقت تشخیص، می‌توانند ابزارهایی موثر برای غربالگری در مقیاس وسیع، به‌ویژه در مناطق با دسترسی محدود به متخصصان چشم‌پزشکی باشند. همچنین، استفاده از مدل‌های هوش مصنوعی در ردیابی تغییرات تدریجی ساختاری یا عملکردی چشم، امکان پیش‌بینی خطر پیشرفت بیماری و شخصی‌سازی برنامه درمانی را فراهم می‌سازد. با وجود این پیشرفت‌ها، چالش‌هایی همچون عدم‌تعمیم‌پذیری مدل‌ها به جمعیت‌ها و دستگاه‌های مختلف، کمبود داده‌های با کیفیت و قابل‌اعتماد و عدم‌شفافیت در فرآیند تصمیم‌گیری الگوریتم‌ها (پدیده جعبه سیاه) همچنان مانع از پذیرش گسترده این فناوری در عمل بالینی شده‌اند. این مقاله با مرور انتقادی بر دستاوردها و محدودیت‌های فعلی، مسیرهایی برای تحقیقات آینده و اجرای موثر و اخلاق‌مدار هوش مصنوعی در مراقبت از بیماران مبتلابه گلوکوم پیشنهاد می‌دهد.
 

صفحه 1 از 1     

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

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2026 , Tehran University of Medical Sciences, CC BY-NC 4.0

Designed & Developed by : Yektaweb