ΗΠΑ – δρ. Κατσάγγελος: Διάγνωση της Covid-19 από ακτινογραφίες πνευμόνων

FrontpageΑμερικήΥγεία
Σύνταξη
ΗΠΑ – δρ. Κατσάγγελος: Διάγνωση της Covid-19 από ακτινογραφίες πνευμόνων

Οι ερευνητές, με επικεφαλής τον ειδικό στη τεχνητή νοημοσύνη καθηγητή ‘Αγγελο Κατσάγγελο Τμήματος Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών της Πολυτεχνικής Σχολής του Πανεπιστημίου Northwestern του Ιλινόις, δημιούργησαν πλατφόρμα τεχνητής νοημοσύνης με αλγόριθμο διάγνωσης της νόσου Covid-19, αναλύοντας ακτινογραφίες των πνευμόνων.

Το «έξυπνο» σύστημα με την ονομασία DeepCOVID-XR, όπως έδειξαν οι δοκιμές του, μπορεί να ανιχνεύσει τη νόσο του κορονοϊού περίπου δέκα φορές πιο γρήγορα και με ακρίβεια 1% έως 6% μεγαλύτερη σε σχέση με ακτινολόγους εξειδικευμένους στις ακτινογραφίες θώρακα.

«Στόχος μας δεν είναι να αντικαταστήσουμε τα τεστ για κορονοϊό. Οι ακτινογραφίες-Χ είναι μια ασφαλής και φθηνή διαδικασία ρουτίνας. Με το νέο σύστημα μας χρειάζονται δευτερόλεπτα για να ελεγχθεί ένας ασθενής και να διαπιστωθεί κατά πόσο πρέπει να απομονωθεί λόγω λοίμωξης Covid-19», δήλωσε ο ‘Ελληνας καθηγητής.

«Χρειάζονται ώρες ή μέρες για να πάρει κανείς τα αποτελέσματα από ένα τεστ Covid-19. Η τεχνητή νοημοσύνη δεν επιβεβαιώνει αν κάποιος έχει τον κορονοϊό ή όχι. Όμως, με το νέο αλγόριθμο, μπορούμε να ξεχωρίζουμε ένα ασθενή ως ύποπτο κρούσμα, προτού βγουν τα αποτελέσματα του τεστ», πρόσθεσε ο δρ Ράμσεϊ Γουέμπε της Ιατρικής Σχολής του Northwestern.

«Οι ακτινολόγοι είναι ακριβοί και όχι πάντα διαθέσιμοι. Οι ακτινογραφίες-Χ είναι φθηνές και ήδη αποτελούν μια διαδικασία ρουτίνας στην κλινική πράξη. Το νέο σύστημα μπορεί να εξοικονομήσει χρήματα και να σώσει ζωές, ιδίως τώρα που η έγκαιρη διάγνωση είναι τόσο κρίσιμη, όταν κανείς δουλεύει με την Covid-19», τόνισε ο Κατσάγγελος, ο οποίος είναι απόφοιτος του Τμήματος Ηλεκτρολόγων Μηχανικών του Αριστοτελείου Πανεπιστημίου Θεσσαλονίκης (1979), με διδακτορικό από το Ινστιτούτο Τεχνολογίας της Τζόρτζια των ΗΠΑ (1985).

Οι ερευνητές επεσήμαναν ότι δεν εμφανίζουν όλοι οι ασθενείς σημάδια της Covid-19 στους πνεύμονες τους, συνεπώς ούτε στις ακτινογραφίες τους, ιδίως στα αρχικά στάδια της νόσου. Σε αυτές τις περιπτώσεις, το «έξυπνο» σύστημα ασφαλώς δεν μπορεί να κάνει διάγνωση και γι’ αυτό δεν μπορεί να αντικαταστήσει τα τεστ.

Όλες οι Ειδήσεις από την Ελλάδα και τον Κόσμο,  στο ertnews.gr
Διάβασε όλες τις ειδήσεις μας στο Google
Κάνε like στη σελίδα μας στο Facebook
Ακολούθησε μας στο Twitter
Κάνε εγγραφή στο κανάλι μας στο Youtube
Προσοχή! Επιτρέπεται η αναδημοσίευση των πληροφοριών του παραπάνω άρθρου (όχι αυτολεξεί) ή μέρους αυτών μόνο αν:
– Αναφέρεται ως πηγή το ertnews.gr στο σημείο όπου γίνεται η αναφορά.
– Στο τέλος του άρθρου ως Πηγή
– Σε ένα από τα δύο σημεία να υπάρχει ενεργός σύνδεσμος
TAGS Covid 19DeepCOVID-XRΆγγελος ΚατσάγγελοςδιάγνωσηΙλινόιςτεχνητή νοημοσύνη
ΤΕΛΕΥΤΑΙΑ ΝΕΑ
ΡΟΗ ΕΙΔΗΣΕΩΝ
heading. Must include LSI keywords naturally.We must pick a player behavior pattern: let’s pick “mobile gameplay during brief, repeated visits”. So the article will focus on playing on mobile, short visits, quick decision making, etc.Also must alternate between short punchy sentences and longer explanations.Must avoid more than 150 plain text in a row; use lists and subheadings.Need at least two bullet lists or numbered lists for every 700 words. So for 2200 words, we need about 3-4 lists. We’ll include lists in several sections.Also we need at least a final conclusion section with a call to action. That will be a final section with CTA.We should use tags for paragraphs, and h2, h3. Use ul li lists.We must not use bold text.Let’s plan sections:1. Intro (h2) – introduction about Hugo Casino, mobile focus, quick sessions.2. Mobile‑first design (h2) – layout, responsiveness, no app.3. Game selection for quick bursts (h2) – highlight slots, live casino, crash, drops & wins, Hugo’s special games; but keep mobile focus; mention providers but not exhaustive.4. Quick‑play features (h2) – auto‑reels, fast spin, one‑click bets, etc.5. Session flow example (h3) – a typical 5‑minute session on the go.6. Risk control & bankroll management (h2) – small bets, quick stops.7. Bonus usage in mobile sessions (h2) – how to claim free spins, reload bonuses quickly.8. Payment options for mobile (h2) – crypto, e-wallets, instant deposits.9. Loyalty & rewards on the fly (h2) – VIP tiers, cashback, how to track via mobile.10. Community & social play (h2) – chat, leaderboard, social sharing on mobile.11. Conclusion & CTA (h2).We need at least 10-12 sections; we have 11.Each section at least 200 words. Must keep within word count.Let’s approximate: each section ~190-210 words. Let’s aim for 210 words each => 2310 words. Within allowed 2000? Wait requirement: between 1800-2000 words strictly mandatory. So cannot exceed 2000. So we must target 200 words? Let’s recalc: If each at least 200 words and we have 10-12 sections, min total =200*10=2000 words if 10 sections exactly at minimum; that’s okay: exactly 2000 words is allowed. So we can do exactly 10 sections of 200 words each =2000 words exactly. But we need at least two bullet lists or numbered lists per 700 words: With 2000 words, that’s ~3 lists total needed. We can put lists in some sections.But constraint: each section at least 200 words; we can do exactly 200 words per section; but writing precisely 200 words is tough but we can approximate.We also need no more than 150 plain text in a row; use lists and subheadings.We also must have final conclusion with CTA.Ok, let’s design:Sections:1 h2 Intro2 h2 Mobile Design3 h2 Game Selection4 h2 Quick Play Features5 h2 Sample Session Flow6 h2 Bankroll & Risk Control7 h2 Bonus Play on Mobile8 h2 Payments & Instant Deposits9 h2 Loyalty & Rewards10 h2 Final CTABut we need at least two bullet lists per 700 words: For 2000 words total, we need at least three bullet lists overall. We can include one list in section 3, one in section 6, one in section 9 maybe.Also we need to alternate short and long sentences; keep within word counts.Let’s start writing each section in about 190-210 words.We’ll write each paragraph inside tags and use lists.Let’s start: … needs brand name combined with LSI keywords naturally.Example: Hugo Casino: Mobile Slots & Quick Wins for On‑The‑Go Players
ΠΕΡΙΣΣΟΤΕΡΑ