https://amirvahedix.github.io/fa/tags/%D8%AA%D8%B5%D9%88%DB%8C%D8%B1%D8%A8%D8%B1%D8%AF%D8%A7%D8%B1%DB%8C-%D9%BE%D8%B2%D8%B4%DA%A9%DB%8C/Recent content in تصویربرداری پزشکی on امیر واحدیHugo 0.125.0fa-irSat, 04 Jul 2026 02:05:40 +0330https://amirvahedix.github.io/fa/posts/medical-imaging-libraries/Sat, 04 Jul 2026 02:05:40 +0330https://amirvahedix.github.io/fa/posts/medical-imaging-libraries/در حال حاضر توی دنیا کتابخونه‌ها و فریمورک‌های اختصاصی خیلی قدرتمندی برای کار کردن با تصاویر پزشکی ساخته شده که فرایند آموزش و تست کردن مدل‌ها رو تا حد زیادی واسه توسعه‌دهنده‌ها ساده میکنه. اینجا من یه مختصری راجع‌به این کتابخونه‌ها نوشتم. Nvidia’s Clara Medical مجموعه مدل‌های قدرتمند Clara Medical توسعه داده شده توسط Nvidia برای تسک‌های مختلفی مانند Generate کردن تصاویر CT و MRI و همینطور دیگر تسک‌های این حوزه مانند Segment کردن تصاویر ۳ بعدی پزشکی.https://amirvahedix.github.io/fa/posts/ct-vs-cbct/Thu, 02 Jul 2026 02:41:09 +0330https://amirvahedix.github.io/fa/posts/ct-vs-cbct/تکنولوژی دستگاه CT: اشعه‌های این دستگاه به صورت Fan Beam (بادبزنی) است و تصاویر به صورت لایه لایه (اسلایس) ذخیره می‌شوند. دستگاه CBCT: اشعه به صورت Cone Beam (مخروطی) تابیده می‌شود و کل ناحیه مورد نظر در یک چرخش ۳۶۰ درجه تصویربرداری می‌گردد. کیفیت بافت‌های مختلف بافت‌های نرم: تصاویر CT دقت بسیار بالایی برای بافت‌های نرم (مثل اندام‌های داخلی و تومورها) دارند؛ در صورتی که کیفیت CBCT در بافت نرم ضعیف است.