Web Analytics Made Easy - Statcounter

گروهی از پزشکان به رهبری دکتر «خوزه روئدا»، نتایج یافته‌های خود را در مجله علمی Journal of Paediatric Surgery Case Reports منتشر کرده‌اند و ادعا می‌کنند که این اولین مورد کشف دم در نوزادان در مکزیک است. این پدیده البته در گذشته در کمتر از 200 نفر در سایر نقاط دنیا مشاهده شده بود.

پزشکان می‌گویند این بچه در موعد طبیعی به‌دنیا آمد و در دوره حاملگی هم هیچ مشکلی برایش گزارش نشده بود.

بیشتر بخوانید: اخبار روز خبربان

والدین این کودک در حال حاضر یک پسر دیگر هم دارند که سالم و بدون مشکل زندگی می‌کند. با این حال، پزشکان به‌فاصله کوتاهی پس از تولد فرزند دوم متوجه وجود زائده‌ای شبیه دم در انتهای استخوان دنبالچه این نوزاد شدند.

دم این دختر مکزیکی چه ویژگی‌هایی داشت؟

قطر این زائده بین 3 تا 5 میلی‌متر بود و انتهای آن حالت نوک‌تیز پیدا می‌کرد. پزشکان در مقاله خود آورده‌اند: «ساختار آن نرم و پوشیده از پوست و مو بود. تکان دادنش موجب درد نوزاد نمی‌شد، اما خودش هم به‌تنهایی حرکت نمی‌کرد. [با این حال] وقتی به دم سوزن زدیم، بچه به گریه افتاد.»

پزشکان می‌گویند این دختر مکزیکی از نظر سایر اندام‌ها از جمله مغز، قلب، کلیه و حس شنوایی سالم بود. همچنین، اسکن‌های پزشکی نشان داد که این دم نتیجه مشکلی در ستون مهره‌ها مثل دیسرافیسم نبود؛ این بیماری باعث می‌شود مهره‌ها به‌درستی شکل نگیرند و در پایین ستون آنها زائده‌ای شبیه دم رشد پیدا کند.

محققان پس از دو ماه دوباره این نوزاد را بررسی کردند و متوجه شدند که وزن و قد او در شرایط عادی قرار دارد. با این حال، اندازه دم 0.8 سانتی‌متر بزرگ‌تر شده بود. پزشکان درنهایت طی یک جراحی کوچک که با بی‌حسی موضعی انجام شد، این دم را قطع کردند. بررسی‌های بیشتر روی این زائده نشان داد که دم این کودک شامل بافت‌های نرم، رگ و مجموعه‌ای از اعصاب بوده است.

۵۸۵۸

کد خبر 1700393 صرافی ارز دیجیتال

منبع: خبرآنلاین

کلیدواژه: مکزیک شبکه عصبی ناهنجاری های اسکلتی

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.khabaronline.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «خبرآنلاین» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۶۴۹۰۵۲۰ را به همراه موضوع به شماره ۱۰۰۰۱۰۰۲۲۱۰۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.

با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.

خبر بعدی:

پیش‌بینی رویداد‌های فاجعه‌بار با کمک یادگیری ماشینی

به گزارش خبرگزاری صدا و سیما، از «سای تک دیلی»، زمانی که پیش بینی فجایع ناشی از رویداد‌های بزرگ مانند زمین‌لرزه و پاندمی مطرح می‌شود، مدل‌سازی محاسباتی با یک چالش بزرگ رو به رو می‌شود. به لحاظ آماری، این رویداد‌ها نادر محسوب می‌شوند و از این رو داده‌های کافی درباره آن‌ها وجود ندارد که بتوان از آن‌ها در مدل‌های پیش بینی کننده استفاده کرد.
با این حال محققان دانشگاه «براون» و موسسه فناوری ماساچوست می‌گویند لازم نیست کار به این صورت انجام شود. این محققان در مطالعه‌ای که در نشریه «ارتباطات طبیعت» منتشر شده است توضیح می‌دهند که چگونه از الگوریتم‌های آماری استفاده کرده‌اند که برای پیش‌بینی صحیح نیازمند داده‌های کمتری هستند. این الگوریتم‌های آماری در ترکیب با یک روش نیرومند یادگیری ماشینی به کار گرفته شدند. این ترکیب به محققان اجازه داد تا با وجود نداشتن داده‌های تاریخی بتوانند سناریو‌ها، احتمالات و حتی چارچوب‌های زمانی رویداد‌های نادر را پیش بینی کنند.
این گزوه تحقیقاتی دریافت این چارچوب جدید می‌تواند راهی برای دور زدن نیاز به حجم عظیم داده‌های مورد نیاز برای این قبیل محاسبات ارائه کند. از این منظر، پیش‌بینی رویداد‌های نادر از یک کار کمّی به یک کار کیفی تبدیل می‌شود.
این محققان برای غلبه بر چالش کمبود داده‌های موجود، از یک روش نمونه‌گیری متوالی (sequential sampling technique) موسوم به «یادگیری فعال» استفاده کردند. این نوع از الگوریتم‌های آماری نه تنها قادر به آنالیز داده‌های ورودی به آن‌ها هستند، بلکه مهمتر اینکه می‌توانند از این اطلاعات ورودی بیاموزند و داده‌های جدید را برچسب‌گذاری کنند و در سطح بنیادی اجازه می‌دهند با داده کمتر کار بیشتری انجام شود.
این مدل یادگیری ماشینی موسوم به «دیپ‌وانت» (DeepOnet) نوعی از شبکه عصبی مصنوعی است که از منحنی‌های به هم پیوسته در لایه‌های پیاپی مشابه پیوستگی نورون‌ها در مغز انسان استفاده می‌کند.
«دیپ‌وانت» به عنوان اپراتور عصبی عمیق شناخته شده که پیشرفته‌تر و قوی‌تر از شبکه‌های عصبی مصنوعی است؛ چرا که در واقع دو شبکه عصبی در یک شبکه است که داده‌ها را در دو شبکه موازی پردازش می‌کند. این مساله به این مدل اجازه می‌دهد مجموعه‌های عظیم داده را با سرعت بالا آنالیز کند؛ البته پس از آنکه یاد گرفت به دنبال چه چیزی می‌گردد.
این محققان دریافتند مدل ابداعی آن‌ها عملکرد بهتری نسبت به بسیاری از مدل‌های سنتی قبلی داشته است و اعتقاد دارند این مدل چارچوبی ارائه می‌ کند که می‌تواند همه انواع رویداد‌های نادر را بطور موثر کشف و پیش‌بینی کند. این گروه تحقیقاتی در مقاله منتشر شده توضیح می‌دهد که دانشمندان چگونه باید تجربیات و آزمایش‌های آینده را طراحی کنند تا بتوانند هزینه‌ها را به حداقل برسانند و صحت و دقت پیش بینی را افزایش دهند.

دیگر خبرها

  • دختری که میهمان ویژه استقلالی ها شد + تصویر
  • در زمینه تامین اعتبار نگهداشت پزشکان قانونی باید تدبیر شود/ تلاش برای احیای اعتبار ارزی لازم به منظور تامین تجهیزات جانبازان از طریق واردات و تقویت رشته پزشکی قانونی
  • صفر تا صد ماساژ کودک
  • غربالگری شنوایی ۹ هزار و ۵۰۰ نوزاد
  • رخدادی نادر و کم سابقه در حاشیه خلیج فارس
  • پیش‌بینی رویداد‌های فاجعه‌بار با کمک یادگیری ماشینی
  • اجرایش نمایش دختری که بخت در خانه اش را زد
  • آیا نوادگان دختری از مستمری اجداد برخوردار می‌شوند؟
  • ویژه برنامه «شب‌های انقلاب»در مساجد لرستان برگزار می‌شود/ برپایی جشن دختری پدری در سیزدهم رجب
  • تولد نوزاد عجول ایرانشهری در آمبولانس