در این مقاله به بررسی نرخ شیوع استعمال سیگار در بین افراد مبتلا به بیماری کووید-۱۹ پرداخته و بررسی می شود که آیا تفاوتی میان توزیع افراد سیگاری بین دو جامعه آماری بیماران بد حال کرونایی و کل جامعه ایران وجود دارد یا خیر. برای اینکار ابتدا یک نمونه ۳۰۰ تایی از بیماران کرونایی بستری در بیمارستان های دو شهر تهران و رشت تهیه شد. سپس از طریق آزمون آماری غیر پارامتری تصادفی بودن دورهای والد- ولفویتز نشان داده می‌شود که نمونه اخذ شده به صورت تصادفی انتخاب شده و امکان تعمیم نتیجه حاصل از نمونه به جامعه بیماران کرونایی بستری در بیمارستان‌ها وجود دارد. در ادامه این فرضیه که نرخ شیوع سیگار در بین بیماران کرونایی بستری در بیمارستان‌ها با نرخ شیوع سیگار در کل جامعه ایرانی برابر است، از طریق آزمون فرضیه‌های آماری غیر پارامتری بررسی شده است. بدین منظور از آزمون نیکویی برازش کای - دو (χ۲ ) استفاده شده و مشاهده شد که این فرضیه مردود است. داده‌ها نشان می‌دهند تفاوت معنی‌داری بین نرخ شیوع مصرف سیگار بین افراد کرونایی بدحال و کل جامعه ایران وجود دارد. همچنین با توجه به یکطرفه بودن آزمون نیکویی برازش کای-دو می توان اینگونه نتیجه گرفت که بر خلاف تصور اولیه، نرخ شیوع مصرف سیگار در بین افراد کرونایی بستری در بیمارستان‌ها کمتر از این نرخ در کل جامعه ایران است. نتایج فوق لزوم تحقیقات جدی در این زمینه را نشان داده و موید آن است که می بایست ضمن پرهیز از هرگونه گرایش مثبت یا منفی نسبت به استعمال دخانیات علل و عوامل موثر در این پدیده بررسی شده و شاید بتوان داروهایی بر این اساس تهیه و تولید نمود.

با پیشرفت‌های هوش مصنوعی در در دهۀ اخیر، استفاده از دادۀ تصویری و ویدیویی و فن‌آوری‌های مبتنی بر پردازش تصویر برای خودکارسازی روش‌های جراحی و آموزش آن، رونق یافته است. امروزه در بیش‌ترِ اتاق‌های عمل از یک یا چند دوربین و یا دستگاه ثبت اطلاعات استفاده می‌شود تا دادۀ مهم پزشکی برای انجام تحلیل‌های بعدی ذخیره شوند. از این اطلاعات تصویری می‌توان برای طراحی و توسعۀ سامانه‌های خودکار هدایت تصویری با هدف کمک به پزشک متخصص حین جراحی و آموزش آن استفاده کرد. هم‌چنین، این سامانه‌ها می‌توانند به‌عنوان مغز ابزارهای رباتیکی کمک‌جراح فعالیت کنند. یک سامانۀ هدایت تصویری جراحی نیاز به قسمت‌های مختلفی دارد. از مهم‌ترین این قسمت‌ها می‌توان به تشخیص، بخش‌بندی و ردیابی ابزارها و نواحی مهم جراحی، تشخیص مراحل، حرکات و ژست‌ها، و تشخیص مهارت‌های جراحی اشاره کرد. خودکارکردن این بخش‌ها با استفاده از پردازش تصویر و بینایی ماشین کمک می‌کند، تا سامانه درک مستقل و عمیقی از صحنۀ جراحی داشته باشد. در این مقاله ابتدا تعدادی از مجموعه‌داده‌های‌ تصویری مهم مربوط به جراحی معرفی شده، و سپس شماری از پژوهش‌های اثرگذار در زمینۀ پردازش تصویر و بینایی ماشین در کاربردهای ذکرشده با هدف ایجاد اجزای یک سامانۀ خودکار هدایت تصویری جراحی، معرفی شده و زمینه های تحقیقاتی پیش رو معرفی می‌شوند.