تو پای به ره در نه و از هیچ مپرس/خود راه بگویدت که چون باید رفت.

عطار نیشابوری

@erfaniumm

♨️ دومین جلسه از سلسله همایش های توسعه فردی ویژه دانشجویان، کارکنان و اساتید دانشگاه علوم پزشکی تهران

🎗دومین جلسه از سلسله همایش های توسعه فردی با موضوع «چگونه انگیزه می‌سازیم و از امور جهـان لذت می‌بریم؟ نگاهی به مقوله انگیزش و بی لذتی (آنهدونیا)» با امتیاز ضمن خدمت برای کارکنان و امتیاز فرهنگی ویژه اعضای هیئت علمی دانشگاه علوم پزشکی تهران و با ارائه گواهی به دانشجویان برگزار می شود.

✏️ مشاهده متن کامل خبر

💻 لینک ثبت نام

🔰 شورای صنفی دانشجویان علوم پزشکی تهران

🔉 انجمن INRP در حال تدارک برای برگزاری این دوره می‌باشد:

《دوره جامع ماشین لرنینگ و تحلیل داده fMRI》

⏳ این دوره در ۸ جلسه و به صورت هیبرید در بهمن و اسفند برگزار خواهد شد.

❗️درصورتی که متقاضی شرکت در این دوره هستید از طریق لینک زیر در پیش ثبت نام دوره شرکت کنید:
https://forms.gle/3DUgS6YNLWNURhyS6

❌مهلت پیش ثبت نام تا ۱ دی ماه می‌باشد.

✅ فرض کنید ۳تا داده دارید و می‌خواید بهترین خطی که به این۳تا نقطه فیت میشه رو رسم کنید. اگه هیچ خطی وجود نداشته باشه که از این ۳تا داده مستقیم عبور بکنه، قدم بعدی‌تون چیه؟

اینجا بهتره از یه متدی استفاده بکنید به اسم Minmax line، یا خطی که Maximum error رو Minimize می‌کنه؛ حالا این یعنی چی؟
یعنی شما واسه هر خطی که میشه رسم کرد، فاصله‌ی عمودی هر نقطه با اون خط رو حساب کنید، بیشترین فاصله‌ای که بین این ۳تا وجود داره رو به عنوان Maximum error انتخاب کنید، و سعی کنید خطی رو پیدا کنید که این مقدار Maximum error در مقابل همه‌ی خط‌های کاندید دیگه، کمترین مقدار باشه؛ یا به‌عبارتی، Minimize the Maximum error.

شاید با خودتون بگید این متد فرقش با رگرسیون چیه؟ توی رگرسیون خطی، برخلاف Minmax line، ما از میانگینِ مربعِ این فاصله‌ها برای بررسی میزان فیت بودن مدل استفاده می‌کنیم.

حالا کی رگرسیون بزنیم کی Minmax line؟ اگه تعداد متوسط رو به بالایی دارید، رگرسیون روش بهتری هستش؛ اما وقتی که ۳تا داده دارید :))) از Minmax line استفاده کنید.

@erfaniumm

آینده‌ی رشته‌ی رادیولوژی با حضور Gemini :)))

@erfaniumm

جدی با اینکه پنجشنبه پست‌کشیک جراحیم ولی این دفعه دیگه همه‌ی تلاشمو می‌کنم ژورنال‌کلاب دکتر راجی‌مهر رو برم؛ بهانه بی بهانه. به‌نظرم دیگه زیادی رفتم تو Comfort zone و همینجوری دادم توپ‌های دروازه‌خالی رو می‌زنم تو در و دیوار.

✅ یه روش خیلی جالب برای پیدا کردن شبکه‌های مغزی بهتون بگم؟

فرض کنید قراره از مغز سیگنال fMRI بگیرید و همچنین فرض کنید سطح مغز رو به 30000 قسمت تقسیم کردید.

در قدم بعدی سیگنال fMRI برای هر یک از این 30000 قسمت رو در طی مثلاً ۱۰ دقیقه رصد می‌کنید.

بعدش با خودتون میاید میگید که، آیا ممکنه فعالیتِ هر کدوم از این قسمت‌ها با هم ارتباطی داشته باشه؟ واسه همین میاید برای هر قسمت مغز با 29999 قسمت دیگه، یه آنالیز همبستگی یا Correlation analysis می‌زنید و در نهایت یک ماتریس 30000 × 30000 تشکیل میدید که هر خونه‌ی این ماتریس، ضریب همبستگی هر قسمت مغز با یه قسمت دیگه‌اس.

بعدش، میاید برای هر دو قسمت رندوم مغز ضریب‌های همبستگیِ هر قسمت رو با 29999 قسمت دیگه رو، با هم دیگه آنالیز همبستگی می‌زنید و دوباره یه ماتریس 30000 × 30000 تشکیل میدید؛ با این تفاوت که در هر خونه‌ی این ماتریس دوم، میزانِ شبیه‌بودنِ همبستگی‌های هر قسمت‌مغز با 29999 قسمتِ دیگه هستش‌ (درک این قسمت سخته و باید چند بار بخونید)

مثلاً خونه‌ی 1 × 2 در ماتریس اول میگه که چقدر فعالیتِ قسمت اول مغز با قسمت دوم مغز همبستگی داره؛ اما خونه‌ی 1 × 2 در ماتریس دوم میگه که چقدر همبستگیِ قسمت اول مغز با 29999 قسمت دیگه، با همبستگیِ قسمت دوم مغز با 29999 قسمت دیگه، با همدیگه هم‌بسته‌اس =))

بعدش هم میاید از آنالیزهای کاهش ابعادی مثل PCA استفاده می‌کنید و اون قسمت‌هایی از مغز که ارتباطاتشون با سایر نواحی شبیه به هم هستش رو، پیدا می‌کنید: یا به عبارتی، شبکه های مغزی رو درمیابید.

به این روش که در ژورنال‌کلاب آخری که رفتم دریافتم، میگن Functional gradient mapping.

@erfaniumm

♨️ سومین جلسه از سلسله همایش های توسعه فردی ویژه دانشجویان، کارکنان و اساتید دانشگاه علوم پزشکی تهران

🎗سومین جلسه از سلسله همایش های توسعه فردی با موضوع «تصمیم گیری آگاهانه در مقابل افکار خودکار» با امتیاز ضمن خدمت برای کارکنان و امتیاز فرهنگی ویژه اعضای هیئت علمی دانشگاه علوم پزشکی تهران و با ارائه گواهی به دانشجویان برگزار می‌شود.

✏️ مشاهده متن کامل خبر

🌐 لینک ثبت نام

🔰 شورای صنفی دانشجویان علوم پزشکی تهران