✅ 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

مقاله‌ی جدیدی با استفاده از داده‌های حدود 160000 شرکت‌کننده در UK biobank نشون داده که اختلال شنوایی می‌تونه به عنوان یک عامل خطر یا علامت هشدار برای پارکینسون باشه؛ به طوری که هر ۱۰ دسی‌بل کاهش در حساسیت شنوایی، موجب ۵۷ درصد افزایش ریسک ابتلا به بیماری پارکینسون میشه. نکته‌ی مهم اینه که این ارتباط صرفاً همبستگی رو نشون داده و نمیشه ارتباط علت و معلولی رو استنتاج کرد.

@erfaniumm

✅ به لطف خدا در هفدهمین کنگره‌ی دانش اعتیاد که ۲۴م الی ۲۶م بهمن در دانشگاه علوم پزشکی ایران برگزار میشه، در مورد ضخامت قشر مغز انسان در اعتیاد که با استفاده از داده‌های Human connectome project انجام دادم، سخنرانی می‌کنم.

دعای خیر و صد البته حضور شما مایه‌ی مسرت است❤️

@erfaniumm

📢فراخوان برنامه ملی

 ستاد توسعه علوم و فناوری‌های شناختی در راستای تحقق اهداف کلان کشور درحوزه علوم شناختی، برنامه ملی واسط‌های مغز و رایانه (Brain-Computer Interface) را به عنوان یکی از پروژه‌های دارای اولویت در دست اقدام دارد.

✨ این برنامه ملی با هدف فعال‌سازی و حمایت از هسته‌های پژوهشی و نیز تشکیل و شناسایی تیم‌های تحقیقاتی در مراکز دانشگاهی و شرکت‌های دانش‌بنیان در سطح کشور اجرا خواهد شد.

این برنامه همچنین با اهدافی چون هدایت پروژه‌های تحقیقاتی در زمینه کاربردی، ترویج ادبیات BCI درسطح کشور و زیست‌بوم شرکت‌های دانش‌بنیان و همچنین توسعه بازار داخلی و شناسایی بازارهای هدف خارجی برای محصولات این حوزه در بهار سال آینده اجرایی خواهدشد.

📨  ستاد توسعه علوم و فناوری‌های شناختی به همین منظور در فراخوانی از تمامی نخبگان، محققان، صنعتگران، ذینفعان و بخش خصوصی دعوت می‌کند تا ظرفیت‌های علمی، اجرایی و صنعتی خود را در راستای تحقق این برنامه ملی با ارسال رزومه و ایمیل به آدرس الکترونیکی دبیرخانه این برنامه ملی (bci@cogc.ir) تا تاریخ دهم اسفند ۱۴۰۳ اعلام نمایند.

🌐 متن کامل خبر: www.cogc.ir

We stand, in a manner of speaking, midway between the unpredictability of atoms and the unpredictability of God.

- Freeman Dyson

تابه‌حال اسم تحلیل جایگشت (Permutation analysis) به گوشتون خورده؟

فرض کنید شما می‌خواید نمرات فیزیک دو کلاس بچه‌های ریاضی و تجربی رو با هم مقایسه کنید و ببینید آیا اختلاف معنی‌داری دارند یا خیر. نمرات فیزیک بچه‌های ریاضی به‌طور میانگین ۱۹ و بچه‌های تجربی هم به‌طور میانگین ۱۶ هستش. و بنابراین اختلافشون هم میشه ۳.

حالا تحلیل جایگشت چیکار می‌کنه؟ تحلیل جایگشت میاد بچه‌های این دو کلاس رو به صورت رندوم با هم قاطی می‌کنه و این کلاس در هم رو حالا به دو گروه تقسیم می‌کنه. قاعدتاً چون هر دو گروه به صورت رندوم از بچه‌های ریاضی و تجربی تشکیل شده، اختلاف نمره این دفعه کمتره، مثلاً این دفعه ۱ نمره اختلاف دارن.

حالا تحلیل جایگشت این کار رو دوباره انجام میده و این دفعه اختلاف ۲ گروه میشه ۰.۵ نمره.

تحلیل جایگشت برای هزاران بار این کار رو انجام میده و هزاران اختلاف عددی بین دو گروه به دست میاره. بیشترین اختلافی هم که پیدا میشه چنده؟ آفرین، صفر.

حالا تحلیل جایگشت یه نمودار توزیع برای فرض صفر (Null hypothesis) خودش ساخته که متشکل هستش از همین ۱۰۰۰تا عددی که تولید کرده؛ و این دفعه میاد نگاه می‌کنه ببینه احتمال اینکه در این جامعه با توزیع، اختلاف ۳ به‌دست بیاد (اختلاف اصلی‌ای که داشتیم) چقدره؟ اگه زیر ۵ درصده، پس اختلاف معنی‌داره :))

برای درک بهتر این فیلم رو هم می‌تونید ببینید.

@erfaniumm

✅ یکی از واجب‌ترین و مهم‌ترین کارهایی که هرکسی باید در زندگی پژوهشی‌اش انجام بده، فهم مسئله‌ی Correction for multiple comparisons هستش. از اهمیت این مفهوم هرچقدر بگم کم گفتم؛ چون نه‌تنها خیلی‌ها نمی‌دونن چی هستش، اون‌هایی هم که می‌دونن بعضاً به اشتباه در پژوهش‌هاشون انجام میدن و منجر به نتایج درست اما تفاسیر و تحلیل‌های نادرست میشه.
پس از مطالعه‌ی چندین منبع، به این مقاله‌ رسیدم که بسیار کامل و دقیق این مسئله رو شرح داده و باز کرده. اگر قرار هستش پژوهشی رو دیزاین کنین، حتماً و حتماً و حتماً این مقاله رو بخونید و مفاهیمش رو کامل درک کنید.

@erfaniumm

Mathematicians be like:

@erfaniumm

یه نکته‌ی جالبی که در مورد پردازش دما در مغز وجود داره، اینه که تعداد نورون‌های کدکننده‌ی سرما به‌طور قابل توجهی از نورون‌های کدکننده‌ی گرما بیشتره؛ و دلیل جالبی هم پشتش هست‌.

پستانداران در طول تکامل موجودات خون‌گرمی بودن و دمای بدن خودشون رو در یک محدوده‌ی تقریباً ثابت (حدود 37 درجه‌ی سانتی‌گراد در انسان) نگه داشتن که به طور قابل توجهی از دمای محیط بیرون بیشتره؛ به‌عبارتی، سیستم عصبی ما Cold-biased هستش و کاهش دمای محیط براش اهمیت بیشتری نسبت به افزایش دمای اون داره.

@erfaniumm

مقایسه‌ی سایز آینه‌ی بزرگترین تلسکوپ‌های ساخته‌شده یا در حال ساخت دنیا.

@erfaniumm