Forwarded from INRP (Mahsa)
⚜انجمن INRP با همکاری شرکت Fiotrix برگزار میکند:
《دوره جامع ماشین لرنینگ و تحلیل داده پزشکی》
●آموزش پایتون مقدماتی
●آموزش ماشین لرنینگ
●پردازش داده های پزشکی
✅به همراه جلسات حل تمرین
⏰زمان: سهشنبه ها از ۲ بهمن الی ۲۱ اسفند ساعت ۱۵-۱۷
🔗نوع برگزاری: به صورت حضوری و مجازی
📍در مرکز رشد استعداد های درخشان دانشگاه تهران
👨🏻💻مدرس: آقای مهندس علی ملکشاهیان مدرس و محقق هوش مصنوعی، مدیر عامل شرکت آرنیکاپ و موسس شرکت فیوتریکس
(شرکت فناوری های پیشرفته هوش مصنوعی فرانگار)
❗️با ارائه گواهی معتبر از مرکز پژوهش های دانشگاه علوم پزشکی تهران
هزینه دوره حضوری ۹۹۰ هزار تومان
هزینه دوره آنلاین ۸۱۰ هزار تومان
🔴۱۰٪تخفیف ویژه ثبت نام زود هنگام تا تاریخ ۱۶ دی ماه
ظرفیت محدود!
اطلاعات بیشتر و ثبت نام
https://lms.fiotrix.com/product/workshop-machine-learning-medical-data-processing/
🧠@NeuroINRP
🧠@INRP_Admin
《دوره جامع ماشین لرنینگ و تحلیل داده پزشکی》
●آموزش پایتون مقدماتی
●آموزش ماشین لرنینگ
●پردازش داده های پزشکی
✅به همراه جلسات حل تمرین
⏰زمان: سهشنبه ها از ۲ بهمن الی ۲۱ اسفند ساعت ۱۵-۱۷
🔗نوع برگزاری: به صورت حضوری و مجازی
📍در مرکز رشد استعداد های درخشان دانشگاه تهران
👨🏻💻مدرس: آقای مهندس علی ملکشاهیان مدرس و محقق هوش مصنوعی، مدیر عامل شرکت آرنیکاپ و موسس شرکت فیوتریکس
(شرکت فناوری های پیشرفته هوش مصنوعی فرانگار)
❗️با ارائه گواهی معتبر از مرکز پژوهش های دانشگاه علوم پزشکی تهران
هزینه دوره حضوری ۹۹۰ هزار تومان
هزینه دوره آنلاین ۸۱۰ هزار تومان
🔴۱۰٪تخفیف ویژه ثبت نام زود هنگام تا تاریخ ۱۶ دی ماه
ظرفیت محدود!
اطلاعات بیشتر و ثبت نام
https://lms.fiotrix.com/product/workshop-machine-learning-medical-data-processing/
🧠@NeuroINRP
🧠@INRP_Admin
✅ 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
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
Forwarded from شورای صنفی علوم پزشکی تهران (Alireza Dehghani)
♨️ 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
🎗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
Speech-in-noise-hearing-impairment-is-associated-w.pdf
669.9 KB
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
@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
دعای خیر و صد البته حضور شما مایهی مسرت است❤️
@erfaniumm
Forwarded from ستاد علوم و فناوری های شناختی
📢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
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
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
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
1-s2.0-S2590260123000115-main.pdf
1.7 MB
✅ 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
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
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
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
در مذمت همهچیز رو حفظ کردن
اول این جملهی بینظیر محمدرضا شعبانعلی رو بخونید بعد پیام رو ادامه بدید.
در عصر جدید که عصر ظهور و توانمندی AI هستش، هرچقدر بیشتر به پرورش تفکر خلاقانه در خودتون بپردازید آیندهی تضمینشدهی بیشتری خواهید داشت. دنیای فردا دنیای حفظ کردن مطالب نیست؛ حفظ کردن یک مطلب و طبقهبندی اون از الگوریتمپذیرترین مفاهیم دنیای امروزه که هرچند سخت برای انسان، ولی آسان برای ماشین خواهد بود.
متأسفانه ماهیت علوم پزشکی چه در بالین و چه در صحنهی آزمون به شدت بر روی حفظ کردن مطالب متکی هستش و این یکی از بزرگترین عوامل سرخورده شدن و Burn out افرادی هستش که به امید رشد تفکر خلاقانه وارد این رشته شدن،
و چه امید پوچی!
@erfaniumm
اول این جملهی بینظیر محمدرضا شعبانعلی رو بخونید بعد پیام رو ادامه بدید.
در عصر جدید که عصر ظهور و توانمندی AI هستش، هرچقدر بیشتر به پرورش تفکر خلاقانه در خودتون بپردازید آیندهی تضمینشدهی بیشتری خواهید داشت. دنیای فردا دنیای حفظ کردن مطالب نیست؛ حفظ کردن یک مطلب و طبقهبندی اون از الگوریتمپذیرترین مفاهیم دنیای امروزه که هرچند سخت برای انسان، ولی آسان برای ماشین خواهد بود.
متأسفانه ماهیت علوم پزشکی چه در بالین و چه در صحنهی آزمون به شدت بر روی حفظ کردن مطالب متکی هستش و این یکی از بزرگترین عوامل سرخورده شدن و Burn out افرادی هستش که به امید رشد تفکر خلاقانه وارد این رشته شدن،
و چه امید پوچی!
@erfaniumm
mowinckel_vidal_pineiro_2020_visualization_of_brain_statistics_with.pdf
1.6 MB
امروز دنبال پیدا کردن یه راهی برای نمایش دادن مناطق مختلف مغزی با استفاده از نرمافزار R بودم که به این مقالهی جالب برخوردم!
این مقاله دوتا پکیج و چندتا اطلس معرفی میکنه که شما خیلی راحت میتونید با استفاده از اونها مناطق مختلف مغزی رو نشون بدید.
اطلاعات بیشتر: https://ggseg.github.io/ggseg/index.html
@erfaniummm
این مقاله دوتا پکیج و چندتا اطلس معرفی میکنه که شما خیلی راحت میتونید با استفاده از اونها مناطق مختلف مغزی رو نشون بدید.
اطلاعات بیشتر: https://ggseg.github.io/ggseg/index.html
@erfaniummm
شاید جالب باشه براتون بگم که کشیدن این ۴تا نمودار جمیعاً شده حدود ۲۰۰ خط کد در R :))
پکیجهای موردنیاز:
ggseg
ggseg3d
ggdist
ggridges
reshape2
ggplot2
@erfaniumm
پکیجهای موردنیاز:
ggseg
ggseg3d
ggdist
ggridges
reshape2
ggplot2
@erfaniumm
Forwarded from با متمم | هایلایت | محمدرضا شعبانعلی
خاکسپاری به خاکسپاری
پیش از این براتون از فاولا حرف زدهام. از آدمهای بزرگ در حوزهٔ شناخت مغز با رویکرد اکولوژیک.
واقعاً آدم بزرگ و عمیقیه. توی این کتاب مغز اکولوژیک، یه جایی به نقل از ماکس پلانک (با اندکی تغییر جملهبندی) میگه:
علم، خاکسپاری به خاکسپاری پیشرفت میکند.
یهجورایی میخواد به منتقدانش در جامعهٔ علمی و آکادمیک یادآوری کنه که حتی در علم هم که اینهمه ادعای بیطرفی و شوق کشف حقیقت هست، گاهی باید صبر کرد با مرگ آدمها و تغییر نسل، مدلهای علمی عوض شه. چون آدمها دوست ندارن بپذیرن نگاههای جدید جایگزین نگاه خودشون بشه.
بیتوجهی به رویکرد اکولوژیک به نظر من واقعاً مصداق همین رفتاره.
مثالهاش زیاده.
#هایلایت_کتاب
#نقل_قول
پیش از این براتون از فاولا حرف زدهام. از آدمهای بزرگ در حوزهٔ شناخت مغز با رویکرد اکولوژیک.
واقعاً آدم بزرگ و عمیقیه. توی این کتاب مغز اکولوژیک، یه جایی به نقل از ماکس پلانک (با اندکی تغییر جملهبندی) میگه:
علم، خاکسپاری به خاکسپاری پیشرفت میکند.
یهجورایی میخواد به منتقدانش در جامعهٔ علمی و آکادمیک یادآوری کنه که حتی در علم هم که اینهمه ادعای بیطرفی و شوق کشف حقیقت هست، گاهی باید صبر کرد با مرگ آدمها و تغییر نسل، مدلهای علمی عوض شه. چون آدمها دوست ندارن بپذیرن نگاههای جدید جایگزین نگاه خودشون بشه.
بیتوجهی به رویکرد اکولوژیک به نظر من واقعاً مصداق همین رفتاره.
مثالهاش زیاده.
#هایلایت_کتاب
#نقل_قول