با عنایت به صحبت‌های استاد راجی‌مهر عزیز، ۲تا مفهوم در علم و مخصوصاً نوروساینس هست که باید به دقت بلد باشیم.

یکی از این مفاهیم، Forward inference یا استنتاج روبه‌جلو، و اون یکی هم Reverse inference یا استنتاج روبه‌عقب هستش (ترجمه‌هاشون از خودمه😂)

مفهوم Forward inference یعنی چی؟ یعنی مثلاً شما میری یه مطالعه انجام میدی و می‌بینی که مصرف فلان ماده باعث تحریک ناحیه‌ی مشخص X در مغز میشه‌. به این نتیجه میگیم Forward inference و خیلی رایجه و تشویق به استفاده هم میشه‌.
اما مفهوم دیگه یا Reverse inference چیه؟ فرض کنید یه مطالعه‌ی دیگه اومده و دیده مثلاً تجربیات معنوی هم باعث تحریک ناحیه‌ی X در مغز میشه. از طرفی، شما هم فهمیدی که مصرف فلان ماده هم باعث تحریک X میشه، و به اشتباه نتیجه بگیری که مصرف فلان ماده‌ی خاص، موجب شکل‌گیری تجربیات معنوی در فرد میشه.
به این نتیجه‌گیری آخر میگن Reverse inference که یک مغلطه‌ی فلسفی هستش و متأسفانه در استفاده‌های آماتوری از علوم اعصاب به‌شدت رایجه.
علت درست نبودن به‌کارگیری همچین استنتاجی هم مشخصه: ممکنه یک علت چندین معلول داشته باشه و یک معلول هم چندین علت.

باز در مورد مغلطه‌های مطالعات علوم اعصاب بیشتر میگم.

@erfaniumm

🚀 یه فرصت فوق‌العاده برای یادگیری رایگان!

سایت DataCamp یه هفته دسترسی کامل رایگان گذاشته
از ۱۲ تا ۱۸ آبان می‌تونی وارد بشی و هر چی خواستی یاد بگیری — از پایتون و AI گرفته تا Power BI و SQL.

📘 هم تمرین داره، هم پروژه واقعی، هم مدرک معتبر بین‌المللی.
و مهم‌تر از همه؟ 💳 هیچ کارت بانکی لازم نیست!

👈 ورود به DataCamp

🆔 @iaaa_ai 👈 چنل مارو دنبال کن

سلام به همگی؛
من به یه نفر جهت‌ نوشتن مقاله از پایان‌نامه‌ی MPH خودم نیاز دارم.
متأسفانه به علت مشغله‌های فراوان و پروژه‌های دیگه، نمی‌رسم همه‌ی این کار رو خودم بکنم و به کمک یکی از شما نیاز دارم.
متد و ریزالت رو خودم می‌نویسم و شما وظیفه‌تون نوشتن اینتروداکشن و دیسکاشن مقاله هستش.
اگر تمایل به همکاری دارید به من پیام بدید:
@Erfnghvi

من واقعاً فکر نمی‌کردم انقدر آدم مشتاق به ریسرچ توی این کانال داشته باشیم😅 این انگیزه‌ی منو خیلی بیشتر کرد که کمی دایره‌ی ارتباطات رو از اینی که هست گسترش بدم و قسمتی از کارها رو هم با بچه‌های اینجا به اشتراک بذارم تا بتونیم پروژه‌های قشنگی با هم داشته باشیم.

متأسفانه چون فقط اجازه داشتم یک نفر رو به این کار اضافه کنم، از تلاش و استعداد و فرصت آشنایی خیلی‌هاتون، البته فقط برای یه مدت خیلی کوتاهی، محروم می‌مونم. انتخاب اون یه نفر هم به فاکتورهای خیلی زیادی بستگی داشت و کمترینش فاکتور دخیل هم مهارت و استعداد شما بود چون همتون خارق‌العاده بودید.
با این استقبالی که شما کردید مطمئناً باز هم فراخوان می‌ذارم و حتی شاید مجموعه رو خیلی خیلی بیشتر گسترش بدیم.
@erfaniumm

"In radiology, the invisible becomes visible, and the uncertain becomes knowable."

- Dr. Hedvig Hricak

در یکی از ژورنال‌کلاب‌های رادیولوژی بیمارستان سینا، مقاله‌ای معرفی شد که اومده بود با استفاده از چند معیار MRI، مدلی ساخته بود که بتونه خیلی خوب بین بیماران مبتلا به Idiopathic Intracranial Hypertension (به اختصار IIH) و افراد سالم افتراق قائل بشه؛ کاری بسیار ارزشمند و جالب.
منتهی وقتی متدولوژی مقاله رو مرور می‌کردم، متوجه شدم که اومده بود یک‌سری متغیر کمی و کیفی رو به دو دسته تقسیم کرده بود یا به اصطلاح Dichotomized کرده بود؛ یعنی مثلاً به‌جای اینکه سن افراد رو وارد مدلت بکنی، افراد رو به دو دسته‌ی زیر ۴۰ سال و بالای ۴۰ سال تقسیم بکنی.

اگرچه روش‌های جالب و مختلفی برای Dichotomization وجود داره و ممکنه پژوهشگرها برای سادگی آنالیزها و یا یافتن گروه‌های پنهان داخل مطالعه‌شون ازین کارها بکنن، اما معمولاً پسندیده نیست؛ چون هم منجر به از دست رفتن بخش زیادی از اطلاعات افراد میشه، هم قدرت مطالعه و Effect size رو پایین میاره، هم ارتباطات ساختگی و الکی می‌سازه و ...

@erfaniumm

مثلاً تو شکل بالا، توی یه مثال ساده ببینید با اینکه گروه‌های B و C به هم شبیه‌ترن، با این روش Dichotomization کلاً توی ۲تا گروه جدا افتادن و منجر به از دست رفتن مقدار زیادی اطلاعات دیتاست اولیه شدن.

فلذا حواستون باشه جز در موارد خاص، Dichotomization وجهه‌ی قابل‌دفاعی نداره و کلاً سعی کنید زیاد استفاده نکنید.

@erfaniumm

از این مقاله هم می‌تونید برای مطالعه‌ی بیشتر، استفاده کنید.
@erfaniumm

"The study of mathematics is the indispensable basis for all intellectual and spiritual progress."

- F. M. Cornford (1874-1943)

📣 "دوره جامع تصویربرداری عصبی” 📣

📢 برگزار شده توسط گروه تصویربرداری و آنالیز تصاویر مغزی (نیاگ):

🔷 کلاس‌های تخصصی آموزشی روش‌های نوروایمیجینگ (تصویربرداری عصبی) از مبتدی تا پیشرفته، توسط اساتید و اعضای هیات علمی دانشگاه های تهران و بیمارستان امام خمینی تهران.

📌ترتیب برگزاری دوره‌ها: 🔔🗓️

☑️ کلاس نوروآناتومی با رویکرد تصویربرداری عصبی (در ۵ جلسه برگزار شد)
☑️ کلاس سکشنال نوروآناتومی (در ۳ جلسه برگزار شد)
☑️ کلاس تخصصی حجم‌سنجی مغز یا والیومتری (در۳ جلسه برگزار شد)
☑️ کلاس تخصصی مبانی و آنالیز داده‌های DTI (در سه سطح و ۸ جلسه برگزار شد)
✅ کلاس تخصصی مبانی و آنالیز داده‌های fMRI (در دو سطح و ۱۱ جلسه: مبانی تشکیل تصویر، اخذ داده و پیش‌پردازش، طراحی تسک و آموزش نرم‌افزار FSL)

🥁 دوره‌های فوق در سال ۱۴۰۳ برگزار شده و بصورت آفلاین قابل تهیه‌اند

🏷 کلاس تخصصی فانکشنال آناتومی
🏷 کلاس تخصصی فانکشنال و افکتیو کانکتیویتی
🏷 کلاس تخصصی داده های پرفیوژن و MRS

💬 برای اطلاع از جزئیات بیشتر و شرایط شرکت در کلاس‌ها با @haadyA در ارتباط باشید.

🛎️
یادگیری نوروایمیجینگ سوپرپاور جدید شماست

@neurodailly

آقا جدی شما می‌دونستید DTI و rs-fMRI به PPMI اضافه شده و هیچی نمی‌گفتید؟ :)))
البته باید برم دقیق وارسیش کنم.

@erfaniumm

همونجوری که قول داده بودم (و با انگیزه گرفتن از درخواست‌های شما) ۲تا فراخوان مشتی داریم😁

من به ۲ نفر پژوهشگر علاقه‌مند به
حوزه‌ی DTI در بیماران مبتلا به پارکینسون
و همچنین
وراثت‌پذیری در نقشه‌برداری مغز
برای انجام ۲ عدد کار پژوهشی نیازمندم.

کار سنگینه، نیاز داره که وقت آزاد خوبی داشته باشید، و حتماً هم باید فقط در یک حوزه درخواست بدید. وظیفه‌تون هم در قدم اول انجام یک مطالعه‌ی جامع و کامل در مورد هر کدوم از موضوعات مورد اشاره هستش.

اگر تمایل دارید همکاری کنید و کلاً اطلاعات بیشتری کسب کنید:
@Erfnghvi

@erfaniumm

مرسی از همه‌ی عزیزانی که منت گذاشتن و برای همکاری پیام دادن؛ واقعاً فوق‌العاده بود.

قطعاً فراخوان‌های دیگر هم خواهیم داشت ولی این دفعه توی گروه اعلام نمی‌کنم و مستقیم به خود بچه‌هایی که برای فراخوان‌های قبلی بهم پیام دادن اطلاع میدم.

@erfaniumm

یه مقاله‌ی خیلی خوب و خلاصه در رابطه با توضیح مختصر انواع مدل‌های رگرسیون لگاریتمی.

@erfaniumm

برای کسایی که به Statistical methodology علاقه دارن:

https://direct.mit.edu/imag/article/doi/10.1162/IMAG.a.1052/134172/Is-Pearson-s-correlation-coefficient-enough-for

این مقاله اومده Pearson's correlation معروف رو با یه شاخص دیگه‌ای به اسم Multiscale Graph Correlation یا به اختصار MGC برای ارزیابی Functional connectivity مقایسه کرده؛ با این استدلال که اولی فقط برای ارتباطات خطی خوبه ولی دومی هم خطی و هم غیرخطی :))

اگه فرصت شد یه ویس می‌گیرم و توضیحش میدم.

مقاله هم Open accessعه.

آب دستتونه بذارید زمین و این مستند جذاب رو ببینید :))

https://youtu.be/d95J8yzvjbQ?si=1qAhVe3ONddGXClC

@erfaniumm

سازمان IBRO یا International Brain Research Organization برای یکسری از ایونت‌های مشخص مرتبط با پژوهش‌های علوم اعصاب در سرتاسر جهان، گرنت‌هایی رو برای کمک به کشورهایی با درآمد پایین درنظر گرفته.

برای دسترسی و کسب اطلاعات بیشتر:

https://ibro.org/grant/travel-grants/

@erfaniumm

اینم فایل مقاله‌ای که قبل‌تر بهتون توضیحاتشو داده بودم.

@erfaniumm

اخیراً یه دیتاست جدیدی به دنیای علوم اعصاب معرفی شده که داده‌های عصبی، حرکتی و رفتاری رو جمع‌آوری کرده. اسم این دیتاست جدید هم BBBD یا Brain, body and behaviour dataset هستش. متأسفانه داده‌های نوروایمیجینگ نداره :))

لینک معرفیش:
https://www.nature.com/articles/s41597-026-07215-1

@erfaniumm