از روز ازل به کائنات شور علی بود
بر روی زمین به کائنات نور علی بود
تنها هدف خلقت آدم به دو صورت
چشمان علی بود و علی بود و علی بود.
عید غدیرخم مبارک😍😍😍
@IUST_Bioelecteric
بر روی زمین به کائنات نور علی بود
تنها هدف خلقت آدم به دو صورت
چشمان علی بود و علی بود و علی بود.
عید غدیرخم مبارک😍😍😍
@IUST_Bioelecteric
✅ نحوه تولید اعداد تصادفی در بین یک بازه خاص
🔶 تابع rand اعداد تصادفی بین 0 تا 1 با توزیع یکنواخت تولید می کند.
برای تولید اعداد در بین یک بازه خاص طبق شکل عمل می کنیم.
#متلب
@IUST_Bioelecteric
🔶 تابع rand اعداد تصادفی بین 0 تا 1 با توزیع یکنواخت تولید می کند.
برای تولید اعداد در بین یک بازه خاص طبق شکل عمل می کنیم.
#متلب
@IUST_Bioelecteric
💡 💡 روشهای #ناحیه_بندی با بسته‌های #کانتور_فعال
به طور کلی، مرزهای بسته فعال را می توان به دو دسته مرز فعال #پارامتری و #غیرپارامتری تقسیم نمود. در روشهای پارامتری مرز بسته فعال به شکل پارامتری از مشخصه‌های خود همچون طول مرز تعریف می‌گردد و تابع هدف به گونه‌ای که در مشخصه مورد نظر کاربر کمینه شود تعریف میشود و در نهایت مرز اولیه با توجه به محدودیتهای مربوط به خود که درغالب انرژی داخلی خود را نشان میدهد و به طرف مشخصه مورد نظر از طریق کمینه کردن این تابع حرکت می‌کند. در مرزهای بسته غیرپارامتری یا هندسی، نمو مرز بسته به صورت سطح صفر یک تابع کمکی چند بعدی معروف به توابع سطح همتراز صورت می پذیرد و از اینرو قادر به دنبال کردن تغییرات توپولوژی در تصویر می باشد. مرزهای بسته فعال هندسی به دو نوع اصلی مرزهای فعال گرادیانی و ناحیه ای تقسیم‌بندی میشوند. در روشهای گرادیانی از گرادیان برای نمو مرز به سمت مشخصه مورد نظر استفاده شده است که از معایب این روش حساسیت به نویز و همگرا شدن در کمینه‌های محلی می‌باشد. در روش ناحیه‌ای معمولا از اطلاعات آماری تصویر برای نمو مرز فعال به سمت شکل هدف استفاده میشود .
🔶 چرا در عمل بیشتر از کانتور فعال برای ناحیه بندی تصاویر پزشکی استفاده می کنند و از روشهای معمول استفاده نمی کنند؟! 🤔 🤔
در عمل، تصاویر پزشکی تصاویر (مثل تصاویر #التراسوند) ایده الی نیستند و همیشه با آرتیفکت و نویزهایی همراه هستند، لذا نمی توان با استفاده از روشهای معمول مثل فیلترهای مکانی (لاپلاسین، کنی، سوبل و ...) و فرکانسی تصاویر را ناحیه بندی کرد!
روشهای معمول زمانی که تصاویر نویز نداشته باشند خوب کار می کنند!
همچنین در کارهای عملی نیاز است که ما مرزهای بسته ای داشته باشیم و اینب درحالی هست که روشهای معمول به خاطر نویز، مرز بسته ای به ما نمیدهند!
✅ مزایای روشهای ناحیه بندی کانتور فعال:
به نویز حساسیتی ندارد (در مقابل نویز مقاومند)
مرز بسته ای دارند!
⚠️ عیب روشهای ناحیه بندی کانتور فعال:
- نیاز به تعیین کانتور اولیه دارند
- پیچیدگی محاسباتی بالایی دارند
#ناحیه_بندی
#کانتور_فعال
#مرزبسته
#تصاویرنویزی
#پردازش_تصویر
#مهندسی_پزشکی
#تصاویرپزشکی
نویسنده: محمد نوری زاده چرلو
➖➖➖➖➖
@IUST_Bioelecteric
به طور کلی، مرزهای بسته فعال را می توان به دو دسته مرز فعال #پارامتری و #غیرپارامتری تقسیم نمود. در روشهای پارامتری مرز بسته فعال به شکل پارامتری از مشخصه‌های خود همچون طول مرز تعریف می‌گردد و تابع هدف به گونه‌ای که در مشخصه مورد نظر کاربر کمینه شود تعریف میشود و در نهایت مرز اولیه با توجه به محدودیتهای مربوط به خود که درغالب انرژی داخلی خود را نشان میدهد و به طرف مشخصه مورد نظر از طریق کمینه کردن این تابع حرکت می‌کند. در مرزهای بسته غیرپارامتری یا هندسی، نمو مرز بسته به صورت سطح صفر یک تابع کمکی چند بعدی معروف به توابع سطح همتراز صورت می پذیرد و از اینرو قادر به دنبال کردن تغییرات توپولوژی در تصویر می باشد. مرزهای بسته فعال هندسی به دو نوع اصلی مرزهای فعال گرادیانی و ناحیه ای تقسیم‌بندی میشوند. در روشهای گرادیانی از گرادیان برای نمو مرز به سمت مشخصه مورد نظر استفاده شده است که از معایب این روش حساسیت به نویز و همگرا شدن در کمینه‌های محلی می‌باشد. در روش ناحیه‌ای معمولا از اطلاعات آماری تصویر برای نمو مرز فعال به سمت شکل هدف استفاده میشود .
🔶 چرا در عمل بیشتر از کانتور فعال برای ناحیه بندی تصاویر پزشکی استفاده می کنند و از روشهای معمول استفاده نمی کنند؟! 🤔 🤔
در عمل، تصاویر پزشکی تصاویر (مثل تصاویر #التراسوند) ایده الی نیستند و همیشه با آرتیفکت و نویزهایی همراه هستند، لذا نمی توان با استفاده از روشهای معمول مثل فیلترهای مکانی (لاپلاسین، کنی، سوبل و ...) و فرکانسی تصاویر را ناحیه بندی کرد!
روشهای معمول زمانی که تصاویر نویز نداشته باشند خوب کار می کنند!
همچنین در کارهای عملی نیاز است که ما مرزهای بسته ای داشته باشیم و اینب درحالی هست که روشهای معمول به خاطر نویز، مرز بسته ای به ما نمیدهند!
✅ مزایای روشهای ناحیه بندی کانتور فعال:
به نویز حساسیتی ندارد (در مقابل نویز مقاومند)
مرز بسته ای دارند!
⚠️ عیب روشهای ناحیه بندی کانتور فعال:
- نیاز به تعیین کانتور اولیه دارند
- پیچیدگی محاسباتی بالایی دارند
#ناحیه_بندی
#کانتور_فعال
#مرزبسته
#تصاویرنویزی
#پردازش_تصویر
#مهندسی_پزشکی
#تصاویرپزشکی
نویسنده: محمد نوری زاده چرلو
➖➖➖➖➖
@IUST_Bioelecteric
onlinebme
💡 💡 روشهای #ناحیه_بندی با بسته‌های #کانتور_فعال به طور کلی، مرزهای بسته فعال را می توان به دو دسته مرز فعال #پارامتری و #غیرپارامتری تقسیم نمود. در روشهای پارامتری مرز بسته فعال به شکل پارامتری از مشخصه‌های خود همچون طول مرز تعریف می‌گردد و تابع هدف به گونه‌ای…
This media is not supported in your browser
VIEW IN TELEGRAM
ناحیه بندی تصاویر با استفاده از روش #پارامتری کانتور فعال
#گیف بسیار جالب از نحوه همگرایی الگوریتم بر روی مرزهای تصویر اختاپوس
#کانتورفعال
#مرزبسته
#ناحیه_بندی
➖➖➖➖➖
@IUST_Bioelecteric
#گیف بسیار جالب از نحوه همگرایی الگوریتم بر روی مرزهای تصویر اختاپوس
#کانتورفعال
#مرزبسته
#ناحیه_بندی
➖➖➖➖➖
@IUST_Bioelecteric
onlinebme
💡 💡 روشهای #ناحیه_بندی با بسته‌های #کانتور_فعال به طور کلی، مرزهای بسته فعال را می توان به دو دسته مرز فعال #پارامتری و #غیرپارامتری تقسیم نمود. در روشهای پارامتری مرز بسته فعال به شکل پارامتری از مشخصه‌های خود همچون طول مرز تعریف می‌گردد و تابع هدف به گونه‌ای…
This media is not supported in your browser
VIEW IN TELEGRAM
ناحیه بندی تصاویر با استفاده از روش #غیرپارامتری کانتور فعال
#گیف بسیار جالب از نحوه همگرایی الگوریتم بر روی مرزهای تصویر
#کانتورفعال
#مرزبسته
#ناحیه_بندی
➖➖➖➖➖
@IUST_Bioelecteric
#گیف بسیار جالب از نحوه همگرایی الگوریتم بر روی مرزهای تصویر
#کانتورفعال
#مرزبسته
#ناحیه_بندی
➖➖➖➖➖
@IUST_Bioelecteric
✅پایان دوره ی جامع مهندسی پزشکی و مروری بر سرفصل های آن
دوره جامع مهندسی پزشکی هم پایان یافت(التبه دو هفته پیش)، از همه شرکت کنندگان بخاطر حضور فعال و باانرژیشون تشکر میکنیم. 😊🙏🌹
بسیاری از دوستان پیرامون این دوره سوالاتی داشتند، از این رو در اینجا توضیحاتی اجمالی درباره ی مباحث این دوره را مطرح می کنیم.
🚩 یکی از مشخصه های برجسته ی این دوره این است که این دوره برای اولین بار در ایران برگزار می شود و همانطور که از عنوان دوره مشخص است #تنها دوره ای است که سعی شده تمام مباحث مهندسی پزشکی را پوشش دهد!
در این دوره علاوه بر مباحث شناسایی آماری الگو و داده کاوی، چندین پروژه عملی مطابق با مقالات معتبر آموزش داده می شود که دانشجویان با پروژه های مختلفی در حوزه مهندسی پزشکی آشنا شوند و بعد از دوره دید بهتری نسبت به مباحث مهندسی پزشکی پیدا کنند و بسهولت بتوانند موضوعات مورد علاقه شان را برای پایان نامه انتخاب کنند.
⚠️ این دوره کاملا تخصصی است و مخصوص دانشجویان ارشد و دکتری هست. برای دانشجویان کارشناسی توصیه نمیشود!
🚩در زیر مباحث مطرح شده در دوره ای که در تهران برگزار شده را به اختصار توضیح می دهیم.
البته یه سری دوستان غیرمهندسی پزشکی به خاطر اینکه عنوان دوره، مهندسی پزشکی هست دید مناسبی از محتوای دوره ندارند، به همین خاطر همینجا توضیحاتی درباره ی دوره به این دسته از دوستان می هیم تا دوستان غیر مهندسی پزشکی هم برحسب نیازشون هم بتوانند در این دوره شرکت کنند.
🔹هدف و تمرکز این دوره بر روی مباحث درس شناسایی آماری الگو (پترن) و درس داده کاوی است که اساس تمام پروژه های مهندسی در شاخه های مختلف است. سعی ما براین است که مباحث این دو درس را کامل آموزش دهیم و برای اینکه مطلب ملموس تر شوند، الگوریتم ها را روی داده های واقعی اعمال می کنیم. داده هایی که در این دوره استفاده شده است داده های مرتبط با مهندسی پزشکی است.
به طور کلی درس پترن و داده کاوی مباحث زیر را شامل می شوند:
- پیش پردازش (ثبت داده -کاهش نویز و ..)
- استخراج ویژگی
- نرمال سازی داده
- انتخاب ویژگی
- کاهش ابعاد داده
- کلاسبندی داده ها
- ترکیب کلاسبند ها (boosting)
🚩 سر فصل مطالبی که در دوره جامع آموزش داده می شود:
1- آموزش اصول برنامه نویسی در متلب
برای اینکه دوستان در طول دوره مشکلی در برنامه نویسی نداشته باشند، مباحث زیر را آموزش می دهیم:
- آرایه ها
- تابع نویسی و برنامه نویسی
- توابع پرکاربرد متلب
- نمودارها
- شرط ها و حلقه‌ها
2- آموزش الگوریتمهای شناسایی الگو
- روشهای کاهش نویز (تبدیل ویولت- تبدیل فوریه)
- نحوه فیلترینگ داده با استفاده از فیلترهای باترورث
- روشهای استخراج ویژگی(ویولت- FFT، ویژگی های آماری، ویژگی های غیرخطی)
- روشهای نرمال سازی داده(خطی-غیرخطی)
- روشهای انتخاب ویژگی
o روشهای انتخاب ویژگی اسکالر(تست آماری ttest )
o روشهای انتخاب ویژگی برداری
(sequential backward search
sequential forward search
sequential forward and backward search)
- روش های کاهش ابعاد داده
o روش Fisher discriminant analysis(LDA) برای دوکلاسه و چندکلاسه
o Principle component analysis
o Common spatial patterns
o Filter bank common spatial patterns
- روشهای کلاسبندی
1- روشهای پارامتری شامل:
o بیزین
o maximum likelihood
o فاصله اقلیدسی
o ماهالانوبیس
2- روشهای غیر پارامتری شامل:
o svm(linear-nonlinear)
o K-nearest neighborhood (knn)
o درختی
o FLD
- روش های اعتبارسنجی
1- انتخاب مدل بهینه (cross validation)
2- تخمین عملکرد
o The hold out validation method
o Leave one out validation method
o K-fold cross validation method
o Random subsampling validation method
- پارامترهای ارزیابی
o دقت شناسایی
o حساسیت (sensitivity)
o ویژگی (specificity)
o ماتریس مختلط(confusion matrix)
o منحنی ROC
- روشهای خوشه‌بندی
o الگوریتم Kmeans
o الگوریتم فازی fuzzy c-means (fcm)
3- انجام پروژه های مهندسی پزشکی(توضیحات در پست بعدی)
➖➖➖➖➖
@IUST_Bioelecteric
دوره جامع مهندسی پزشکی هم پایان یافت(التبه دو هفته پیش)، از همه شرکت کنندگان بخاطر حضور فعال و باانرژیشون تشکر میکنیم. 😊🙏🌹
بسیاری از دوستان پیرامون این دوره سوالاتی داشتند، از این رو در اینجا توضیحاتی اجمالی درباره ی مباحث این دوره را مطرح می کنیم.
🚩 یکی از مشخصه های برجسته ی این دوره این است که این دوره برای اولین بار در ایران برگزار می شود و همانطور که از عنوان دوره مشخص است #تنها دوره ای است که سعی شده تمام مباحث مهندسی پزشکی را پوشش دهد!
در این دوره علاوه بر مباحث شناسایی آماری الگو و داده کاوی، چندین پروژه عملی مطابق با مقالات معتبر آموزش داده می شود که دانشجویان با پروژه های مختلفی در حوزه مهندسی پزشکی آشنا شوند و بعد از دوره دید بهتری نسبت به مباحث مهندسی پزشکی پیدا کنند و بسهولت بتوانند موضوعات مورد علاقه شان را برای پایان نامه انتخاب کنند.
⚠️ این دوره کاملا تخصصی است و مخصوص دانشجویان ارشد و دکتری هست. برای دانشجویان کارشناسی توصیه نمیشود!
🚩در زیر مباحث مطرح شده در دوره ای که در تهران برگزار شده را به اختصار توضیح می دهیم.
البته یه سری دوستان غیرمهندسی پزشکی به خاطر اینکه عنوان دوره، مهندسی پزشکی هست دید مناسبی از محتوای دوره ندارند، به همین خاطر همینجا توضیحاتی درباره ی دوره به این دسته از دوستان می هیم تا دوستان غیر مهندسی پزشکی هم برحسب نیازشون هم بتوانند در این دوره شرکت کنند.
🔹هدف و تمرکز این دوره بر روی مباحث درس شناسایی آماری الگو (پترن) و درس داده کاوی است که اساس تمام پروژه های مهندسی در شاخه های مختلف است. سعی ما براین است که مباحث این دو درس را کامل آموزش دهیم و برای اینکه مطلب ملموس تر شوند، الگوریتم ها را روی داده های واقعی اعمال می کنیم. داده هایی که در این دوره استفاده شده است داده های مرتبط با مهندسی پزشکی است.
به طور کلی درس پترن و داده کاوی مباحث زیر را شامل می شوند:
- پیش پردازش (ثبت داده -کاهش نویز و ..)
- استخراج ویژگی
- نرمال سازی داده
- انتخاب ویژگی
- کاهش ابعاد داده
- کلاسبندی داده ها
- ترکیب کلاسبند ها (boosting)
🚩 سر فصل مطالبی که در دوره جامع آموزش داده می شود:
1- آموزش اصول برنامه نویسی در متلب
برای اینکه دوستان در طول دوره مشکلی در برنامه نویسی نداشته باشند، مباحث زیر را آموزش می دهیم:
- آرایه ها
- تابع نویسی و برنامه نویسی
- توابع پرکاربرد متلب
- نمودارها
- شرط ها و حلقه‌ها
2- آموزش الگوریتمهای شناسایی الگو
- روشهای کاهش نویز (تبدیل ویولت- تبدیل فوریه)
- نحوه فیلترینگ داده با استفاده از فیلترهای باترورث
- روشهای استخراج ویژگی(ویولت- FFT، ویژگی های آماری، ویژگی های غیرخطی)
- روشهای نرمال سازی داده(خطی-غیرخطی)
- روشهای انتخاب ویژگی
o روشهای انتخاب ویژگی اسکالر(تست آماری ttest )
o روشهای انتخاب ویژگی برداری
(sequential backward search
sequential forward search
sequential forward and backward search)
- روش های کاهش ابعاد داده
o روش Fisher discriminant analysis(LDA) برای دوکلاسه و چندکلاسه
o Principle component analysis
o Common spatial patterns
o Filter bank common spatial patterns
- روشهای کلاسبندی
1- روشهای پارامتری شامل:
o بیزین
o maximum likelihood
o فاصله اقلیدسی
o ماهالانوبیس
2- روشهای غیر پارامتری شامل:
o svm(linear-nonlinear)
o K-nearest neighborhood (knn)
o درختی
o FLD
- روش های اعتبارسنجی
1- انتخاب مدل بهینه (cross validation)
2- تخمین عملکرد
o The hold out validation method
o Leave one out validation method
o K-fold cross validation method
o Random subsampling validation method
- پارامترهای ارزیابی
o دقت شناسایی
o حساسیت (sensitivity)
o ویژگی (specificity)
o ماتریس مختلط(confusion matrix)
o منحنی ROC
- روشهای خوشه‌بندی
o الگوریتم Kmeans
o الگوریتم فازی fuzzy c-means (fcm)
3- انجام پروژه های مهندسی پزشکی(توضیحات در پست بعدی)
➖➖➖➖➖
@IUST_Bioelecteric
بطبع این دوره برای دوستان مهندسی پزشکی بسیار مفیدتر خواهد بود و به آنها دید بهتری از پروژه ها میدهد. پروژه هایی که طول دوره آموزش داده می شوند نتیجه چهار سال تجربه گروه مهندسی پزشکی دانشجویان علم و صنعت تهران هست و سعی کردیم پروژه های خوب و بروزی که امروزه در این رشته کار میکنند را انتخاب کنیم و براساس مقالات معتبر شبیه سازی کنیم.
بعد اتمام دوره انتظار داریم دوستان شرکت کننده دید بهتری از پروژه ها داشته باشند و بتوانند موضوعات مناسبی برای پایان نامه دکتری و کارشناشی ارشد انتخاب کنند. این دوره برای اولین بار در ایران برگزار می شود و هدف اینه که دوستان به طور مناسب آموزش ببینند تا در شبیه سازی مقالات تخصصی در حوزه مهندسی پزشکی، در انجام پروژه پایان نامه مشکلی نداشته باشند. در این دوره ما نحوه کار با داده های مختلف را آموزش میدهیم و دوستان سختی کار با داده ها را دیگر تجربه نخواهند کرد.
💡هدف اصلی ما اینه که دوستان شرکت کننده بعد از اتمام دوره، بتوانند پایان نامشون رو خودشون انجام دهند و مشکلاتی از قبیل کار با داده، برنامه نویسی، تجزیه و تحلیل داده ها نداشته باشند.😊
💡تو این چند سال متوجه شدیم که بیشتر دوستان مهندسی پزشکی بیشتر مباحث را بلدند ولی در پیاده سازی و تحلیل داده ها مشکل دارند. در این دوره ما آموزش می دهیم که چگونه داده را دانلود، تجزیه و تحلیل بکنند. 5 پروژه عملی از صفر تا صد در متلب پیاده سازی می شود و شرکت کنندگان با موضوعات مختلفی آشنا شده و کار با داده های مختلف پزشکی را یاد میگیرند.👌
✅ پروژه هایی که در طول دوره آموزش داده می شوند را در زیر خلاصه کرده ایم:
نکته: لازم به ذکر است که تمامی الگوریتمهای درس #شناسایی _آماری_الگو و #داده_کاوی را را روی این پروژه ها اعمال میکنیم و دوستان علاوه بریادگیری الگوریتمها، نحوه استفاده از الگوریتمها در #پروژه_های_عملی را نیز یاد میگیرند!
- کار با سیگنالهای مغزیِ eeg ( داده مربوط به صرع- داده های تصوری حرکتی- اسپایک(unit activity))
- کار با سیگنالهای قلبیِ ecg(داده های مربتط با آرتیمی های قلبی(داده استاندارد سایت فیزیونت))
- تشخیص بیماری #صرع از روی سیگنالهای EEG (داده استاندارد 5 کلاسه دانشگاه بن آلمان)، روشهای مختلف استخراج ویژگی در حوزه زمان، فرکانس، زمان فرکانس آشنا می شوند.
🔹 تمامی الگوریتمها درس پترن و داده کاوی روی این داده ها اعمال می شوند!
- کلاسبندی داده های تصوری و حرکتی EEG (واسط مغز و کامپیوترBCI)، در این پروژه الگوریتم معروف csp و fbcsp آموزش داده شده سپس روی داده اعمال میشوند.
الگوریتم csp یک الگوریتم معروفی است که برای کاهش تعداد کانالها در داده های تصوری حرکتی دوکلاسه استفاده میشود.
نحوه تعمیم این الگوریتم برای داده ها چندکلاسه را نیز آموزش میدهیم.
روشهای بهبود یافته دیگر csp برای دانشجویان به عنوان تمرین تعریف می شود.
- اسپایک سورتینگ با استفاده از دو روش مختلف
1- خوشه بندی (kmeans-fcm)
2-Template matching
🔹اسپایک سورتینگ یا همان کلاسترینگ (مرتب سازی)اسپایکها یک تکنیک رایج در میان دانشمندان علوم و اعصاب جهت مطالعه عملکرد مغز است و در سالیان اخیر برای درمان بیماریهای از قبیل صرع، فلج و از دست دادن حافظه استفاده می کنند.
برای بررسی بیماریها نیاز به داشتن اطلاعات درباره فعالیت تک تک نورون ها است. در ثبت خارج سلولی فعالیت چندین نورون همزمان ثبت می شود. برای تفکیک فعالیت نورونها از تکنیک اسپایک سورتینگ استفاده میکنند.
در این دوره مفاهیم ثبت داخل و خارج سلولی، تکنیکهای اسپایک سورتینگ را آموزش داده و یک پروژه عملی نیز انجام میدهیم!
- تشخیص بیماری های قلبی با استفاده از سیگنال ECG
🔹امروزه افراد زیادی از نارسایی قلبی رنج میبرند و اگر در زمان مناسب بیماریها تشخیص داده شود میتوان از اتفاقات ناگوار جلوگیری کرد. ثابت شده فعالیت الکتریکی قلب اطلاعات مفیدی درباره وضعیت سلامت قلب ارائه میدهد. پزشکان برای تشخیص بیماریهای قلبی از سیگنال ECG یا همان نوار قلبی استفاده می کنند. ولی مشکلی که اینجا هست اینه که بررسی نوار قلبی بسیار زمان‌بر و خسته کننده ست، از طرف دیگر ممکن است پزشک متخصص نباشد و تحلیل اشتباهی انجام دهد.
در این دوره نحوه کار با داده ECG و نحوه تجزیه و تحلیل داده ها را آموزش میدهیم تا بتوانیم مدلی دقیق (نزدیک به نظر پزشکان متخصص) و بسیار سریع(خودکار) طراحی کنیم.
✅ شرکت کنندگان بعد از اتمام این دوره، قادر خواهند بود به:
- برنامه‌نویسی در محیط متلب
- پیاده سازی تمامی الگوریتمهای مربوط به شناسایی الگو و داده کاوی
- پیاده سازی پروژه‌های مرتبط با رابط مغز و کامپیوتر
- پیاده سازی پروژه‌های مرتبط با علوم اعصاب محاسباتی
- شبیه‌سازی مقالات مرتبط با رشته مهندسی پزشکی بیوالکتریک
- انجام پایان نامه
➖➖➖➖➖
@IUST_Bioelecteric
بعد اتمام دوره انتظار داریم دوستان شرکت کننده دید بهتری از پروژه ها داشته باشند و بتوانند موضوعات مناسبی برای پایان نامه دکتری و کارشناشی ارشد انتخاب کنند. این دوره برای اولین بار در ایران برگزار می شود و هدف اینه که دوستان به طور مناسب آموزش ببینند تا در شبیه سازی مقالات تخصصی در حوزه مهندسی پزشکی، در انجام پروژه پایان نامه مشکلی نداشته باشند. در این دوره ما نحوه کار با داده های مختلف را آموزش میدهیم و دوستان سختی کار با داده ها را دیگر تجربه نخواهند کرد.
💡هدف اصلی ما اینه که دوستان شرکت کننده بعد از اتمام دوره، بتوانند پایان نامشون رو خودشون انجام دهند و مشکلاتی از قبیل کار با داده، برنامه نویسی، تجزیه و تحلیل داده ها نداشته باشند.😊
💡تو این چند سال متوجه شدیم که بیشتر دوستان مهندسی پزشکی بیشتر مباحث را بلدند ولی در پیاده سازی و تحلیل داده ها مشکل دارند. در این دوره ما آموزش می دهیم که چگونه داده را دانلود، تجزیه و تحلیل بکنند. 5 پروژه عملی از صفر تا صد در متلب پیاده سازی می شود و شرکت کنندگان با موضوعات مختلفی آشنا شده و کار با داده های مختلف پزشکی را یاد میگیرند.👌
✅ پروژه هایی که در طول دوره آموزش داده می شوند را در زیر خلاصه کرده ایم:
نکته: لازم به ذکر است که تمامی الگوریتمهای درس #شناسایی _آماری_الگو و #داده_کاوی را را روی این پروژه ها اعمال میکنیم و دوستان علاوه بریادگیری الگوریتمها، نحوه استفاده از الگوریتمها در #پروژه_های_عملی را نیز یاد میگیرند!
- کار با سیگنالهای مغزیِ eeg ( داده مربوط به صرع- داده های تصوری حرکتی- اسپایک(unit activity))
- کار با سیگنالهای قلبیِ ecg(داده های مربتط با آرتیمی های قلبی(داده استاندارد سایت فیزیونت))
- تشخیص بیماری #صرع از روی سیگنالهای EEG (داده استاندارد 5 کلاسه دانشگاه بن آلمان)، روشهای مختلف استخراج ویژگی در حوزه زمان، فرکانس، زمان فرکانس آشنا می شوند.
🔹 تمامی الگوریتمها درس پترن و داده کاوی روی این داده ها اعمال می شوند!
- کلاسبندی داده های تصوری و حرکتی EEG (واسط مغز و کامپیوترBCI)، در این پروژه الگوریتم معروف csp و fbcsp آموزش داده شده سپس روی داده اعمال میشوند.
الگوریتم csp یک الگوریتم معروفی است که برای کاهش تعداد کانالها در داده های تصوری حرکتی دوکلاسه استفاده میشود.
نحوه تعمیم این الگوریتم برای داده ها چندکلاسه را نیز آموزش میدهیم.
روشهای بهبود یافته دیگر csp برای دانشجویان به عنوان تمرین تعریف می شود.
- اسپایک سورتینگ با استفاده از دو روش مختلف
1- خوشه بندی (kmeans-fcm)
2-Template matching
🔹اسپایک سورتینگ یا همان کلاسترینگ (مرتب سازی)اسپایکها یک تکنیک رایج در میان دانشمندان علوم و اعصاب جهت مطالعه عملکرد مغز است و در سالیان اخیر برای درمان بیماریهای از قبیل صرع، فلج و از دست دادن حافظه استفاده می کنند.
برای بررسی بیماریها نیاز به داشتن اطلاعات درباره فعالیت تک تک نورون ها است. در ثبت خارج سلولی فعالیت چندین نورون همزمان ثبت می شود. برای تفکیک فعالیت نورونها از تکنیک اسپایک سورتینگ استفاده میکنند.
در این دوره مفاهیم ثبت داخل و خارج سلولی، تکنیکهای اسپایک سورتینگ را آموزش داده و یک پروژه عملی نیز انجام میدهیم!
- تشخیص بیماری های قلبی با استفاده از سیگنال ECG
🔹امروزه افراد زیادی از نارسایی قلبی رنج میبرند و اگر در زمان مناسب بیماریها تشخیص داده شود میتوان از اتفاقات ناگوار جلوگیری کرد. ثابت شده فعالیت الکتریکی قلب اطلاعات مفیدی درباره وضعیت سلامت قلب ارائه میدهد. پزشکان برای تشخیص بیماریهای قلبی از سیگنال ECG یا همان نوار قلبی استفاده می کنند. ولی مشکلی که اینجا هست اینه که بررسی نوار قلبی بسیار زمان‌بر و خسته کننده ست، از طرف دیگر ممکن است پزشک متخصص نباشد و تحلیل اشتباهی انجام دهد.
در این دوره نحوه کار با داده ECG و نحوه تجزیه و تحلیل داده ها را آموزش میدهیم تا بتوانیم مدلی دقیق (نزدیک به نظر پزشکان متخصص) و بسیار سریع(خودکار) طراحی کنیم.
✅ شرکت کنندگان بعد از اتمام این دوره، قادر خواهند بود به:
- برنامه‌نویسی در محیط متلب
- پیاده سازی تمامی الگوریتمهای مربوط به شناسایی الگو و داده کاوی
- پیاده سازی پروژه‌های مرتبط با رابط مغز و کامپیوتر
- پیاده سازی پروژه‌های مرتبط با علوم اعصاب محاسباتی
- شبیه‌سازی مقالات مرتبط با رشته مهندسی پزشکی بیوالکتریک
- انجام پایان نامه
➖➖➖➖➖
@IUST_Bioelecteric
💡دوره ی بعدی #مهرماه در #مشهد (به احتمال زیاد در دو دانشگاه مختلف) برگزار خواهد شد. دوستانی که قصد شرکت در دوره را دارند میتوانند برای پیش ثبت نام با شماره زیر تماس بگیرند.
0936-038-2687
@Bio_Engineerr
مدرس دوره: مهندس محمد نوری زاده چرلو
💡💡💡دوره ها #فشرده و در #دوهفته برگزار خواهند شد.
به دوستانی که هر دو دوره(دوره شبکه های عصبی در متلب- دوره جامع مهندسی پزشکی) را شرکت کنند 10 درصد #تخفیف تعلق می‌گیرد!
#متلب
#پایان_نامه
#شبیه_سازی_مقالات
#پروژه_درسی
#دوره
#شبکه_عصبی
#پترن
#داده_کاوی
#علوم_اعصاب
#واسط_مغز_کامپیوتر
#پروژه_عملی
➖➖➖➖➖
سایتمون رو هم دنبال کنید🙏🙏😊😊
http://matlabkhoone.ir
➖➖➖➖➖
@IUST_Bioelecteric
0936-038-2687
@Bio_Engineerr
مدرس دوره: مهندس محمد نوری زاده چرلو
💡💡💡دوره ها #فشرده و در #دوهفته برگزار خواهند شد.
به دوستانی که هر دو دوره(دوره شبکه های عصبی در متلب- دوره جامع مهندسی پزشکی) را شرکت کنند 10 درصد #تخفیف تعلق می‌گیرد!
#متلب
#پایان_نامه
#شبیه_سازی_مقالات
#پروژه_درسی
#دوره
#شبکه_عصبی
#پترن
#داده_کاوی
#علوم_اعصاب
#واسط_مغز_کامپیوتر
#پروژه_عملی
➖➖➖➖➖
سایتمون رو هم دنبال کنید🙏🙏😊😊
http://matlabkhoone.ir
➖➖➖➖➖
@IUST_Bioelecteric
ترجمه متون انگلیسی به فارسی و فارسی به انگلیسی
#ترجمه
#ضمانت_کیفیت
#تحویل_فوری
#ترجمه_به_فرمت_مقاله_کتاب
#هزینه_دانشجویی
سفارش ترجمه:
0936-038-2687
@Bio_Engineerr
➖➖➖➖➖
@FastandBest_Translators
#ترجمه
#ضمانت_کیفیت
#تحویل_فوری
#ترجمه_به_فرمت_مقاله_کتاب
#هزینه_دانشجویی
سفارش ترجمه:
0936-038-2687
@Bio_Engineerr
➖➖➖➖➖
@FastandBest_Translators
میزان بهبود ترجمه از حالت Phrase based نسبت به ترجمه نورونی گوگل
به تعبیر گوگل: جهشی به اندازه ده سال گذشته
#هوش_مصنوعی
#یادگیری_ماشینی
➖➖➖➖
@IUST_Bioelecteric
به تعبیر گوگل: جهشی به اندازه ده سال گذشته
#هوش_مصنوعی
#یادگیری_ماشینی
➖➖➖➖
@IUST_Bioelecteric
مترجم Google به‌تازگی با یک جهش ناگهانی بیشتر از مجموع ده سال گذشته بهبود داشته است. و مشارکت‌های شما به عملی شدن این کار کمک کرده است!درحال‌حاضر «مترجم Google» برای ۹۶ زبان ازجمله فارسی ترجمه نورونی ارائه می‌کند.
ترجمه نورونی از فرآیند پیچیده‌ای استفاده می‌کند تا نحوه یادگیری زبان توسط انسان را شبیه‌سازی کند.
این بهبودها در جمله‌های کامل و نوشتارهای طولانی‌تر محسوس‌ترند: آن را امتحان کنید!
ترجمه نورونی مانند انسانی که زبان می‌آموزد، مدام درحال پیشرفت است و مشارکت‌های افرادی متخصص، بیشتر از هرزمانی حیاتی است.
#ترجمه_نورونی
#شبکه_عصبی
#یادگیری_ماشینی
#هوش_مصنوعی
➖➖➖➖
@IUST_Bioelecteric
ترجمه نورونی از فرآیند پیچیده‌ای استفاده می‌کند تا نحوه یادگیری زبان توسط انسان را شبیه‌سازی کند.
این بهبودها در جمله‌های کامل و نوشتارهای طولانی‌تر محسوس‌ترند: آن را امتحان کنید!
ترجمه نورونی مانند انسانی که زبان می‌آموزد، مدام درحال پیشرفت است و مشارکت‌های افرادی متخصص، بیشتر از هرزمانی حیاتی است.
#ترجمه_نورونی
#شبکه_عصبی
#یادگیری_ماشینی
#هوش_مصنوعی
➖➖➖➖
@IUST_Bioelecteric
🌐 آینده‌ی شغلی، بازار کار، درآمد رشته مهندسی پزشکی :👨🎓👩🎓
"در حال حاضر بازار کار هیچ رشته‌ای در حد ایده‌آل نیست و این شامل حال رشته‌ی مهندسی پزشکی نیز میشود اما بدون شک وضعیت فارغ‌التحصیلان این رشته، نسبت به رشته‌های مهندسی دیگر، مطلوب‌تر است. چون ارزش اقتصادی وسایلی که مهندسین پزشکی طراحی، تعمیر، نگهداری یا خریداری میکنند، بسیار بالا است. برای مثال اگر یک کامپیوتر یک یا دو میلیون تومان قیمت دارد، یک دستگاه پزشکی بطور متوسط ده‌ها میلیون تومان می‌ارزد. برای همین مسؤولان بیمارستان‌ها بطور نسبی برای حفظ و نگهداری آنها اهمیت بسیاری قائل‌اند. این امر باعث شده تا بسیاری از فارغ‌التحصیلان ما حتی دانشجویان ترم‌های آخر جذب بازار کار شوند. بویژه اگر فارغ‌التحصیل این رشته اصراری نداشته باشد که در تهران کار کند، می‌تواند در شهرستان‌ها جذب بیمارستان‌ها، سازمان تامین اجتماعی و مراکز متعدد دیگر شود"
فارغ‌التحصیلان همچنین میتوانند در مراکز تحقیقاتی از قبیل موسسه‌ی استاندارد، بنیاد مستضعفان و جانبازان، مرکز تحقیقات وزارت دفاع و سایر مراکز تحقیقاتی مشغول کار شوند.
وزارت بهداشت، وزارت فرهنگ و آموزش عالی، وزارت صنایع، سازمان تامین اجتماعی، بیمارستان‌های دولتی و خصوصی و … از سایر اماکنی هستند که مهندسین پزشکی می‌تواند در آنجا مشغول به کار شوند.
🔹 وضعیت نیاز کشور به این رشته در حال حاضر:
با توجه به توضیحات آورده شده و نوپا بودن این رشته در کشورمان به نظر می‌رسد تا سالیان متمادی امکان اشتغال برای فارغ‌التحصیلان این رشته میسر باشد. ولی باید به موارد گفته شده شرایط خاص جامعه و هماهنگ نبودن بخش مهندسی و بخش پزشکی را افزود. در نهایت میتوان گفت برای ارتقای کیفی خدمات پزشکی، دستگاه‌هاـ نیاز به متخصصان این رشته روزافزون است
http://banki.ir/sina/10285-فرصت-های-شغلی-رشته-مهندسی-پزشکی
#مهندسی_پزشکی
#آینده_شغلی
#ایران
#خارج_از_کشور
➖➖➖➖
@IUST_Bioelecteric
"در حال حاضر بازار کار هیچ رشته‌ای در حد ایده‌آل نیست و این شامل حال رشته‌ی مهندسی پزشکی نیز میشود اما بدون شک وضعیت فارغ‌التحصیلان این رشته، نسبت به رشته‌های مهندسی دیگر، مطلوب‌تر است. چون ارزش اقتصادی وسایلی که مهندسین پزشکی طراحی، تعمیر، نگهداری یا خریداری میکنند، بسیار بالا است. برای مثال اگر یک کامپیوتر یک یا دو میلیون تومان قیمت دارد، یک دستگاه پزشکی بطور متوسط ده‌ها میلیون تومان می‌ارزد. برای همین مسؤولان بیمارستان‌ها بطور نسبی برای حفظ و نگهداری آنها اهمیت بسیاری قائل‌اند. این امر باعث شده تا بسیاری از فارغ‌التحصیلان ما حتی دانشجویان ترم‌های آخر جذب بازار کار شوند. بویژه اگر فارغ‌التحصیل این رشته اصراری نداشته باشد که در تهران کار کند، می‌تواند در شهرستان‌ها جذب بیمارستان‌ها، سازمان تامین اجتماعی و مراکز متعدد دیگر شود"
فارغ‌التحصیلان همچنین میتوانند در مراکز تحقیقاتی از قبیل موسسه‌ی استاندارد، بنیاد مستضعفان و جانبازان، مرکز تحقیقات وزارت دفاع و سایر مراکز تحقیقاتی مشغول کار شوند.
وزارت بهداشت، وزارت فرهنگ و آموزش عالی، وزارت صنایع، سازمان تامین اجتماعی، بیمارستان‌های دولتی و خصوصی و … از سایر اماکنی هستند که مهندسین پزشکی می‌تواند در آنجا مشغول به کار شوند.
🔹 وضعیت نیاز کشور به این رشته در حال حاضر:
با توجه به توضیحات آورده شده و نوپا بودن این رشته در کشورمان به نظر می‌رسد تا سالیان متمادی امکان اشتغال برای فارغ‌التحصیلان این رشته میسر باشد. ولی باید به موارد گفته شده شرایط خاص جامعه و هماهنگ نبودن بخش مهندسی و بخش پزشکی را افزود. در نهایت میتوان گفت برای ارتقای کیفی خدمات پزشکی، دستگاه‌هاـ نیاز به متخصصان این رشته روزافزون است
http://banki.ir/sina/10285-فرصت-های-شغلی-رشته-مهندسی-پزشکی
#مهندسی_پزشکی
#آینده_شغلی
#ایران
#خارج_از_کشور
➖➖➖➖
@IUST_Bioelecteric
🌐 دانشمندان مهندسی پزشکی برای نخستین بار مغز انسان را بصورت زمان حقیقی به اینترنت متصل کردند!
تیمی از پژوهشگران مهندسی پزشکی دانشگاه «Wits» در ژوهانسبورگ آفریقای جنوبی برای نخستین بار در دنیا روشی را توسعه داده اند که می تواند مغز انسان را به شبکه جهانی اینترنت متصل کند.
فناوری جدید که «Brainternet»ترکیبی از کلمه Brain به معنی مغز و واژه اینترنت- نام گرفته، در واقع مغز انسان را به یکی از نقاط اتصال در تکنولوژی اینترنت اشیا تبدیل می کند.
در Brainternet امواج مغزی به یک کامپیوتر رزبری پای ارسال می شوند.
پروژه مورد بحث با بهره گیری از امواج «EEG» مغز، یک ابزار پایشگر سیگنال های «Emotiv» را به سر انسان متصل کرده و امواج را به یک کامپیوتررزبری پای ارسال می کند. این کامپیوتر نیز داده ها را به یک اپلیکیشن مخصوص فرستاده و در نهایت تمامی دیتاها روی یک وبسایت عمومی در اختیار کاربران اینترنت قرار می گیرد.
آقای «آدام پانتانوویتز» استاد دانشکده برق و مهندسی اطلاعات دانشگاه Wits می گوید فناوری مورد بحث افق های جدیدی در زمینه رابط کاربری مغز-کامپیوتر گشوده و به انسان ها اجازه می دهد درک بهتری از فعالیت های مغزی خود و دیگران داشته باشند.
البته پروژه Brainternet فعلاً در مراحل اولیه توسعه قرار داشته و تیم مربوطه قصد دارد در آینده، ارتباطات تعاملی بیشتری میان افراد و مغزشان برقرار کند. جالب است بدانید که برخی از قابلیت ها همین حالا به صورت محدود در حال آزمایش بوده و به عنوان مثال افراد می توانند با استفاده از اینترنت، عضلات دست خود را تحریک کرده و آن را تکان دهند.
لازم به ذکر است که به گفته پانتانوویتز، فناوری مورد بحث برای توسعه سیستم های یادگیری ماشینی به کار گرفته می شود و ممکن است در آینده به مرحله ارسال و دریافت دو طرفه اطلاعات به مغز نیز بیانجامد.
https://medicalxpress.com/news/2017-09-biomedical-human-brain-internet-real.html
ترجمه از سایت:
http://digiato.com
✅ اینترنتِ اشیاء مفهومی جدید در دنیای فناوری و ارتباطات به شمار می‌آید اما عبارت اینترنت اشیاء، برای نخستین بار در سال ۱۹۹۹ توسط کوین اشتون مورد استفاده قرار گرفت و جهانی را توصیف کرد که در آن هر چیزی، از جمله اشیای بی‌جان، برای خود هویت دیجیتال داشته باشند و به کامپیوترها اجازه دهند آنها را سازماندهی و مدیریت کنند. اینترنت در حال حاضر همه مردم را به هم متصل می‌کند ولی با اینترنت اشیاء تمام اشیاء به هم متصل میشوند. البته پیش از آن کوین کلی در کتاب قوانین نوین اقتصادی در عصر شبکه‌ها (۱۹۹۸) موضوع نودهای کوچک هوشمند (مانند سنسور باز و بسته بودن درب) که به شبکه جهانی اینترنت وصل می‌باشند را مطرح نمود.
#مهندسی_پزشکی
#اینترنت_اشیاء
#هوش_مصنوعی
#BCI
#Biomedical_engineering
#EEG
➖➖➖➖
@IUST_Bioelecteric
تیمی از پژوهشگران مهندسی پزشکی دانشگاه «Wits» در ژوهانسبورگ آفریقای جنوبی برای نخستین بار در دنیا روشی را توسعه داده اند که می تواند مغز انسان را به شبکه جهانی اینترنت متصل کند.
فناوری جدید که «Brainternet»ترکیبی از کلمه Brain به معنی مغز و واژه اینترنت- نام گرفته، در واقع مغز انسان را به یکی از نقاط اتصال در تکنولوژی اینترنت اشیا تبدیل می کند.
در Brainternet امواج مغزی به یک کامپیوتر رزبری پای ارسال می شوند.
پروژه مورد بحث با بهره گیری از امواج «EEG» مغز، یک ابزار پایشگر سیگنال های «Emotiv» را به سر انسان متصل کرده و امواج را به یک کامپیوتررزبری پای ارسال می کند. این کامپیوتر نیز داده ها را به یک اپلیکیشن مخصوص فرستاده و در نهایت تمامی دیتاها روی یک وبسایت عمومی در اختیار کاربران اینترنت قرار می گیرد.
آقای «آدام پانتانوویتز» استاد دانشکده برق و مهندسی اطلاعات دانشگاه Wits می گوید فناوری مورد بحث افق های جدیدی در زمینه رابط کاربری مغز-کامپیوتر گشوده و به انسان ها اجازه می دهد درک بهتری از فعالیت های مغزی خود و دیگران داشته باشند.
البته پروژه Brainternet فعلاً در مراحل اولیه توسعه قرار داشته و تیم مربوطه قصد دارد در آینده، ارتباطات تعاملی بیشتری میان افراد و مغزشان برقرار کند. جالب است بدانید که برخی از قابلیت ها همین حالا به صورت محدود در حال آزمایش بوده و به عنوان مثال افراد می توانند با استفاده از اینترنت، عضلات دست خود را تحریک کرده و آن را تکان دهند.
لازم به ذکر است که به گفته پانتانوویتز، فناوری مورد بحث برای توسعه سیستم های یادگیری ماشینی به کار گرفته می شود و ممکن است در آینده به مرحله ارسال و دریافت دو طرفه اطلاعات به مغز نیز بیانجامد.
https://medicalxpress.com/news/2017-09-biomedical-human-brain-internet-real.html
ترجمه از سایت:
http://digiato.com
✅ اینترنتِ اشیاء مفهومی جدید در دنیای فناوری و ارتباطات به شمار می‌آید اما عبارت اینترنت اشیاء، برای نخستین بار در سال ۱۹۹۹ توسط کوین اشتون مورد استفاده قرار گرفت و جهانی را توصیف کرد که در آن هر چیزی، از جمله اشیای بی‌جان، برای خود هویت دیجیتال داشته باشند و به کامپیوترها اجازه دهند آنها را سازماندهی و مدیریت کنند. اینترنت در حال حاضر همه مردم را به هم متصل می‌کند ولی با اینترنت اشیاء تمام اشیاء به هم متصل میشوند. البته پیش از آن کوین کلی در کتاب قوانین نوین اقتصادی در عصر شبکه‌ها (۱۹۹۸) موضوع نودهای کوچک هوشمند (مانند سنسور باز و بسته بودن درب) که به شبکه جهانی اینترنت وصل می‌باشند را مطرح نمود.
#مهندسی_پزشکی
#اینترنت_اشیاء
#هوش_مصنوعی
#BCI
#Biomedical_engineering
#EEG
➖➖➖➖
@IUST_Bioelecteric
Medicalxpress
Biomedical engineers connecting a human brain to the internet in real time
In research thought to be a world first, biomedical engineers at Wits are connecting a human brain to the internet in real time.
onlinebme
💡دوره ی بعدی #مهرماه در #مشهد (به احتمال زیاد در دو دانشگاه مختلف) برگزار خواهد شد. دوستانی که قصد شرکت در دوره را دارند میتوانند برای پیش ثبت نام با شماره زیر تماس بگیرند. 0936-038-2687 @Bio_Engineerr مدرس دوره: مهندس محمد نوری زاده چرلو 💡💡💡دوره ها #فشرده…
📚دوره #جامع مهندسی پزشکی این‌بار در #مشهد
✅ جهت ثبت نام و کسب اطلاعات بیشتر با شماره ی زیر تماس بگیرید:
0936-038-2687
@Bio_engineerr
#ثبت_نام
➖➖➖➖
@IUST_Bioelecteric
✅ جهت ثبت نام و کسب اطلاعات بیشتر با شماره ی زیر تماس بگیرید:
0936-038-2687
@Bio_engineerr
#ثبت_نام
➖➖➖➖
@IUST_Bioelecteric
onlinebme
📚دوره #جامع مهندسی پزشکی این‌بار در #مشهد ✅ جهت ثبت نام و کسب اطلاعات بیشتر با شماره ی زیر تماس بگیرید: 0936-038-2687 @Bio_engineerr #ثبت_نام ➖➖➖➖ @IUST_Bioelecteric
جزیئات دوره شناسایی الگو pattern.pdf
1.1 MB
✅جزئیات دوره جامع مهندسی پزشکی
به دوستانی که علاقه مند به شرکت در دوره هستند توصیه میشود فایل pdf را مطالعه کنند👌
🔸همراهان عزیز، لطفا اطلاع رسانی کنید. 🙏🙏🌹🌹
➖➖➖
@IUST_Bioelecteric
به دوستانی که علاقه مند به شرکت در دوره هستند توصیه میشود فایل pdf را مطالعه کنند👌
🔸همراهان عزیز، لطفا اطلاع رسانی کنید. 🙏🙏🌹🌹
➖➖➖
@IUST_Bioelecteric
onlinebme
✅ پایان دوره شبکه عصبی😊 #دوره_شبکه_عصبی ممنون از همه شرکت کنندگان و حضور فعالشون🌹🌹 📣📣دوره بعدیمون #مهرماه در #مشهد برگزار میشه👌 ➖➖➖➖➖ @IUST_Bioelecteric
📚دوره عملی پیاده سازی شبکه های عصبی در متلب این‌بار در #مشهد
✅ جهت ثبت نام و کسب اطلاعات بیشتر با شماره ی زیر تماس بگیرید:
0936-038-2687
@Bio_engineerr
#ثبت_نام
➖➖➖➖
@IUST_Bioelecteric
✅ جهت ثبت نام و کسب اطلاعات بیشتر با شماره ی زیر تماس بگیرید:
0936-038-2687
@Bio_engineerr
#ثبت_نام
➖➖➖➖
@IUST_Bioelecteric
onlinebme
📚دوره عملی پیاده سازی شبکه های عصبی در متلب این‌بار در #مشهد ✅ جهت ثبت نام و کسب اطلاعات بیشتر با شماره ی زیر تماس بگیرید: 0936-038-2687 @Bio_engineerr #ثبت_نام ➖➖➖➖ @IUST_Bioelecteric
جزیئات دوره شبکه عصبی.pdf
1000.7 KB
✅جزئیات دوره عملی پیاده سازی شبکه های عصبی در متلب
به دوستانی که علاقه مند به شرکت در دوره هستند توصیه میشود فایل pdf را مطالعه کنند👌
🔸همراهان عزیز، لطفا اطلاع رسانی کنید. 🙏🌹
➖➖➖
@IUST_Bioelecteric
به دوستانی که علاقه مند به شرکت در دوره هستند توصیه میشود فایل pdf را مطالعه کنند👌
🔸همراهان عزیز، لطفا اطلاع رسانی کنید. 🙏🌹
➖➖➖
@IUST_Bioelecteric