onlinebme
4.82K subscribers
1.48K photos
574 videos
346 files
700 links
آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
ارائه‌دهنده‌ی پکیجهای آموزشی پروژه محور:
برنامه‌نویسی متلب-پایتون
پردازش تصویر-سیگنالهای حیاتی
شناسایی الگو
یادگیری ماشین
شبکه‌های عصبی
واسط مغز-کامپیوتر

تماس👇
09360382687
@onlineBME_admin

www.onlinebme.com
Download Telegram
onlinebme
بخش هشتم پایتون.pdf
بخش نهم پایتون.pdf
1 MB
📚 آموزش برنامه نویسی پایتون
#جلسه9_python

#python_print_function

👩‍🏫 مدرس: مهندس معصومه دلگرمی 🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی

✔️ @onlineBME
onlinebme
M_learning6.pdf
M_learning7.pdf
1023.5 KB
📕📒📗یادگیری ماشین
#جلسه_هفتم( #ML7 ) :
الگوریتم ژنتیک
👩‍🏫 مدرس: هما کاشفی امیری
#machine_learning
#ML7
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی

✔️ @onlineBME
onlinebme
جلسه سوم.pdf
جلسه چهارم.pdf
1.2 MB
📋 #جزوه خام جلسه4 #پردازش_تصویر
☑️ #ناحیه_بندی تصاویر | روشهای آستانه گذاری |روشهای مبتنی بر شدت روشنایی| روش رشد ناحیه| #اکو #پروژه_عملی
#kmeans
#fcm
#modifiedFCM
#active_contour
#echo
✔️ @onlineBME
onlinebme
جلسه چهارم.pdf
مقاله تمرینات.zip
1.9 MB
فایل پیوست مربوط به تمرینات جلسه 4 پردازش تصویر
1⃣ مقالات fcm بهبود یافته شده

🌀 فایل گزارش و کد رو به آیدی زیر ارسال کنید👇
@onlineBME_admin

✔️ @onlineBME
onlinebme
🔷 مضرات مصرف الکل ⚠️ مصرف همزمان سیگار و الکل خطر ابتلا به سرطان مری را چند برابر میکند. @IUST_Bioelecteric
‼️‌نوشیدن 'هر اندازه' الکل برای سلامتی مضر است ‼️

یک تحقیق جهانی به این نتیجه رسیده که مصرف الکل هر چقدر هم کم برای سلامتی مفید نیست و بهترین توصیه پرهیز کامل از نوشیدن الکل است.

این تحقیق در نشریه لنست منتشر شده و نتیجه بررسی مصرف الکل در افراد ١٥ تا ٩٥ سال در ١٩٥ کشور دنیا بین سال‌های ١٩٩٠ تا ٢٠١٦ است.

برای این پژوهش، محققان کسانی را که اصلا الکل نمی‌نوشند با کسانی مقایسه کردند که روزی یک نوشیدنی الکلی می‌نوشند.

🔸این بررسی به این نتیجه رسیده که در تمام سنین، در سال ٢٠١٦ الکل هفتمین عامل مرگ و روزهای کاری از دست رفته بود (٢.٢ درصد مرگ زنان و ٦.٨ درصد مرگ مردان) اما در جمعیت ١٥ تا ٤٩ ساله، الکل مهمترین عامل مرگ است (٣.٨ درصد مرگ زنان و ١٢.٢ مرگ مردان).

🔸این تحقیق الکل را "مهمترین" عامل خطرساز در "بار جهانی بیماری‌ها" (Global Burden of disease) می‌داند و می‌گوید مرگ به تمام علت‌ها و به خصوص سرطان با افزایش مصرف الکل بیشتر می‌شود بنابراین هیچ میزانی از الکل نیست که مصرف آن برای سلامتی مضر نباشد.

این تحقیق پذیرفته که نوشیدن متعادل الکل ممکن است فوایدی برای قلب داشته باشد اما مجموع خطراتی که الکل به همراه می‌آورد مثل سرطان و بیماری‌های دیگر فراتر از فواید آن است.

🔹دکتر مکس گریزولد از دانشگاه واشنگتن که سرپرستی این تحقیق را بر عهده داشته می‌گوید: "مطالعات قبلی برای الکل یک خاصیت محافظت از بعضی بیماری‌ها را یافته بودند، اما ما به این نتیجه رسیدیم که الکل به هر میزان که مصرف شود مجموع خطرات برای سلامتی را بالا می‌برد."

🔹به گفته دکتر گریزولد، رابطه نزدیک الکل و سرطان، صدمات ناشی از نوشیدن الکل مثل تصادف و بیماری‌های عفونی چون سل خاصیت محافظتی الکل از بیماری‌های قلبی را بی‌اثر می‌کند."

🔸در بسیاری از کشورهای دنیا مثل بریتانیا به عموم توصیه می‌شود در حد متعادل الکل بنوشند و مثلا نوشیدن الکل را به کمتر از هفته‌ای ١٤ واحد یا روزی یک یا دو نوشیدنی الکلی محدود کنند اما پژوهشگران این تحقیق می‌گویند این توصیه‌ها نیاز به بازنگری دارند چرا که الکل باعث بیماری‌های متعددی می‌شود که در طول عمر به خصوص در مردان اثر می گذارد.

برخی متخصصان در باره نتیجه‌گیری این پژوهش یعنی توصیه به پرهیز کامل اظهار تردید کرده‌اند.

🔹پروفسور دیوید اسپیگلهالتر استاد دانشگاه کمبریج می‌گوید: "با توجه به لذتی که نوشیدن معتدل الکل دارد، گفتن این که نوشیدن الکل به هر مقدار مضر است به نظر نمی‌رسد دلیلی برای پرهیز کامل باشد."

"هیچ میزانی از رانندگی نیست که بدون خطر باشد اما هیچکس پرهیز کامل از رانندگی را توصیه نمی‌کند. به موضوع که فکر کنید در زندگی هیچ چیز بدون خطری وجود ندارد اما هیچ کس پرهیز از زندگی را توصیه نمی‌کند."
#خبر
#تاثیرات_الکل
منبع:
bbcpersian

https://twitter.com/BBCScienceClub/status/1033026822294958080

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی

✔️ @onlineBME
تیم کوچکی از کدنویس های AI کد یادگیری ماشین گوگل را شکست می دهند!

👩‍🏫نویسنده: هما کاشفی امیری

🔶این موفقیت نشاندهنده ی پیشرفت هوش مصنوعی و دستیابی به سطح نخبگان برنامه نویسی است. دانشجویان Fast.ai الگوریتم AI ای را توسعه دادند که بهتر از کد محققان گوگل و بر اساس معیارهای استاندارد کار می کند.

🔷 تیم Fast.ai سازمان کوچکی است که دوره های آنلاین و رایگان یادگیری ماشین برگزار می کند. موفقیت Fast.ai بسیار مهم است زیرا گاهی اوقات اینطور تصور می شود که تنها با منابع و داده های عظیم می توان به پیشرفت های شگرفی در زمینه هوش مصنوعی دست یافت.

🔶تیمFast.ai متشکل از دانشجویانی است که علاقه مند به حوزه های یادگیری ماشین هستند و شاید بتوان کار آنها را در بخش علوم داده نیز تفسیر کرد. این تیم دسترسی به کامپیوترها را از ابر آمازون اجاره می کند.تیم Fast.ai الگوریتمی نوشته است که کد گوگل را با استفاده از معیاری به نام AWNBench متعلق به محققان استنفورد شکست می دهد. این معیار از روش کلاسبندی عمومی تصاویر استفاده می کند تا از این طریق سرعت الگوریتم یادگیری عمیق را در هر دلار از قدرت محاسباتی بررسی کند.

🔷محققان گوگل در رتبه بندی های اخیر در بالاترین سطح آموزش به ماشین های متعدد بودند. تیم Fast.ai روی سخت افزار معادل همین محققان، قادر به توسعه ی الگوریتمی سریعتر شده است. جرمی هاوارد یکی از اعضای بنیانگذاران Fast.ai و کارآفرین برجسته در حوزه AI می گوید: «نتایج جدید تنها منحصر به شرکت های بزرگ نیستند. هاوارد و همکارش راشل توماس Fast.ai را راه انداختند تا هوش مصنوعی قابل دسترس تر بوده و منحصر به شرکتی خاص نباشد.

🔶تیم هاوارد با انجام کارهای نسبتاً ساده توانسته با شرکت های بزرگی مثل گوگل رقابت کند. برای مثال الگوریتمی توسعه داده که با اطمینان نشان می دهد تصاویری که به الگوریتم آموزش وارد شده اند به درستی برش داده شده اند. هاوارد می گوید: «اینها موارد بسیار ساده ای هستند که حتی بسیاری از محققان به آنها فکر هم نمی کنند»

🔷الگوریتم Fast.ai روی پایگاه داده ImageNet عرض 18 دقیقه با هزینه ی محاسبات 40 دلار آموزش دیده است. این موفقیت بسیار چشمگیر است.

پ.ن: هوش مصنوعی کم کم داره مشکل زمان و هزینه ی محاسباتی بالای الگوریتم های خودش رو هم حل میکنه😊😊کم کم باید به فکر ایجاد مشکلات جدیدتری برای هوش مصنوعی باشیم😉
🙂🙂🙂
منبع:
https://www.technologyreview.com/s/611858/small-team-of-ai-coders-beats-googles-code/

#خبر
#هوش_مصنوعی
#یادگیری_ماشین

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی

📖 @onlineBME

A small team of student AI coders beats Google’s machine-learning code
The success shows that advances in artificial intelligence aren’t the sole domain of elite programmers.
onlinebme
👆👆مخترعان هلندی که برای نخستین‌بار یک دستگاه مکنده ساخته‌اند که هوای آلوده را به درون خود می‌کشد. به گزارش خبرگزاری فرانسه،‌ این سیستم تصفیه‌کننده غول‌پیکر ذرات کوچک و سمی اطراف را به درون کشیده، و آن را پاک می‌کند. هنک بوئرسن، سخنگوی شرکت انوینیتی مخترع…
ٰ‌ علی پیرحسین‌لو:
از فردا این دوچرخه‌های نارنجی‌رنگ مهمان تهران خواهند بود. دوچرخه‌هایی که با اپلیکیشن می‌توان آنها را پیدا کرد، تا مقصد رکاب زد و بدون نیاز به تحویل به کسی یا جایی، قفل می‌شوند تا راکب و رکاب بعدی. یک حلقه از زنجیره تلاش‌هایی که شروع شده تا زمین و هوای تهران قابل‌تحمل‌تر شود.
1alpr


🇮🇷 Zahra Najian:
زیرساختی دیده شده که جلوی دزدیده شدن دوچرخه ها گرفته بشه؟
znajian

علی پیرحسین‌لو:
جی‌پی‌اس دارند، و ماشین‌هایی هستند که دوچرخه‌ها را جمع می‌کنند.
1alpr

https://twitter.com/1alpr/status/1034141700753645569

پ.ن: حرکت خیلی خوبیه و امیدواریم مردم همکاری کنند تا مقدمه ای باشه برای سایر کارهای فرهنگی

✔️ @onlineBME
onlinebme
جزوه خام جلسه چهارم شبکه عصبی.pdf
جزوه خام جلسه پنجم شبکه عصبی.pdf
1.5 MB
📋 #جزوه خام جلسه پنجم شبکه عصبی
☑️ شبکه عصبی بدون نظارت (SOM)،
قانون یادگیری #هبیین| #رقابتی
#GHA
#APEX
#competitive
#پروژه_عملی
#اسپایک_سورتینگ|استخراج ویژگی |کاهش بعد| #خوشه_بندی

✔️ @onlineBME
onlinebme
جزوه خام جلسه پنجم شبکه عصبی.pdf
🏢 فردا جلسه آخر دوره تخصصی پیاده سازی شبکه های عصبی هست
امیدواریم بچه ها به مرحله آخر رسیده باشن😊😅
دوره بعدیمون پاییز شروع خواهد شد. 😊
#شبکه_عصبی
#تئوری #پیاده_سازی #پروژه_عملی
✔️ @onlineBME
👀هوش مصنوعی با اسکن چشمتان، شخصیت شما را حدس می زند!

👩‍🏫نویسنده: هما کاشفی امیری

الگوریتم های یادگیری ماشین کشف کرده اند که ارتباطی بین حرکات چشم و شخصیت فرد وجود دارد.

👁👁سیئرو می گوید: «چشم ها پنجره ای به سمت روح هستند»

🔶یکی از پروژه های مشترک دانشگاه استرالیای جنوبی و دانشگاه اشتوتگارت استفاده از روش های هوش مصنوعی با نظارت بر حرکات چشم 42 فرد شرکت کننده بود و برای این منظور از ردیاب چشمی ویدیویی SensorMotoric استفاده کردند. محققان یافته های خود را با پرسشنامه های منظم و با ساختار مناسب تأیید کردند.

🔶از میان پنج گروه شخصیت (گشودگی☺️ (openness)، وجدان کاری🙂(conscientiousness)، برون گرایی😃 (Extraversion)، پذیرش 😌(agreeableness) و روان رنجوری 😥(neuroticism))، هوش مصنوعی توانسته با کمک ردیاب چشمی، چهار مورد آن را تشخیص دهد: روان رنجوری، برون گرایی، پذیرش، وجدان کاری

🔶این اولین باری است که از روش های ردیاب چشمی برای تشخیص نوع شخصیت استفاده می شودکه در نوع خود جالب است و به گفته ی Tobias Loetscher از دانشگاه استرالیای جنوبی به منظور بهبود روابط ماشین-انسان می تواند بسیار مورد توجه قرار گیرد.

🔶او توضیح می دهد: «مردم همیشه به دنبال خدمات پیشرفته و شخصی سازی شده هستند، با این حال ربات ها و کامیپوترهای امروزه، آگاهی زیادی از شرایط اجتماعی ندارند و در تشخیص نشانه های غیرکلامی، خوب عمل نمی کنند»

🔷این پژوهش، فرصت های زیادی برای توسعه و پیشرفت ربات ها و رایانه ها فراهم می کند و باعث می شود ربات ها طبیعی تر شده و در تفسیر نشانه های اجتماعی بهتر عمل کنند.

منبع:
https://www.cnet.com/news/artificial-intelligence-can-predict-your-personality-by-looking-at-your-eyes/#ftag=CADf328eec
#خبر
#هوش_مصنوعی
#ردیابی_چشم
#مهندسی_پزشکی
#eye_tracking
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی

📖 @onlineBME

Artificial intelligence can predict your personality by scanning your eyes
Machine-learning algorithms demonstrate links between eye movements and four of the big five
onlinebme
جزوه_خام_جلسه_پنجم_پترن_در_پردازش.pdf
session5_Papers.zip
1.7 MB
📃 فایل پیوست: مقالاتی که در جلسه 5 پردازش سیگنال پیاده سازی خواهیم کرد.
آدرس پایگاه داده نیز در فایل پیوست قرار داده شده است.

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
✔️ @OnlineBME
onlinebme
session5_Papers.zip
session5_problems.zip
1.5 MB
فایل پیوست مربوط به تمرینات جلسه 5 پترن در پردازش سیگنال
مقالات CSP بهبود یافته شده
🌀یکی از مقالات را پیاده سازی کرده و فایل گزارش و کد رو به آیدی زیر ارسال کنید👇
@onlineBME_admin
✔️ @OnlineBME
onlinebme
جلسه چهارم.pdf
جلسه پنجم.pdf
2 MB
📋 #جزوه خام جلسه5 #پردازش_تصویر
☑️ #ناحیه_بندی تصاویر | روشهای استخراج ویژگی | فیلتر گابور|روشهای نظارتی| کلاسبندی #پروژه_عملی
#svm #knn #bay's #lda

✔️ @onlineBME
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…
ردیابی آنلاین بطنهای قلبی در تصاویر سونوگرافی توسط نرم افزار RISP
👨‍💻 نویسنده: محمد نوری زاده چرلو

ایست قلبی یکی از علتهای اصلی مرگ و میر در غرب است. معاینه معمول قلب در کلینیکها می‌تواند با شناخت علائم اولیه و اختصاص دادن روش درمان مناسب، به طور قابل توجهی خطر ابتلا به نارسایی قلبی را کاهش دهد. معاینه قلب در طی یک مراجعه می‌تواند علل و علائمی که منجر به بیماری قلبی می شوند را روشن کند. معاینه قلب را می توان با روشهای غیرتهاجمی و نسبتا کوتاه با استفاده از سیگنال ecg یا تصاویر اولتراسوند(اکوکاردیوگرافی) انجام داد.
مشکلات ناشی از بی نظمی پالس( آریتمی‌های قلبی) را می توان با استفاده از سیگنالهای قلبی بررسی کرد، با این حال، پزشکان معاینه بصری برای تجزیه و تحلیل علملکرد قلب را بسیار مهم می‌دانند.
حجم بطنهای قلب در انتهای #دیاستول و #سیستول به عنوان یک #شاخص برای تشخیص آریتمیها، فیبریلاسیون بطنی ، ریسک ایست قلبی استفاده می شود. بنابراین استخراج اطلاعات در مورد دینامیک انقباض بطنها برای تشخیص بیماریها مهم است. از آنجا که سونوگرافی یک تصویر واضح از دینامیک انقباض بطنها ارائه می‌دهد ، برای تشخیص سریع بیماریها از سونوگرافی استفاده می‌کنند. با این حال تصاویر سونوگرافی نویزی هستند و برای تفسیر آنها نیاز به یک پزشک باتجربه است.
نرم افزار سونوگرافی قلبی عروقی RISP یک روش خودکار برای ردیابی بطنها (در نمای چهار حفره ای) در طول چرخه ی قلبی را ارئه کرده است.
باید به این نکته اشاره کرد که ردیابی بطنها در طول چرخه‌ی کاری قلب کار چندان ساده ای هم نیست، زیرا علاوه بر نویز، ماهیت ناپایدار قلب، جابجایی‌های ایجاد شده در اثر تنفس و ... ردیابی بطن را چالش برانگیز می کنند.
جالب است بدانید که نرم افزار سونوگرافی RISP از #کانتور_فعال برای ردیابی خودکار بطنها استفاده کرده است. این شرکت بیش از 2 دهه هست که روشهای پردازش تصویر و بینایی ماشین رت برای بررسی قلب و عروق ارائه می‌دهد.

منبع:

https://www.rsipvision.com/cardiovascular-ultrasound-software/

#مهندسی_پزشکی
#خبر
#معرفی_نرم‌افزار
#پردازش_تصویر

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
✔️ @OnlineBME