✅ آموزش پیاده‌سازی مقاله فیلترهای مکانی طیفی مشترک(cssp)

✍ فیلترهای مکانی طیفی مشترک (common spetio-spectral patterns) یکی از الگوریتمهای بهبودیافته‌ی csp است. یکی از ایرادات فیلتر مکانی مشترک(csp) این است که هنگام محاسبه فیلترهای مکانی، اطلاعات طیفی را در نظر نمی‌گیرد، برای حل این مشکل  csp، الگوریتم cssp مطرح شده است که هنگام محاسبه فیلترها، علاوه بر بهینه سازی مکانی، بهینه سازی فرکانسی نیز انجام میدهد. در این دوره ی مقاله محور، تئوری و ریاضیات الگورتیم cssp طبق مقاله تخصصی آموزش داده شده و سپس مرحله به مرحله پیاده سازی شده است.
 
🔖فهرست مطالب
·      مرروی بر فیلتر مکانی مشترک(csp)
·      نحوه طراحی فیلتر fir
·      تئوری و پیاده سازی فیلتر مکانی-طیفی مشترک (cssp)
·      نحوه رسم نقشه توپوگرافی در محیط eeglab
·      نحوه رسم نقشه توپوگرافی مغزی الگوریتم csp
·      نحوه رسم نقشه توپوگرافی مغزی الگوریتم cssp

⭕️ جزئیات بیشتر 👇👇
https://onlinebme.com/product/common-spetio-spectral-patterns

#پکیج_آموزشی
#پیاده‌سازی_مقاله

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

مطالعات معتبر ثابت کرده اند که الگوریتم csp در پردازش سیگنال EEG مبتنی بر تسک تصور حرکتی نسبت به سایر رویکردها عملکرد بهتری دارد.
اما با این حال این الگوریتم دارای یک سری محدودیتهایی هست که محققان مختلفی این محدودیتها را عنوان کرده و راه حلی را برای رفع آنها مطرح کرده اند که منجر به ارائه الگوریتمهای بهتری در مقایسه با csp شده است .
الگوریتمهای مختلفی از قبیل:
FBCSP
CSSP
CSSSP
RCSP
...

در جهت رفع مشکلات CSP ارائه شده اند.
دوستانی که دوره تصور حرکتی را نگاه کرده باشند خیلی راحت میتونن دو الگوریتم CSSP و FBCSP را ترکیب کنند و یک الگوریتم کارآمدتری بدست بیاورند. که نتیجه بهتری را ارائه خواهد داد.
کافیست در الگوریتم FBCSP به جای CSP از CSSP استفاده کنند...
@onlinebme

✅پردازش تصویر: آستانه گذاری تصویر

✍ آستانه گذاری تصویر یکی از ساده ترین روشهای ناحیه بندی تصویر است که در آن مقدار پیکسلهای یک تصویر را به صفر و یک تبدیل می شود. به طور کلی در آستانه گذاری تصویر، در ابتدا یک مقدار سطح آستانه برای پیکسلهای تصویر(که میتواند یک سطح آستانه سراسری برای همه پیکسلها باشد، و یا به ازای هر پیکسل یک سطح آستانه جداگانه ای باشد) مشخص می‌کنیم. سپس مقدار پیکسل‌های تصویر با سطح آستانه مقایسه می‌کنیم و اگر شدت روشنایی پیکسل بزرگتر از حد آستانه باشد به سفید و اگر کمتر باشد به سیاه تبدیل می‌کنیم. که در نتیجه آن، یک تصویر رنگی یا سطح خاکستری به یک تصویر باینری(سیاه و سفید) تبدیل می‌شود. در بیشتر مواقع ما از آستانه‌گذاری به عنوان یک روشی برای انتخاب نواحی مورد نظر تصویر، و حذف نواحی ای که برای ما اهیمت ندارد استفاده می‌کنیم.

⭕️ جزئیات بیشتر👇👇
https://onlinebme.com/image-thresholding/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

Machine learning
#fun
@onlinebme

Ttest-and-pvalue
#fun
@onlinebme