✅ الگوهای مکانی مشترک(CSP)

✍ الگوهای مکانی مشترک(common spatial patterns) یک روش استخراج ویژگی هست که در پردازش سیگنال EEG استفاده می‌شود. الگوریتم CSP تعداد کانالهای سیگنال مغزی را به تعداد کانال کمتری کاهش میدهد، به طوری که واریانس کلاسها در یک جهت ماکزیمم و در جهت دیگر مینیمم شوند. الگوریتم CSP برای اولین بار برای تشخیص abnormalities مطرح شد و پس از آن برای تفکیک الگوهای تصور حرکتی استفاده شد. مطالعات نشان داده اند که الگوریتم CSP در کلاسبندی داده‌هایEEG  تصور حرکتی است نسبت به سایر روشهای استخراج ویژگی عملکرد بهتری دارد.

⭕️ جزئیات بیشتر 👇
https://onlinebme.com/common-spatial-patterns/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅ تشخیص فرکانس SSVEP با روش تحلیل همبستگی کانونی (CCA)
✍ تجزیه و تحلیل همبستگی کانونی(canonical correlation analysis) یک روش آماری هست که برای محاسبه میزان همبستگی کانونی بین دو مجموعه‌ی چندمتغیره استفاده می‌شود. الگوریتم CCA یکی از رایجترین روشها برای تشخیص فرکانس SSVEP در واسط مغز و کامپیوتر است. برای تشخیص فرکانس SSVEP با کمک روش CCA، در ابتدا به ازای هر محرک بینایی یک سیگنال مرجع که متشکل از توابع سینوسی و کسینوسی هست، می‌سازند، سپس همبستگی کانونی سیگنال EEG را با تک تک سیگنال های مرجع محاسبه می‌کنند. فرکانس SSVEP برابر فرکانس محرک بینایی هست که با سیگنال مرجع آن بیشترین همبستگی کانونی را داشته باشد.

⭕️ جزئیات بیشتر 👇
https://onlinebme.com/canonical-correlation-analysis/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

لایو اینستاگرام: آشنایی با مشاغل عملی در ایران
اولین جلسه لایو اینستاگرام با گروه نورچلنج در راستای آشنایی با مشاغل علمی و تحقیقاتی در ایران برگزار شد. گروه نوروچلنج از شرکتهای فعالی هست که در زمینه ساخت گجتهای پوشیدنی بر پایه هوش مصنوعی و علوم شناختی فعالیت می‌کند. در این گفتگو در مورد مسائل مختلفی با خانم یوسفی پور،مدیرعامل شرکت نوروچلنج، صبحت کردیم.

⭕️جهت مشاهده ویدیوی کامل به سایت زیر مراجعه کنید:
https://onlinebme.com/live-instagram-1-neurochallenge/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅ پردازش تصویر(فصل 3): فیلترهای مکانی
✍ در فصل سوم دوره جامع پردازش تصویر، انواع فیلترهای مکانی از جمله فیلتر متوسط‌گیری، فیلتر median، لاپلاسین، Sobel ، Prewitt، canny و wiener را پیاده سازی کرده‌ایم و از آنها در کاربردهای مختلفی مثل کاهش نویز تصویر، بهبود لبه‌های تصویر و آشکارسازی لبه‌های تصویر استفاده کرده‌ایم. در این فصل دو مقاله تخصصی به صورت صفر تا صد پیاده سازی شده اند.
⭕️ جزئیات بیشتر 👇👇
https://onlinebme.com/product/spatial-filters-in-image-processing/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅ لایو در اینستاگرام
موضوع: مقاله‌نویسی
میهمان: خانم یاسمن زمانی
میزبان: onlinebme

⏰ زمان: جمعه ۱ مرداد - ساعت 21:00
@onlinebme

✅آشکارسازی لبه‌های تصویر با الگوریتم canny
✍ فیلتر canny یک روش آشکارساز لبه در پردازش تصویر است که از یک الگوریتم 5 مرحله ای برای آشکارسازی رنج گسترده ای از لبه های تصویر استفاده می‌کند. فیلتر canny برای اولین بار توسط John F.,canny در سال 1986 مطرح شد.

 🟠⚫️ فیلتر canny برای آشکارسازی لبه های تصویر، از یک الگوریتم 5 مرحله اساسی استفاده می‌کند:
🔷کاهش نویز تصویر
🔷محاسبه گرادیان تصویر
🔷سرکوب/حذف نقاط غیربیشینه
🔷آستانه گذاری دوگانه
🔷دنبال کردن لبه‌های تصویر با روش hysteresis

💡 در این مقاله میخواهیم نحوه آشکارسازی لبه‌های تصویر توسط فیلتر canny را توضیح دهیم.

⭕️جزئیات بیشتر👇👇
https://onlinebme.com/canny-edge-detection-algorithm/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme