✅ ترجمه سیگنال های مغزی به گفتار و بازیابی گفتار یک فرد فلج
🔷 در دانشگاه UC سانفرانسیسکو، محققان دستگاه "نوروپروتز گفتار" (speech neuroprosthesis) را تولید کردند که امکان ایجاد ارتباط با جملات را به فرد فلج می دهد. این دستگاه قادر است تا سیگنال های مغزی فرد فلج را به متن ترجمه کند.
🔸 این اولین مطالعه ای هست که در آن فعالیت مغزی فرد معلول در قشر گفتار به کلمات کامل ترجمه می شوند.
🔹  این پیشرفت، مسیر را برای تکنولوژیهای جدید جهت بازیابی طبیعی و ارتباطات سریع در افراد با معلولیت شدید را هموار می‌کند. 

⭕️ جزئیات بیشتر👇👇
https://onlinebme.com/brain-signals-translated-into-speech-give-paralyzed-man-back-his-words/
🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅ پکیجهای آموزشی onlinebme
⚠️اولین گروه آموزشیِ تخصصی و پروژه محور

⭕️⭕️ اصول برنامه‌نویسی در متلب (رایگان)
مدت دوره: 11 ساعت
🌀 https://onlinebme.com/course/matlab/
➖➖➖➖➖➖➖➖➖➖➖

⭕️⭕️ پیاده سازی گام به گام شبکه های عصبی
مدت دوره: 25 ساعت
🌀 https://onlinebme.com/course/neural-networks-in-matlab/
➖➖➖➖➖➖➖➖➖➖➖
دوره های تخصصی و پروژه محور پردازش سیگنال EEG

⭕️⭕️ دوره جامع پردازش سیگنال مغزی(EEG)
مدت دوره: 50 ساعت
🌀 https://onlinebme.com/product/eeg-signal-processing/

⭕️⭕️ واسط مغز و کامپیوتر مبتنی بر SSVEP
مدت دوره: 33 ساعت
🌀https://onlinebme.com/product/bci_ssvep/

⭕️⭕️ پردازش سیگنال مغزی(EEG) مبتنی بر تسک تصور حرکتی (BCI)
مدت دوره: 21 ساعت
🌀 https://onlinebme.com/product/brain-computer-interface-package-motorimagery/

⭕️⭕️ پیاده سازی مقاله CSSP (واسط مغز-کامپیوتر مبتنی بر تصورحرکتی)
مدت دوره: 7 ساعت و 30 دقیقه
🌀https://onlinebme.com/product/common-spetio-spectral-patterns

⭕️⭕️ پیاده سازی مقاله RCSP (واسط مغز-کامپیوتر مبتنی بر تصورحرکتی)
مدت دوره: 5 ساعت
🌀 https://onlinebme.com/product/regularized-common-spatial-patterns

➖➖➖➖➖➖➖➖➖➖➖➖➖➖
✅ دوره شناسایی الگو و یادگیری ماشین (اولین دوره جامع و تخصصی در ایران)
⚠️ 140 ساعت ویدیوی آموزشی
🔹آموزش تئوری و مباحث ریاضیاتی طبق مراجع معتبر
🔹پیاده‌سازی مرحله به مرحله الگوریتمها
🔹انجام پروژه های عملی و تخصصی
🔹پیاده سازی گام به گام مقالات تخصصی

🟣▪️پترن و یادگیری ماشین (فصل یک تا 4): از بیزین تا SVM
مدت دوره: 75 ساعت
🌀 https://onlinebme.com/product/season-1-4-packages-pattern-recognition/

🔵▪️پترن و یادگیری ماشین (فصل 5): یادگیری جمعی (Ensemble learning)
مدت دوره: 18 ساعت
🌀 https://onlinebme.com/product/ensemble-learning/

🟢▪️پترن و یادگیری ماشین (فصل 6): کاهش بعد (dimensionality reduction)
مدت دوره: 11 ساعت
🌀 https://onlinebme.com/product/dimension-reduction-using-lda-pca/

🔴▪️پترن و یادگیری ماشین (فصل 7): انتخاب ویژگی (feature selection)
مدت دوره: 16 ساعت
🌀https://onlinebme.com/product/season07-featrue-selection/


🟠▪️فصل هشتم: خوشه بندی ( clustering)
مدت دوره: 13 ساعت
🌀https://onlinebme.com/product/pattern-season08-clustering/

➖➖➖➖➖➖➖➖➖➖➖➖➖

✅ دوره جامع پردازش تصویر
🟠فصل اول: مباحث مقدماتی، آستانه گذاری تصویر، تبدیلات شدت روشنایی و هندسی
مدت دوره: 30 ساعت
🌀https://onlinebme.com/product/image-processing-chapter1

🔵فصل دوم: پردازش هیستوگرام تصویر
مدت دوره : 6 ساعت و 30 دقیقه
🌀https://onlinebme.com/product/image-prcessing-chapter2

🟠فصل سوم: فیلترهای مکانی
مدت دوره : 15 ساعت و 30 دقیقه
🌀https://onlinebme.com/product/spatial-filters-in-image-processing/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅نحوه تنظیم پارامترهای شبکه عصبی در پروژه های عملی

✍شبکه‌‎های عصبی به خاطر کارایی خوبی که دارند امروزه به طور وسیع از آنها در مسائل مختلف استفاده می‌کنند. اما نحوه استفاده بهینه از یک شبکه عصبی در پروژه ها یک چالش اساسی برای محققین هست. عوامل مختلفی هستند که تاثیر زیادی در عملکرد شبکه عصبی می‌گذارند، برای همین اگر آنها را به درستی تنظیم نکنیم، شبکه عصبی به خوبی عمل نخواهد کرد. در این مقاله میخواهیم توضیح دهیم که چطور میتوان از یک شبکه عصبی در پروژه های تخصصی به طور بهینه استفاده کرد.

💡عواملی که میتوانند دلیل خوب عمل نکردن یک شبکه عصبی باشند:
🔺 تعیین لیبلهای نامناسب برای پایگاه داده
🔻 پایگاه داده نامناسب
🔺 مقدار دهی نامناسب وزنهای اولیه نورونها
🔻 تعیین نامناسب نرخ یادگیری و تعداد تکرارهای آموزش
🔺 نرمال نبودن ویژگی ها
🔻 تعیین ساختار نامناسب برای شبکه‌ی عصبی

⭕️جزئیات بیشتر 👇👇
https://onlinebme.com/neural-network-and-projects

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅تبدیل فوریه زمان کوتاه(short time fourier transform)

✍ در تبدیل فوریه زمان کوتاه(short time fourier transform) به جای اینکه تبدیل فوریه کل سیگنال محاسبه شود، تبدیل فوریه بازه های زمانی کوتاه محاسبه می شود و با اینکار تحلیل همزمان سیگنال در حوزه زمان و فرکانس را ممکن می سازد. تبدیل فوریه زمان کوتاه(STFT) برای تحلیل محتوای فرکانسی سیگنالی که در طول زمان تغییر می‌کند بسیار موثر و کابردی است. STFT به طور عمده برای تحلیل صوت و سیگنال مغزی استفاده می شود. در این مقاله  STFT و تفاوت آن با تبدیل فوریه را با یک مثال عملی توضیح میدهیم.

⭕️ جزئیات بیشتر 👇👇
https://onlinebme.com/short-time-fourier-transform/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

🎁 دوره تبدیل فوریه زمان کوتاه در پردازش سیگنال مغزی(eeg)

✍ تبدیل فوریه زمان کوتاه(short time fourier transform) یک ابزار مناسب برای تحلیل همزمان سیگنال در حوزه زمان و فرکانس است. از تبدیل فوریه زمان کوتاه در پردازش سیگنالهای حیاتی، مخصوصا پردازش سیگنال مغزی(EEG) به طور گسترده ای استفاده می‌شود. در این دوره پروژه محور، در ابتدا تئوری و پیاده سازی تبدیل فوریه زمان کوتاه به طور مرحله به مرحله آموزش داده می‌شود، سپس نحوه رسم و تحلیل اسپکتروگرام سیگنال آموزش داده شده و در نهایت نحوه استفاده از تبدیل فوریه زمان کوتاه در استخراج ویژگی از سیگنال مغزی آموزش داده می‌شود.

مدرس دوره: محمد نوری زاده چرلو
مدت زمان دوره: 8 ساعت

⭕️جزئیات بیشتر 👇👇
https://onlinebme.com/product/short-time-fourier-transform-and-eeg/

🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅ به دوستانی که دوره پردازش سیگنال مغزی را نگاه کرده اند پیشنهاد میکنم حتما این دوره کوتاه مدت رو هم نگاه کنند. 👌

✅ طبقه بند بیزین
طبقه بند بیزین یک روش آماری قوی هست که از تئوری بیزین برای دسته بندی الگوها استفاده می‌کند. تئوری بیزین یک روش آماری کمی هست که براساس حداقل کردن هزینه‌های تصمیم گیری‌های مختلف کار می‌کند. در این مقاله به طور خلاصه تئوری طبقه بند بیزین را توضیح میدهیم.

⭕️جزئیات بیشتر👇👇
https://onlinebme.com/naive-bayesian-classifier

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅چرا پردازش تصویر مهم هست؟
پردازش تصویر دیجیتال به استفاده از الگوریتمهای کامپیوتری جهت اعمال تغییرات روی تصویر گفته می شود. پردازش تصویر به خاطر اینکه در حوزه های مختلف نقش کلیدی بازی میکند اهمیت بسیاری دارد. در این مقاله کاربردهای پردازش تصویر را توضیح میدهیم تا متوجه اهمیت این حوزه شویم. 

⭕جزئیات بیشتر👇👇
https://onlinebme.com/why-image-processing-is-important/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅از کاربردهای ساده پردازش تصویر
1- تشخیص حرکت دست
2- ناحیه بندی تصویر اکوکاردیوگرافی

روز برنامه نویسان عزیز مبارک ❤️

✅ ماشین بردار پشتیبان در مسائل رگرسیون(SVR)
✍ماشین بردار پشتیبان برای اولین بار در سال 1995 توسط Vapnik برای مسائل طبقه بندی ارائه شد. به خاطر عملکرد خیلی خوبی که SVM دارد از این روش استقبال خیلی خوبی شد. بعدها این مدل برای مسائل رگرسیون با نام رگرسیون بردار پشتیبان (Support Vector Regression) هم تعمیم یافته شد. در این مقاله سعی میکنیم به زبان ساده رویکرد 《ماشین بردار پشتبیان در مسائل رگرسیون》 را توضیح دهیم.

⭕️جزئیات بیشتر👇
https://onlinebme.com/support-vector-regression/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅پردازش تصویر(فصل چهارم): عملیات مورفورلوژی

✍ عملیات مورفورلوژی(Morphological operation) مجموعه ای از عملیاتی هست که مرتبط با ویژگی های شکل و مورفولوژی(ریخت) در یک تصویر هستند. از الگوریتمهای مورفولوژی(ریخت شناسی) به عنوان یک ابزار ریاضی برای استخراج اجزای تصویر استفاده می شود. عملیات مورفولوژی بیشتر برای پردازش تصاویر باینری استفاده می شوند اما میتوان برای تصاویر سطح خاکستری و رنگی هم استفاده کرد. از جمله کاربردهای عملیات مورفولوژی میتوان استخراج اجزای تصویر و بهبود مسیرها و شکستگی های باریک تصویر را نام برد. در این فصل تمامی تکنیک های مورفولوژی به صورت پروژه محور آموزش داده شده اند.
 
⭕ جزئیات بیشتر👇👇
https://onlinebme.com/product/morphological-operations-in-image-processing/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅چرا هر موقع شبکه عصبی را اجرا میکنم جواب متفاوتی بدست می آید؟

✍حتما برای شما هم پیش آماده که از یک شبکه عصبی در پروژه خودتون استفاده کرده اید و هر بار که اجرا کرده اید به یک نتیجه متفاوت رسیده اید! این برای یک پروژه اصلا نتیجه مناسب و قابل اعتمادی نیست. شبکه عصبی ما باید نتایج پایدار و قابل اعتمادی بدهد تا بتوان در عمل از آن استفاده کرد. نتایجی پایدار هستند که در همه اجراها یکسان و یا حداقل نزدیک بهم باشند. نه اینکه در هر اجرا یک دقت عجیب غریب بدست بیاید. در این مقاله در ابتدا دلایل ناپایداری نتایج شبکه عصبی و سپس راه حل این مشکل را بررسی می کنیم.

⭕جزئیات بیشتر👇👇
https://onlinebme.com/how-to-solve-randomness-of-neural-networks/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅دوره جامع و پروژه محور شبکه عصبی کانولوشنی (CNN)

✍یادگیری عمیق یکی از حوزه‌های جذاب و پرکاربرد هوش مصنوعی است. در این دوره بر یکی از معروف‌ترین شبکه‌های عمیق به نام شبکه‌‌ی عصبی کانولوشنی (Convolutional Neural Network) تمرکز شده است. در این دوره‌ی پروژه محور ابتدا مفاهیم اولیه و تئوری شبکه‌های CNN توضیح داده می‌شود، سپس لایه‌های تشکیل دهنده‌ی شبکه‌ی CNN به طور دقیق تعریف می‌شوند، سپس نحوه‌ی ایجاد، آموزش و ارزیابی یک شبکه CNN با استفاده از فریم ورک تنسورفلو و کراس آموزش داده می‌شود و شبکه‌های معروف CNN پیاده سازی می‌شوند.

مدت زمان دوره: 11 ساعت
مدرس دوره: هما کاشفی امیری

⭕جزئیات بیشتر 👇👇
https://onlinebme.com/product/convolutional-neural-network/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme