onlinebme
4.87K subscribers
1.47K photos
574 videos
345 files
692 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
پتانسیل وابسته به رخداد P300 پتانسیل P300 یک انحراف مثبت (Positive deflection) در سیگنال مغزی فرد هست که حدودا 300 میلی ثانیه بعد از نمایش محرک هدف ایجاد می شود. در این پست میخواهیم بدانیم P300 چیه و در چه شرایطی ایجاد می شود؟ جزئیات بیشتر👇👇 https://…
پارادایم عجیب-غریب (Oddball paradigm)

به مجموعه ای از شرایط خاص برای برانگیختن پتانسیل وابسته به رخداد P300 پارادیم oddball گفته می شود. در این پست میخواهیم با مشخصات پارادایم oddball آشنا شویم.

جزئیات بیشتر👇
https://onlinebme.com/oddball-paradigm

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
💬"سلام دنیا! توییت کوتاه. پیشرفت تاریخی"
اولین توییت ارسال شده از مغز بیمار ALS توسط واسط مغز-کامپیوتر

«فیلیپ اوکیف» یک بیمار 62 ساله مبتلا به اسکلروز جانبی آمیوتروفیک(ALS) در استرالیا، اولین فردی است که تنها با استفاده از افکار خود پیامی را در شبکه های اجتماعی ارسال کرد. در 23 سپتامبر او یک پیام کوتاه اولیه با عنوان “سلام دنیا! توییت کوتاه. پیشرفت تاریخی” را در توییتر از طریق حساب «توماس اکسلی»، مدیرعامل شرکت Synchron منتشر کرد.

⭕️ جزئیات بیشتر 👇
https://onlinebme.com/paralysed-man-tweets-using-brain-implant-that-converts-thoughts-into-text/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
سال نو میلادی بر هم‌وطنان عزیز مسیحی مبارک باشه❤️🌹

@onlinebme
4 معیار مناسب برای ارزیابی مدلها در مسائل رگرسیون
 
رگرسیون یکی از رایجترین مسائل یادگیری ماشین هست که در آن خروجی مقادیر پیوسته و نامحدود هست. همانند مسائل طبقه بندی، در مسائل رگرسیون نیز نیاز به معیارهای ارزیابی هستیم تا بتوانیم عملکرد مدلهای رگرسیون را بررسی کنیم. در این پست 4 معیار معروف جهت ارزیابی مدلهای رگرسیون را توضیح میدهیم.

جزئیات بیشتر👇
https://onlinebme.com/4-metrics-to-evaluate-your-regression-models/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
مقدمه ای بر شبکه عصبی  Resnet

در طی چند سال اخیر، با معرفی شبکه‌های عصبی کانولوشنی عمیق، بسیاری از مسائل حوزه‌ی طبقه بندی تصویر و تشخیص تصویر با دقت بالا حل شده‌اند. بعضی از مسائل مربوط پیچیده‌تر بودند و محققان با انجام آزمایشات مختلف به این نتیجه رسیدند که با توسعه شبکه‌های عصبی عمیق‌تر، عملکرد مدل‌ها به شدت بهبود می‌یافت. عمیق‌تر شدن شبکه به معنای افزودن لایه‌های بیشتر است. اما این عمیق‌تر شدن شبکه و افزایش شبکه را تا کجا می‌توان ادامه داد؟ شبکه‌های Resnet با معماری جدید در اینجا به کمک می‌آیند.

جزئیات بیشتر👇
https://onlinebme.com/resnet-network

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
ماشین بردار پشتیبان به زبان ساده

ماشین بردار پشتیبان( SVM) یکی از معروفترین الگوریتمهای یادگیری ماشین در مسائل طبقه بندی و البته رگرسیون هست. SVM به خاطر رویکرد منحصر به فردی که دارد باعث شده هم در مسائل طبقه بندی و هم در مسائل رگرسیون بهترین عملکرد را داشته باشد. میخواهیم در این پست ایده SVM با یک مثال بسیار ساده رو توضیح دهیم.

جزئیات بیشتر👇
https://onlinebme.com/support-vector-machine-algorithm-in-machine-learning/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
برای برنامه نویسی پایتون، کدام IDE را انتخاب کنم؟(10 IDE برتر)

  محیط توسعه یکپارچه، یا همان Integrated Development Environment یک برنامه‌ی نرم افزاریه که محیطی را برای برنامه نویسان فراهم می‌کند تا بتوانند کدهای خود را توسعه دهند. اکثر اوقات IDE شامل یک ویرایشگر کد (Code Editor)، ابزارهای خودکارسازی (Automation Tools) و دیباگر (Debugger) است. در این پست می‌خواهیم 10 مورد از IDEهای پایتون را مورد بحث قرار دهیم که در حال حاضر موجود بوده و استفاده می‌شوند و همچنین بررسی کنیم بسته به شرایط هر فرد، کدامیک مناسب‌تر است.

جزئیات بیشتر👇👇
https://onlinebme.com/top-10-ide-for-python

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
کاربرد شبکه‌های عصبی کانولوشنی در رادیولوژی

شبکه عصبی کانولوشنی (CNN) یک کلاس از شبکه‌های عصبی مصنوعی است که در تسک‌های مختلف بینایی ماشین مورد استفاده قرار می‌گیرد و همچنین توجهات را در سایر حوزه‌ها از جمله رادیولوژی به خود جلب کرده است. CNN با این هدف طراحی شده است که به طور خودکار و انطباقی سلسله مراتبی از ویژگی‌ها را از طریق پس انتشار خطا (backpropagation) یاد بگیرد و برای این منظور از چندین بلوک ساختاری چون لایه‌های کانولوشن، لایه‌های pooling و لایه‌های Fully connected استفاده می‌کند. در این مقاله کاربرد CNN در انواع مختلف تسک‌های رادیولوژی بررسی می‌شود و همچنین چالش‌ها و گرایشات آینده در حوزه‎‌ی رادیولوژی مورد بحث قرار خواهد گرفت.

⭕️ جزئیات بیشتر 👇👇
https://onlinebme.com/cnn-applications-in-radiology/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
onlinebme
خوشحالم که اعلام کنم مقاله ما در مجله Computers in Biology and Medicine پذرفته شد. ممنون از دوست عزیزم خانم هما کاشفی امیری و استاد گرانقدرم دکتر محمد رضا دلیری🙏🌹 Ensemble Regularized Common Spatio-Spectral Pattern (Ensemble RCSSP) Model for Motor Imagery…
مطالعه جدید ما در زمینه BCI مبتنی بر SSVEP

Spatio-Spectral CCA (SS-CCA): A Novel Approach for Frequency Recognition in SSVEP-Based BCI

Journal: the Journal of neuroscience methods

ممنون از دوست عزیزم خانم هما کاشفی امیری و استاد گرانقدرم دکتر محمد رضا دلیری🙏🌹

⭕️https://www.researchgate.net/publication/358520926_Spatio-Spectral_CCA_SS-CCA_A_Novel_Approach_for_Frequency_Recognition_in_SSVEP-Based_BCI

#BCI #EEG #SSVEP #SS_CCA #FBSS_CCA

@onlinebme
الگوریتم SS-CCA برای تشخیص فرکانس SSVEP

در این مقاله، الگوریتم CCA را با الهام گرفتن از CSSP بهبود داده  و الگوریتم Spatio-Spectral CCA (SS-CCA)  را ارائه داده ایم. از آنجا که در سیگنال EEG مبتنی بر SSVEP اطلاعات فرکانسی اهمیت زیادی دارند، و از طرفی الگوریتم CCA فقط با اطلاعات مکانی کار میکند، در این روش سعی کردیم در زمان محاسبه ضرایب همبستگی،  علاوه بر اطلاعات مکانی، از اطلاعات فرکانسی هم استفاده کنیم. 

⭕️ جزئیات بیشتر 👇
https://onlinebme.com/spatio-spectral-cca-ss-cca-a-novel-approach-for-frequency-recognition-in-ssvep-based-bci/

🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme