سلام خدمت همه دوستان عزیز🌹🌹🌹🌹💜❤️

✅ برای اینکه بتوانیم مباحث تخصصی ذکر شده در کانال رو آموزش بدیم لازم است در ابتدا برنامه نویسی متلب را آموزش دهیم.
🔹 لذا در دو سه هفته ی آینده با آموزش برنامه نویسی #متلب در خدمت شما همراهان عزیز خواهیم بود.

🔸 بعد از آموزش متلب، مباحث #تخصصی را در قالب #ویدیوهای آموزشی #کوتاه در اختیار شما دوستان عزیز قرار خواهیم داد.

#ویدیوی_آموزشی
#خلاصه و #مفید
#رایگان
#برنامه_نویسی
#متلب
#مهندسی_پزشکی
#برق
#پردازش_تصویر
#شبکه_عصبی
#شناسایی_الگو
#پردازش_سیگنال


🔹 لطفا کانال ما را به دوستان خود معرفی کنید.🌹🌹🌹🌹

@IUST_Bioelecteric

تجزیه مولفه های اساسی:
بخش اول: در این ویدیو مفهوم PCA با یک مثال بسیارساده توضیح داده شده است.
#مفهومی
#ساده
#تجزیه_مولفه_های_اساسی
#شناسایی_الگو
#ویدیوی_آموزشی_رایگان
#PCA

@IUST_Bioelecteric

بخش دوم: پیاده سازی الگوریتم pca و نحوه استفاده از آن در پروژه های عملی
#خلاصه_مفید
#تجزیه_مولفه_های_اساسی
#پترن
#شناسایی_الگو
#تجزیه_مولفه_های_اساسی
#ویدیوی_آموزشی_رایگان
#PCA
➖➖➖
@IUST_Bioelecteric

✅ مباحثی که در ویدیو آموزش داده می شوند:
#بردارهای_ویژه
#تجزیه_مولفه_های_اساسی
#پترن
#شناسایی_الگو
#خلاصه_مفید
#ویدیوی_آموزشی_رایگان
#PCA
➖➖➖
@IUST_Bioelecteric

✅ مباحثی که در ویدیو آموزش داده می شوند:
#کلاسبندی_با_svm
#کاهش_ابعاد_با_pca
#تجزیه_مولفه_های_اساسی
#پترن
#شناسایی_الگو
#خلاصه_مفید
#ویدیوی_آموزشی_رایگان
➖➖➖
@IUST_Bioelecteric

📚 در این ویدیوها سعی شده که به تمام سوالات زیر با یک مثال عملی پاسخ داده شود : 👇👇

🔹 نحوه #لیبل_گذاری داده های دو کلاس است؟
🔸 چطور یک پروژه #شناسایی الگو انجام دهیم؟!
🔹 پروژه #شناسایی_الگو (#پترن) شامل چه مراحلی است؟
🔸 چطور یک مدل برای #کلاسبندی #طراحی کنیم؟
🔹 از کجا بدونیم مدل طراحی شده #خوب کار می کند یا نه؟!
🔸 نحوه #ارزیابی مدل طراحی شده؟!
🔹 نحوه #تقسیم داده به دو بخش آموزش و تست؟
🔸 نحوه #لیبل_گذاری داده های تست و آموزش ؟
⚠️ 📚 پروژه ای که در این ویدیوها آموزش داده شده، یک تسک بسیار ساده ای است و هدف این است که دوستان با انجام یک پروژه کلاسبندی آشنا بشوند.

💡ویدیوهای آموزشی بنابه درخواست اعضای گروه آماده میشوند!
✅#سوالات خود را با ادمین کانال در میان بگذارید.
🔹سرفرصت به همه سوالات در قالب ویدیوی آموزشی پاسخ داده خواهد شد!
➖➖➖➖
@IUST_Bioelecteric
https://telegram.me/joinchat/BcXDaEEL4FjSZ9Uxrki-9Q
.

بطبع این دوره برای دوستان مهندسی پزشکی بسیار مفیدتر خواهد بود و به آنها دید بهتری از پروژه ها میدهد. پروژه هایی که طول دوره آموزش داده می شوند نتیجه چهار سال تجربه گروه مهندسی پزشکی دانشجویان علم و صنعت تهران هست و سعی کردیم پروژه های خوب و بروزی که امروزه در این رشته کار میکنند را انتخاب کنیم و براساس مقالات معتبر شبیه سازی کنیم.
بعد اتمام دوره انتظار داریم دوستان شرکت کننده دید بهتری از پروژه ها داشته باشند و بتوانند موضوعات مناسبی برای پایان نامه دکتری و کارشناشی ارشد انتخاب کنند. این دوره برای اولین بار در ایران برگزار می شود و هدف اینه که دوستان به طور مناسب آموزش ببینند تا در شبیه سازی مقالات تخصصی در حوزه مهندسی پزشکی، در انجام پروژه پایان نامه مشکلی نداشته باشند. در این دوره ما نحوه کار با داده های مختلف را آموزش میدهیم و دوستان سختی کار با داده ها را دیگر تجربه نخواهند کرد.
💡هدف اصلی ما اینه که دوستان شرکت کننده بعد از اتمام دوره، بتوانند پایان نامشون رو خودشون انجام دهند و مشکلاتی از قبیل کار با داده، برنامه نویسی، تجزیه و تحلیل داده ها نداشته باشند.😊
💡تو این چند سال متوجه شدیم که بیشتر دوستان مهندسی پزشکی بیشتر مباحث را بلدند ولی در پیاده سازی و تحلیل داده ها مشکل دارند. در این دوره ما آموزش می دهیم که چگونه داده را دانلود، تجزیه و تحلیل بکنند. 5 پروژه عملی از صفر تا صد در متلب پیاده سازی می شود و شرکت کنندگان با موضوعات مختلفی آشنا شده و کار با داده های مختلف پزشکی را یاد میگیرند.👌

✅ پروژه هایی که در طول دوره آموزش داده می شوند را در زیر خلاصه کرده ایم:
نکته: لازم به ذکر است که تمامی الگوریتمهای درس #شناسایی _آماری_الگو و #داده_کاوی را را روی این پروژه ها اعمال میکنیم و دوستان علاوه بریادگیری الگوریتمها، نحوه استفاده از الگوریتمها در #پروژه_های_عملی را نیز یاد میگیرند!

- کار با سیگنالهای مغزیِ eeg ( داده مربوط به صرع- داده های تصوری حرکتی- اسپایک(unit activity))
- کار با سیگنالهای قلبیِ ecg(داده های مربتط با آرتیمی های قلبی(داده استاندارد سایت فیزیونت))

- تشخیص بیماری #صرع از روی سیگنالهای EEG (داده استاندارد 5 کلاسه دانشگاه بن آلمان)، روشهای مختلف استخراج ویژگی در حوزه زمان، فرکانس، زمان فرکانس آشنا می شوند.
🔹 تمامی الگوریتمها درس پترن و داده کاوی روی این داده ها اعمال می شوند!

- کلاس‌بندی داده های تصوری و حرکتی EEG (واسط مغز و کامپیوترBCI)، در این پروژه الگوریتم معروف csp و fbcsp آموزش داده شده سپس روی داده اعمال میشوند.
الگوریتم csp یک الگوریتم معروفی است که برای کاهش تعداد کانالها در داده های تصوری حرکتی دوکلاسه استفاده میشود.
نحوه تعمیم این الگوریتم برای داده ها چندکلاسه را نیز آموزش میدهیم.
روشهای بهبود یافته دیگر csp برای دانشجویان به عنوان تمرین تعریف می شود.

- اسپایک سورتینگ با استفاده از دو روش مختلف
1- خوشه بندی (kmeans-fcm)
2-Template matching

🔹اسپایک سورتینگ یا همان کلاسترینگ (مرتب سازی)اسپایکها یک تکنیک رایج در میان دانشمندان علوم و اعصاب جهت مطالعه عملکرد مغز است و در سالیان اخیر برای درمان بیماریهای از قبیل صرع، فلج و از دست دادن حافظه استفاده می کنند.
برای بررسی بیماریها نیاز به داشتن اطلاعات درباره فعالیت تک تک نورون ها است. در ثبت خارج سلولی فعالیت چندین نورون همزمان ثبت می شود. برای تفکیک فعالیت نورونها از تکنیک اسپایک سورتینگ استفاده میکنند.
در این دوره مفاهیم ثبت داخل و خارج سلولی، تکنیکهای اسپایک سورتینگ را آموزش داده و یک پروژه عملی نیز انجام میدهیم!

- تشخیص بیماری های قلبی با استفاده از سیگنال ECG
🔹امروزه افراد زیادی از نارسایی قلبی رنج میبرند و اگر در زمان مناسب بیماریها تشخیص داده شود میتوان از اتفاقات ناگوار جلوگیری کرد. ثابت شده فعالیت الکتریکی قلب اطلاعات مفیدی درباره وضعیت سلامت قلب ارائه میدهد. پزشکان برای تشخیص بیماریهای قلبی از سیگنال ECG یا همان نوار قلبی استفاده می کنند. ولی مشکلی که اینجا هست اینه که بررسی نوار قلبی بسیار زمان‌بر و خسته کننده ست، از طرف دیگر ممکن است پزشک متخصص نباشد و تحلیل اشتباهی انجام دهد.
در این دوره نحوه کار با داده ECG و نحوه تجزیه و تحلیل داده ها را آموزش میدهیم تا بتوانیم مدلی دقیق (نزدیک به نظر پزشکان متخصص) و بسیار سریع(خودکار) طراحی کنیم.

✅ شرکت‏ کنندگان بعد از اتمام این دوره، قادر خواهند بود به:
- برنامه‌نویسی در محیط متلب
- پیاده‏ سازی تمامی الگوریتمهای مربوط به شناسایی الگو و داده کاوی
- پیاده‏ سازی پروژه‌های مرتبط با رابط مغز و کامپیوتر
- پیاده‏ سازی پروژه‌های مرتبط با علوم اعصاب محاسباتی
- شبیه‌سازی مقالات مرتبط با رشته مهندسی پزشکی بیوالکتریک
- انجام پایان نامه
➖➖➖➖➖
@IUST_Bioelecteric

✅تخمین پارامترهای تابع توزیع احتمال با روش
#دانسیته_احتمال_ماکزیمم(ML)
#پترن #شناسایی_آماری_الگو

@IUST_Bioelecteric

💡🌐 کنترل دست های مصنوعی با ذهن

✍️محققان در آزمایشگاه فیزیک کاربردی دانشگاه جان هاپکینز موفق به آزمایش بازوان مصنوعی شده اند که شخص میتواند توسط این بازوان تسکهای پیچیده را به صورت همزمان انجام دهد!
آزمایشات نشان میدهند که سیستم قابلیت یادگیری سریعی دارد و روزی زندگی افرادی که هر دو بازوی خود را از دست داده اند، متحول کند!
🔺برای بسیاری از ما تسکهایی از قبیل نوشیدن یک فنجان چایی هیچ مشکلی ندارد. ولی برای افرادی مثل لسلی بو(Leslie Baugh)، کسی که هردو بازوی خود را حدود 40 سال پیش در یک حادثه برق گرفتگی از دست داده است، غیرممکن است. تحقیق و توسعه پروتزهای پیشرفته، نظیر آنهایی که در این مطالعه انجام شده، واقعا پتانسیل بالقوه برای تغییر زندگی چنین افرادی را دارد.
برای اینکه این تکنولوژی بتواند عمل کند، اول لازم بود که آقای Baugh تحت جراحی معروف به بازسازی عضلات هدفمند،قرار گیرد. طراحی دستهای مصنوعی به نحوی است که توسط اعصاب کنترل می شود و می تواند آنها را حرکت دهد.

🔺برای انجام عمل جراحی، گروه محقیق از یک نرم افزار #شناسایی_الگو جهت جدا کردن الگوهای رفتاری هر یک از عضلات، مطالعه ارتباطات بین عضلات و دامنه و فرکانس ایمپالسهای عصبی استفاده کردند. بعد از تجزیه و تحلیل، اطلاعات جهت انجام حرکتهای خاص به بازوان داده شد.
جهت اینکه Baugh بتواند این بازوان را کنترل کند، یک سوکت سفارشی در نیمه بالای بدن او قرار گرفت. این سوکت جهت کنترل بازوان مصنوعی طراحی شده است که امکان ارتباطات عصبی با اعصاب بازسازی شده را میدهد.

🔺محققان امیدوارند کاربرد این دستان رباتیک برای انجام امور روزمره به مانند دستان طبیعی باشد، بدین منظور سرعت حرکات دستان رباتیک با تمرین و یادگیری روز به روز بهتر می شود و برای به کنترل در آوردن تمام حرکات دست مانند دستان طبیعی به مدت زمان بیشتری نیاز است.

https://www.popsci.com/world-first-man-controls-two-prosthetic-arms-his-mind
➖➖➖➖➖
@IUST_Bioelecteric