onlinebme
4.83K subscribers
1.48K photos
574 videos
346 files
698 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
This media is not supported in your browser
VIEW IN TELEGRAM
تاثیر ماده مخدر ماری‌جوانا روی مغز...
#مهندسی_پزشکی

@IUST_Bioelecteric
This media is not supported in your browser
VIEW IN TELEGRAM
#هوشمند
#کاربردی

دست مصنوعی هوشمند که کاملا تحت کنترل انسان است 👌👌

@IUST_Bioelecteric
onlinebme
ذهنتان را به چالش بکشید و مهارت فکری خود را بالا ببرید مغز را به چالش بكشيد تا عصبها مجبور شوند مسير جديدی بسازند با اینکار ظرفیت مغز و حافظه را زیاد میکند ! @IUST_Bioelecteric
آیا میتوان #مغز بهتری ساخت یا واقعا همه چی موقع #تولد تعیین می شود و ما این وسط هیچ نقشی نداریم؟! 🤔🤔

اگر فکر میکنید که در ساخت مغز خود هیچ نقشی نداریم به این دلیل است که از داخل مغز خود هیچ اطلاعی ندارید و اینکه چه اتفاقاتی داخل مغز می افته کاملا بی اطلاعید.
مغز انسان ساختار بسیار #حجیمی دارد و که حدود 10 بیلیون #نورون و 60 تریلیون #سیناپس دارد!
برای انجام هر تسکی هزاران نورون باهم از طریق سیناپس ارتباط برقرار میکنند و تسک را انجام میدهند!
ولی بحث اینجاست که آیا ما از همه توان مغز استفاده میکنیم؟! پاسخ نه 😢😅
نورونهای از طریق سیناپس ها ارتباط برقرار میکنند و هرچقدر مسیر ارتباطی بین نورونها هموار باشه سریعتر میتونند باهم ارتباط برقرار کنند.
سیناپس قوی یعنی مسیر هموار!
دلیل اینکه ما در زمان شروع یادگیری یک چیزی مثل یک حرکت جدید در #رقص ، سرعت بسیار کندی داریم اینه که در بخشی از مغز که مربوط به یادگیری هست نورونها برای رقص خوب آموزش ندیده اند یعنی هنوز ارتباط سیناپسی خوبی ندارند و باهم نمیتونند خوب همکاری کنند تا بتوانند اون حرکت رو به درستی و با سرعت مناسب انجام دهند!
برای اینکه بتوانیم سرعت مناسبی داشته باشیم لازم است که بیشتر #تمرین کنیم.
The more you learn the more you earn 😊😎
(+هرچقدر بیشتر یادبگیری بیشتر پول درمیاری.
-چه ربطی به موضوع داشت آخه 😒😒
+ حالا 😝🙃)
هرچقدر بیشتر تمرین کنیم سرعت انجام آن حرکت در رقص بیشتر می شه!
این ما هستیم که تعیین میکنیم که سیناپس هاچقدر قوی باشند! 😃
وقتی ما تمرین می کنیم چه اتفاقی بین نورونها می افته که بعد تمرین های مکرر میتونیم حرکت جدید رقص را به درستی و سرعت مناسب انجام دهیم!؟ 🤔🤔
قوانین یادگیری مختلفی برای ارتباط نورونها وجود داره که یکی از معروف ترین آنها یادگیری #هبیین است.
در این یادگیری دو نورونی که کنار هم هستند اگر باهم فعال شوند یعنی باهم ارتباط داشته باشند ، سیناپس بین این دو نورون قوی تر میشه و سیناپس قوی یعنی مسیر هموار!
(+ اگه شخص X هر روز به شخص y سلام بده و جوابی از شخص y داده نشود 😒 بعد از مدتی شخص x سلامی نخواهد داد. )

: Neurons that fire together, wire together

https://www.youtube.com/watch?v=o9K6GDBnByk
این یک اصل است که نورون هایی که با هم فعال می شوند به هم وابسته می شوند.
ثابت شده هر چه از مغزتان بیشتر استفاده کنید قوی تر می شود.
وقتی مهارتی را فرا می گیرید توان ذهنی تان برای انجام همان کار تقویت می شود.
بررسی مغز رانندگان تاکسی لندن در سال 2003 نشان داد که هیپوکامپوس قدامی رانندگانی که آدرس 25000 خیابان این شهر را از حفظ می دانند بزرگتر از متوسط لندن نشین هاست. در عوض اگر آدرس یابی را به GPS واگذارکنید توان انجام آن را از دست می دهید.
برای شناخت مغز پیشنهاد می کنیم ((کتاب مغزی که می تواند خود را تغییر دهد)) را بخوانید!
یادگیری هبین:
https://en.wikibooks.org/wiki/Artificial_Neural_Networks/Hebbian_Learning

https://www.youtube.com/watch?v=tfifTUYuAYU

#یادگیری_هبین
#دوره_شبکه_عصبی

@IUST_Bioelecteric
onlinebme
وضعیت شرکت کنندگان دوره شبکه عصبی در طول دوره😅😃 #شبکه_عصبی @IUST_Bioelecteric
پایان دوره شبکه عصبی😊
#دوره_شبکه_عصبی
ممنون از همه شرکت کنندگان و حضور فعالشون🌹🌹
📣📣دوره بعدیمون #مهرماه در #مشهد برگزار میشه👌

@IUST_Bioelecteric
دوره شبکه عصبی به پایان رسید و لازمه که از همینجا از همه شرکت کنندگان بخاطر شرکت در این دوره تشکر کنیم و امیدواریم که این دوره برای دوستان مفید بوده باشه😊.

🔶 لازمه که مروری داشته باشیم به مباحثی که در این دوره آموزش داده شد تا از این طریق دوستان دیگه ای که علاقه مند به یادگیری این مباحث هستند در دوره های بعد شرکت کنند.
🚩وجه #تمایز این دوره با دوره های دیگه این بود که اولا در این دوره نحوه استفاده از توابع آماده متلب آموزش داده نشد بلکه نحوه ی پیاده سازی شبکه ها بطور کامل آموزش داده شد! (چون باور داریم که یک مهندس باید خودش کد بنویسه نه اینکه از منابع آماده استفاده کنه).

استفاده از شبکه عصبی آماده برای شخصی که مهندسی نمیخونه و صرفا مصرف کننده هست مناسب هست.

🔺در این دوره نحوه #پیاده_سازی شبکه های عصبی آموزش داده شد و مطمئنا شرکت کنندگان بعد از تمرین و تکرار مطالبی که آموزش داده شد، در پیاده سازی شبکه ها، بهبود شبکه ها، شبیه سازی مقالات و استفاده از شبکه ها در پروژه های عملی دچار مشکل نخواهند شد.

🔺 در این دوره سعی بر این بوده است که تمام مباحث کتاب معروف Siomon Haykin را آموزش بدیم.

🔺کتاب معروف Siomon Haykin، کتابی استاندارد برای یادگیری شبکه های عصبی است که در بیشتر دانشگاههای داخل و خارج کشور تدریس می شود.

🔺در ابتدای هر جلسه، مباحث تئوری کتاب آموزش داده شد و سپس به طور گام به گام در متلب پیاده سازی شد.

🔺علاوه بر مباحث کتاب Siomon Haykin ، دو شبکه عصبی معروفPNNو ELM (بانظارت – که جهت کلاسبندی و پیش بینی استفاده می شوند) را طبق مقالات معتبر پیاده سازی کردیم که از این طریق شرکت کنندگان با پیاده سازی مقالات نیز آشنا شدند.

🔺تمامی شبکه ها در متلب پیاده سازی و سپس در پروژه‌های عملی استفاده شدند!

🚩وجه #تمایز دیگه ای این دوره با دوره های دیگه این بود که این دوره کاملا #پروژه_محور بود و در طول دوره پروژه های مختلفی با شبکه های عصبی انجام شد.

🔗پروژه هایی که در دوره آموزش داده شدند:
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی آدالاین
◦ تشخیص سرطان سینه با استفاده از قانون یادگیری وینرهاف
#تشخیص سرطان سینه با استفاده از ML(ماکزیمم شباهت)
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی پرسپترون چندلایه با قانون یادگیری پس انتشار خطا
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی پرسپترون چندلایه با قانون یادگیری دلتا دلتا
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی پرسپترون چندلایه با قانون یادگیری دلتا بار دلتا
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی پرسپترون چندلایه با قانون یادگیری دلتا دلتا
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی توابع شعاعی پایه (RBF)
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی (ELM(Extreme learning machine
◦ تشخیص #سرطان_سینه با استفاده از شبکه عصبی احتمالی (PNN)
◦ کلاسبندی داده های سه کلاسه iris# (داده ی معروف در سایت uci) با استفاده از شبکه هایی عصبی
Pnn-Elm-Rbf
MLP(back propagation)
MLP(delta delta) -MLP(delta bar delat)

#خوشه_بندی با استفاده از شبکه های عصبی خودسازمانده با قانون یادگیری رقابتی(som)
◦ پیاده سازی الگوریتم #PCA(تجزیه مولفه های اساسی) با استفاده از شبکه های عصبی خودسازمانده با قانون یادگیری هببین
◦ کلاسبندی داده های دوکلاسه و #چندکلاسه (توزیع نرمال)، مثال AND، OR، NOT، XOR
#تخمین کیفیت شراب با استفاده از شبکه های عصبی
#پیش_بینی نرخ ارز با استفاده از شبکه های عصبی

🌟با پیاده سازی این پروژه ها ، دوستان با مباحث مرتبط با تقسیم داده(روش معمول (70-30) و k_fold cross validation)، تست و ارزیابی شبکه، لیبل گذاری داده، تعیین مدل بهینه آشنا شدند.



💡دوره ی بعدی #مهرماه در #مشهد برگزار خواهد شد. دوستانی که قصد شرکت در دوره را دارند میتوانند برای پیش ثبت نام با شماره زیر تماس بگیرند.

0936-038-2687
@Bio_Engineerr
مدرس دوره: مهندس محمد نوری زاده چرلو


سایتمون رو هم دنبال کنید🙏🙏😊😊


http://matlabkhoone.ir/2017/09/08/%D9%BE%D8%A7%DB%8C%D8%A7%D9%86-%D8%A7%D9%88%D9%84%DB%8C%D9%86-%D8%AF%D9%88%D8%B1%D9%87-%DB%8C-%D8%B4%D8%A8%DA%A9%D9%87-%D9%87%D8%A7%DB%8C-%D8%B9%D8%B5%D8%A8%DB%8C-%D8%AF%D8%B1-%D8%AA%D9%87%D8%B1%D8%A7/

@IUST_Bioelecteric
لطفعلی #عسکرزاده مشهوربه پروفسور #لطفی‌زاده بنیانگذار #منطق_فازی امروز #درگذشت.
روحشان شاد🌹🌹🌹🌹

@IUST_Bioelecteric
بدرود استاد😔🌹🌹
#فازی

@IUST_Bioelecteric
بدرود استاد🌹🌹
#فازی

@IUST_Bioelecteric
دیروز #روزجهانی #سوادآموزی بود.
شعار امسال #یونسکو جالبه: #سواد (باسوادی) در دنیای دیجیتال
#LiteracyDay

#دنیای_دیجیتال
#هوش_مصنوعی

@IUST_Bioelecteric
از روز ازل به کائنات شور علی بود
بر روی زمین به کائنات نور علی بود
تنها هدف خلقت آدم به دو صورت
چشمان علی بود و علی بود و علی بود.

عید غدیرخم مبارک😍😍😍

@IUST_Bioelecteric
 
نحوه تولید اعداد تصادفی در بین یک بازه خاص
🔶 تابع rand اعداد تصادفی بین 0 تا 1 با توزیع یکنواخت تولید می کند.
برای تولید اعداد در بین یک بازه خاص طبق شکل عمل می کنیم.
#متلب
@IUST_Bioelecteric
💡 💡 روشهای #ناحیه_بندی با بسته‌های #کانتور_فعال
به طور کلی، مرزهای بسته فعال را می توان به دو دسته مرز فعال #پارامتری و #غیرپارامتری تقسیم نمود. در روشهای پارامتری مرز بسته فعال به شکل پارامتری از مشخصه‌های خود همچون طول مرز تعریف می‌گردد و تابع هدف به گونه‌ای که در مشخصه مورد نظر کاربر کمینه شود تعریف می‌شود و در نهایت مرز اولیه با توجه به محدودیتهای مربوط به خود که درغالب انرژی داخلی خود را نشان می‌دهد و به طرف مشخصه مورد نظر از طریق کمینه کردن این تابع حرکت می‌کند. در مرزهای بسته غیرپارامتری یا هندسی، نمو مرز بسته به صورت سطح صفر یک تابع کمکی چند بعدی معروف به توابع سطح همتراز صورت می پذیرد و از اینرو قادر به دنبال کردن تغییرات توپولوژی در تصویر می باشد. مرزهای بسته فعال هندسی به دو نوع اصلی مرزهای فعال گرادیانی و ناحیه ای تقسیم‌بندی می‌شوند. در روشهای گرادیانی از گرادیان برای نمو مرز به سمت مشخصه مورد نظر استفاده شده است که از معایب این روش حساسیت به نویز و همگرا شدن در کمینه‌های محلی می‌باشد. در روش ناحیه‌ای معمولا از اطلاعات آماری تصویر برای نمو مرز فعال به سمت شکل هدف استفاده می‌شود .

🔶 چرا در عمل بیشتر از کانتور فعال برای ناحیه بندی تصاویر پزشکی استفاده می کنند و از روشهای معمول استفاده نمی کنند؟! 🤔 🤔

در عمل، تصاویر پزشکی تصاویر (مثل تصاویر #التراسوند) ایده الی نیستند و همیشه با آرتیفکت و نویزهایی همراه هستند، لذا نمی توان با استفاده از روشهای معمول مثل فیلترهای مکانی (لاپلاسین، کنی، سوبل و ...) و فرکانسی تصاویر را ناحیه بندی کرد!
روشهای معمول زمانی که تصاویر نویز نداشته باشند خوب کار می کنند!
همچنین در کارهای عملی نیاز است که ما مرزهای بسته ای داشته باشیم و اینب درحالی هست که روشهای معمول به خاطر نویز، مرز بسته ای به ما نمیدهند!

مزایای روشهای ناحیه بندی کانتور فعال:
به نویز حساسیتی ندارد (در مقابل نویز مقاومند)
مرز بسته ای دارند!

⚠️ عیب روشهای ناحیه بندی کانتور فعال:
- نیاز به تعیین کانتور اولیه دارند
- پیچیدگی محاسباتی بالایی دارند
#ناحیه_بندی
#کانتور_فعال
#مرزبسته
#تصاویرنویزی
#پردازش_تصویر
#مهندسی_پزشکی
#تصاویرپزشکی

نویسنده: محمد نوری زاده چرلو


@IUST_Bioelecteric
This media is not supported in your browser
VIEW IN TELEGRAM
🌐 رباتی که تزریق و خونگیری انجام میده!👌
#مهندسی_پزشکی


@IUST_Bioelecteric
This media is not supported in your browser
VIEW IN TELEGRAM
🌐 چگونگی تخریبِ تومورِ مغزی
#پزشکی
#مهندسی_پزشکی

@IUST_Bioelecteric
سرما خوردگی یا حساسیت؟!
@IUST_Bioelecteric