🔥🧠 دوره‌ آشنایی با تصویربرداری مغز: از آناتومی مغز تا تشخیص بیماری‌ها

در دنیای امروز، تصویربرداری عصبی دیگر صرفاً یک ابزار تشخیصی نیست، بلکه بستر اصلی درک عملکرد مغز، پیش‌بینی سیر بیماری، و طراحی روش‌های درمانی هوشمندانه است.
اما یک چالش جدی وجود دارد: فاصله میان آنچه پزشکان در بالین می‌بینند، و آنچه مهندسان در آزمایشگاه طراحی می‌کنند. این دوره با هدف رفع این شکاف طراحی شده است.

🗓📌 پاییز ۱۴۰۴ | حضوری و مجازی

⸻

🔬 تا حالا تصویربرداری مغزی رو فقط یه ابزار تشخیص دیدی؟ وقتشه دیدتو عوض کنی. تصویربرداری عصبی علمیه که پشت هر تصمیم حیاتی در درمان سکته، تومور، صرع، پارکینسون، و هزار تا اختلال عصبی خوابیده و از اون مهم‌تر، می‌تونه بستر شروع پژوهش‌های پیشرفته، پایان‌نامه‌های طلایی، و حتی استارتاپ‌های هوش مصنوعی پزشکی باشه.


😮 بزرگ‌ترین نقطه قوت این دوره؟

👨‍⚕️ بدون شک، مدرسین دوره‌ست. اساتیدی که نه فقط تصاویر مغز رو تدریس می‌کنن، بلکه باهاش جراحی می‌کنن، تصمیم می‌گیرن و می‌فهمنش. یعنی قراره از کسایی یاد بگیری که هر روز تو اتاق عمل با همین تصاویر تشخیص می‌دن و درمان می‌کنن!


👩‍💻در کنارشون، تیم فنی NeurAITex، شامل پژوهشگرانی که تجربه سال‌ها تحلیل داده‌های تصویربرداری مغز، طراحی الگوریتم، و ساخت ابزارهای هوش مصنوعی پزشکی رو دارن، راهنمای علمی و شما خواهند بود.

⸻

💡 این دوره برای کی طراحی شده؟

👩‍⚕️ پزشک‌هایی که توی دانشگاه وقت نشد آناتومی مغز یا تصویربرداری رو به خوبی یاد بگیرن و الان می‌خوان به صورت اصولی یاد بگیرن و با اینکه چه محدودیت‌ها و کاربردهایی در پژوهش و تشخیص‌های بالینی داره آشنا بشن

👨‍💻 مهندس‌هایی که همیشه می‌خواستن وارد پزشکی یا نوروساینس بشن — اما نمی‌دونستن چطور و از کجا

🧠 و همه‌ی کسانی که عاشق مغزن!
اگه ذهن کنجکاوی داری و می‌خوای بدونی داخل مغز چه خبره، اینجا شروع سفرته.

⸻

📚 چی یاد می‌گیری؟

✔️ از پایه‌ترین مفاهیم نورواناتومی تا رمزگشایی توالی‌های MRI
✔️ از درک تئوری CT و PET تا تحلیل عملی fMRI، DTI و MRS
✔️ تصویربرداری حین جراحی (iMRI، iUS) و طراحی مسیر جراحی بر اساس tractography
✔️ آموزش نرم‌افزارهایی که تو پژوهش‌های روز دنیا استفاده می‌شن: FSL، SPM، ANTs، 3D Slicer
✔️ انجام یک پروژه نهایی واقعی، روی کیس بالینی واقعی، با داده‌ی تصویربرداری واقعی

⸻
‼️⁉️ چرا این دوره یونیکه؟

🔍 ما بیش از ۳۰ دوره داخلی و خارجی (از استنفورد، MIT، UCL، RSNA تا Coursera و Radiopaedia) رو بررسی
کردیم و نتیجه؟ ساختن دوره‌ای که:

📌 مثل دوره‌های مهندسی فقط فیزیکی و ریاضی نیست
📌 مثل دوره‌های پزشکی فقط تفسیر سطحی تصویر نیست بلکه تلفیق کامل بالین، فیزیک، دیتا، تحلیل، نرم‌افزار، و پروژه‌ست.

چیزی که نه تو ایران و نه تو جهان به این شکل یکپارچه ارائه نشده.

⸻

⚙️ ساختار آموزشی

هر هفته:
جلسه‌ی عمیق تئوری
+
کارگاه عملی تحلیل تصویر با داده‌های واقعی
+
ارائه جزوه جامع و کامل شامل نکات جلسه مربوطه

⸻
🏁 و در پایان دوره؟
🔵 تصویربرداری رو از صفر تا سطح تحلیل پیشرفته یاد می‌گیری
🩷 تجربه کار روی یک پروژه جدی با قابلیت تبدیل به مقاله یا پایان‌نامه‌رو کسب می‌کنی
🟣 می‌تونی با پزشک‌ها و مهندس‌ها با یک زبان مشترک حرف بزنی
🔵 برای MedTech، فرصت‌های بین‌المللی، یا همکاری‌های پژوهشی سطح بالا آماده میشی

⁉️ فایل توضیحات و سوالات پرتکرار درباره دوره‌ی تصویربرداری

همه‌ی چیزایی که قبل از ثبت‌نام باید بدونی

⸻

‼️ این دوره چه فرقی با بقیه دوره‌های مشابه داره؟

📌 دوره‌های مشابه یا روی یک بُعد خاص تمرکز دارن، یا به‌صورت ماژول‌های پراکنده طراحی شدن. مثلاً:
⏩ دوره‌های دانشگاه‌های تاپ دنیا مثل MIT یا Stanford، یا فقط به فیزیک MRI می‌پردازن، یا صرفاً تحلیل سیگنال رو پوشش می‌دن
⏩ دوره‌های Coursera و edX اغلب مقدماتی، پراکنده و جدا از واقعیت بالینی طراحی شدن
⏩ منابع تخصصی مثل Radiopaedia یا ISMRM هم فقط به تفسیر تصویر یا آموزش رزیدنت‌ها محدود می‌شن

در نتیجه با ترکیب این منابع با همدیگه، جامع‌ترین دوره آشنایی با تصویربرداری مغز شکل گرفته. مهم‌تر از همه اینکه مدرس‌های این دوره خودشون به صورت روزمره درگیر تشخیص، جراحی و تحلیل این تصاویرن پس چیزی که یاد می‌گیری، کاملاً واقعی، به‌روز و کاربردیه.

📌 این یه مسیر آموزشی کامل، متصل، بالینی–تحلیلی و واقعاً میان‌رشته‌ایه
⸻

‼️ برگزارکنندگان دوره کیا هستن؟

🙌این دوره توسط مرکز تحقیقات هوش مصنوعی در علوم و جراحی اعصاب دانشگاه تهران (نورایتکس)، گروه جراحی مغز و اعصاب دانشگاه علوم پزشکی تهران و گروه جراحی مغز و اعصاب دانشگاه علوم پزشکی ایران برگزار میشه.

‼️ محل و زمان برگزاری دوره کجاس؟

دوره به صورت حضوری و روزهای پنجشنبه در بیمارستان سینا و به صورت غیرحضوری در بستر اسکای‌روم برگزار میشه.


‼️ به صورت غیرحضوری هم میشه تو دوره شرکت کرد؟

🔥 بله، هم به صورت حضوری و هم به صورت غیرحضوری می‌تونید تو دوره شرکت کنید.

‼️ فرق نسخه حضوری با غیرحضوری چیه؟

📌توجه کنید که این سوال راجع به کسایی هست که می‌خوان دوره‌رو به صورت کامل (با دسترسی کامل به محتوای دوره و کارگاه‌های عملی و پروژه نهایی و ارائه مدرک پایان دوره) تهیه بکنن.

👥 توی نسخه حضوری، علاوه بر حضور در کلاس‌ها و تعامل مستقیم با اساتید بالینی و پژوهشی:
• توی ورکشاپ‌های عملی مشارکت مستقیم داری
• فرصت شبکه‌سازی، همکاری گروهی و بازخورد زنده داری
• و مهم‌تر از همه، توی ارزیابی برای بورسیه کامل شانس بیشتری خواهی داشت

📹 توی هر دو حالت (حضوری و غیرحضوری) شما به تمامی محتوای دوره و کارگاه‌ها و پروژه نهایی دسترسی دارید و با ارائه پروژه نهایی گواهی پایان دوره‌رو دریافت می‌کنید.

⸻

‼️ آیا فیلم کلاس‌ها رو بعدش می‌تونم داشته باشم؟

بله. چه در نسخه کامل و چه آفلاین، همه‌ی کلاس‌ها ضبط می‌شن و در اختیار شرکت‌کننده‌ها قرار می‌گیرن تا بعداً بتونن مرور کنن. نسخه‌های تدوین‌شده‌ی فیلم‌ها بعد از هر جلسه در دسترس شما قرار می‌گیرن.

⸻

‼️ آیا نیاز به پیش‌نیاز داریم؟ مثلاً برنامه‌نویسی، آناتومی، MRI و…؟

نه.
🟡 همه‌ی مباحث از پایه و با زبان ساده (ولی علمی) شروع می‌شن.
🟢 توی فایل دوره هم گفته شده که اگر حتی هنوز نمی‌دونی مغز چندتا لوب داره یا T1 و T2 چیه، باز هم می‌تونی تو این دوره شرکت کنی و جلو بری. فقط کافیه ذهن کنجکاو و انگیزه واقعی برای یادگیری داشته باشی.

⸻

‼️ توی طول دوره دقیقاً چی در اختیارمون قرار می‌گیره؟

✔️ اسلاید و جزوه کامل هر جلسه
🔵 دسترسی به فیلم‌های ضبط‌شده
✔️ داده‌های واقعی تصویربرداری برای تمرین و پروژه
✔️ معرفی نرم‌افزارهای رایگان و نحوه نصب و استفاده
💗 منابع و مقالات منتخب برای مطالعه‌ی بیشتر
🟢 فرصت حضور در ورکشاپ‌های عملی
🔵 و در نسخه کامل: پشتیبانی علمی + ارزیابی پروژه + گواهی رسمی پایان‌دوره

⸻

‼️ آیا می‌تونم وسط دوره ثبت‌نام کنم یا فقط از ابتدا باید باشم؟

به خاطر ساختار منسجم و تدریجی دوره، برای دریافت کامل دوره فقط ثبت‌نام قبل از شروع دوره امکان‌پذیره. چون مباحث به هم وابسته‌ن و پروژه نهایی به کل مسیر یادگیری بستگی داره. اما کسایی که از ثبت‌نام جا موندن می‌تونن نسخه افلاین ‌رو (بدون دسترسی به پشتیبانی کارگاه‌ها و گواهی پایان دوره) تهیه بکنن.

⸻

‼️ اگه نتونم همه‌ی جلسات رو آنلاین باشم چی؟ فیلم‌ها جایگزین می‌شن؟

بله. ما برای هر جلسه فیلم ضبط‌شده و منابع تکمیلی قرار می‌دیم که می‌تونی در زمان مناسب تماشا و تمرین کنی.

💡 اما برای گرفتن بورسیه کامل، باید در بخش زیادی از جلسات شرکت داشته باشی یا پروژه‌ات رو کامل انجام بدی.

⸻

‼️ آیا از این دوره می‌تونم توی پایان‌نامه یا مقاله استفاده کنم؟

صددرصد! خروجی پروژه نهایی دوره می‌تونه پایه‌ی یک پایان‌نامه، مقاله ژورنالی یا حتی شروع یه ایده پژوهشی مستقل باشه.
ما هم بهت کمک می‌کنیم در این مسیر.

⸻

📣 اگر چیزی هست که اینجا بهش اشاره نشده و یا سوالی داری توی کامنت بپرس یا همین الان بهمون پیام بده تا راهنماییت کنیم.
و اگر هنوز پست اول و دوم رو ندیدی، حتماً یه نگاهی بنداز تا بدونی چه فرصت منحصربه‌فردی منتظرته

⚡️ توضیحات تکمیلی در مورد دوره:

⚡️ این دوره شامل ۸ جلسه اصلی هست که توسط اساتید تدریس میشه و هر جلسه یک کارگاه تکمیلی و پشتیبانی داره که توسط دانشجویان ارائه میشه.

⚡️ برای هر جلسه شما یک جزوه آموزشی دریافت میکنین که شامل چندین بخش مختلف هستش که توضیحات هر بخش در فایل دوره نوشته شده

⚡️ در صورتی که شما کلاس رو در ورژن کامل (نسخه اول) ثبت‌نام کنین شما امکان شرکت هم به صورت حضوری و هم به صورت غیر حضوری هم در کلاس های اصلی و هم کارگاه هارو دارین. تمامی ویدئو های خود کلاس، کارگاه ها، جزوات و گواهی پایان دوره هم بهتون ارائه میشه.

⚡️ در نسخه افلاین (نسخه دوم) فقط فیلم های کلاس ها و کارگاه های اصلی به شما داده میشه و امکان حضور در کلاس چه به صورت حضوری چه غیر حضوری وجود نداره و مدرک پایان دوره به شما تعلق نمیگیره. شما در این نسخه هیچ پشتیبانی ای دریافت نمیکنین و تنها به محتوای دوره دسترسی خواهین داشت

خب دوره بعدی بوت کمپمون بنظرتون قرار هست چی‌ باشه؟🤭

بعد از آشنایی با دیتا نوبت چیه؟🫠

متفاوت ترین دوره یادگیری ماشین و یادگیری عمیقی که تا الان دیدین😉

منتظر خبرهای خوب از نورایتکس باشین😎

🌱 گاهی اوضاع زندگی، فشار مالی یا دوری از منابع آموزشی باعث می‌شه یادگیری از اولویت‌ها عقب بیفته.


☀️ برای همین، مکتبخونه، با طرح حمایتی «همدلی در مسیر یادگیری»تعدادی از دوره‌های کاربردی و پرطرفدارش رو رایگان کرده.

💡 کافیه آموزش دلخواهت رو انتخاب کنی، تیک «دسترسی کامل» رو برداری و کد تخفیف HAMDELI رو وارد کنی تا دوره برات رایگان فعال بشه.

💰 این طرح حمایتی تا ۲۷ مرداد ماه فعاله

❗️دقت داشته باشید که با این کد تخفیف می‌تونید فقط یک درس رو رایگان تهیه کنید

🍀 اطلاعات دوره

———

NeurAItex Research Center (NeurAI Tech Medical Innovation)🧠

📱@neuraitex
📱neuraitex
📱neuraitex
📱neuraitex

متاسفانه به دلیل قطع ارائه خدمات توسط زرین پال از ۱۸ مرداد ماه، لینک های ثبت نام دوره از دسترس خارج شدن.

لطفا دوستانی که مایل به ثبت نام هستن جهت هماهنگی برای ثبت‌نام با ادمین مجموعه در ارتباط باشن ❤️

با توجه به حجم بالای پیام‌های دریافتی و ظرفیت محدود دوره ممنون میشیم که تنها در صورتی که تصمیم قطعی برای ثبت نام دارین اطلاعات خودتون رو ثبت بفرمایید.

✍️💫 پشت هر دوره نورایتکس، یه داستان واقعی خوابیده؛ داستان آدم‌هایی که هر کدوم مسیر خودشونو رفتن، راه‌های متفاوت رو تجربه کردن، شکست خوردن، یاد گرفتن و دوباره ادامه دادن. این فیلم، قصه‌ی دوره نوروایمیجینگه.

🍀 چهار نفر از بچه‌های نورایتکس این‌بار براتون از مسیر خودشون میگن؛ از نقطه شروع، از جاهایی که گیر کردن و زمین خوردن، از چیزهایی که کم‌کم کشف کردن.

❤️ هر کدوم راه متفاوتی رو اومدیم، ولی در نهایت نشستیم پای کار، همه تجربه‌ها رو کنار هم گذاشتیم، بررسی کردیم و نتیجه‌ش شد این دوره.

⚡️ این دوره از دل تجربه‌های واقعی ساخته شده؛ تجربه‌هایی که برای ما چندین سال طول کشید ولی حالا جوری براتون آماده کردیم که شما راحت‌تر و سریع‌تر یاد بگیرین.

⁉️ و اگه هنوز نمی‌دونین نوروایمیجینگ دقیقا چیه و کجا به درد می‌خوره، این فیلم برای شماست؛ تا هم باهاش آشنا بشین و هم ببینین چطور می‌تونه مسیر علمی یا کاری‌تون رو عوض کنه.

☮️ با تشکر از زحمات آقای مهندس عرفان جودی :) بابت تهیه این فیلم و همه دوستانی که با ارايه تجربیات ارزشمندشون مارو در تهیه این دوره یاری کردن

Strive for perfection in everything you do.
Take the best that exists and make it better.
When it does not exist, design it 🧠

#NeurAIVibe

برای قلبی که با دستان توانمندت دوباره می‌تپد،
برای چشمی که با دانشت روشنای آسمان را بازمی‌یابد،
برای نفسی که با هنر و صبوری‌ات جریان می‌گیرد،
برای مغزی که با اندیشه و تدبیرت امید دوباره را حس میکند.

و برای شما که نجاتی هستین برای جان‌ها، و مرهمی برای دردها.

روز پزشک مبارک ❤️🩹🌻

———

NeurAItex Research Center (NeurAI Tech Medical Innovation)🧠

📱@neuraitex
📱neuraitex
📱neuraitex
📱neuraitex

⚒ اولین قدم برای هر کار هوش مصنوعی توی پزشکی، داشتن یه دیتاست درست ‌و حسابیه.

❕ حالا فکر کن که بخوای روی بیماری‌هایی کار کنی که دیتاهاش به صورت پابلیک وجود نداره و یا بیمارانش رو به سختی میشه پیدا کرد.

اینجاست که یکی از سخت‌ترین کارا شروع میشه: جمع‌آوری دیتا

🖊 اول باید داده‌های تصویربرداری بیمارا یکی‌یکی جمع‌آوری بشن، از روی سی دی خونده بشن، کیفیتشون چک بشه و بعد همراه با اطلاعات بالینی بیماران روی سرورها رجیستر بشن که تازه بعدش برن واسه لیبل‌گذاری

📈 درسته که این کارهای پشت‌صحنه حسابی سخت و زمان‌برن، ولی همین تلاش‌هاست که راه رو برای لیبل‌گذاری دقیق و پروژه‌های هوش مصنوعی خفن هموار می‌کنه .

🏹 همه‌مون می‌دونیم هر مهارت جراحی پشتش یه داستان بزرگ از تمرین، خطا، یادگیری و پیشرفت هست. اما اینکه چطور میشه این مهارت‌ها رو درست و دقیق سنجید، همیشه یه چالش بوده.

🆕 دکتر آرش ایرانفر، از دانشجویان دکترا ازمایشگاه ما در دانشگاه تهران ، اخیرا یک مقاله خیلی جالب از پایان نامه دکتراشون که زیر نظر دکتر مشیری و دکتر تقی‌راد انجام شده منتشر کردن که به موضوع ارزیابی مهارت جراحی با داده‌های نرم پرداخته.

⁉️ تا حالا بیشتر کارها روی داده‌های سخت مثل حرکت دست یا ویدیو بوده، اما نویسنده‌ها اومدن بررسی کردن که آیا میشه فقط با نظرات متنی آزاد (کامنت‌هایی که متخصصا می‌نویسن) مهارت جراح‌ها رو سنجید یا نه 🎙📹

☄️ جالب اینجاست که برای این کار یه آزمایش طراحی کردن به اسم Vertex Pursuit که توش شرکت‌کننده‌ها باید با دستگاه لمسی روی یه مسیر ستاره‌ای حرکت کنن تا مهارت‌هایی مثل هماهنگی چشم و دست و دقت‌شون سنجیده بشه. بعد، نفرات برتر میان و به بقیه فیدبک متنی میدن.

نتیجه؟

📊 با استفاده از الگوریتم‌های NLP و مخصوصاً مدل‌های زبانی بزرگ (LLMها)، مشخص شد که داده‌های نرم می‌تونن خیلی خوب برای این ارزیابی عمل کنن؛ حتی بهترین نتایج رو مدل‌های decoder-only گرفتن وقتی با پرامپت‌های قانون‌محور تست شدن

📌 این مطالعه پایه‌گذار یه مسیر جدید برای ارزیابی عملکرد متخصصین هست که هدفش اینکه فشار روی متخصص‌ها کمتر بشه و سیستم‌های آموزشی جراحی هم مقیاس‌پذیرتر بشن.

🔗 لینک مقاله

———

NeurAItex Research Center (NeurAI Tech Medical Innovation)🧠

📱 @neuraitex
📱 neuraitex
📱 neuraitex
📱 neuraitex

💡هوش مصنوعی به زبان خیلی ساده با نورایتکس

✏️این قسمت: Linear Regression

1️⃣ رگرسیون خطی یکی از ساده‌ترین و پایه‌ای‌ترین روش‌های یادگیری ماشینه. توی این روش، مدل فقط با دو تا پارامتر سر و کار داره: شیب خط و عرض از مبدأ. شیب خط نشون می‌ده خط چقدر تنده و در چه جهتی حرکت می‌کنه، و عرض از مبدأ مشخص می‌کنه خط از کجای محور Y رد بشه.

2️⃣ کاری که مدل انجام می‌ده اینه که توی مرحله‌ی آموزش، مدام این دو تا عدد رو تغییر می‌ده و امتحان می‌کنه تا بالاخره به خطی برسه که بهترین برازش رو با داده‌ها داشته باشه؛ یعنی فاصله‌ی بین نقاط واقعی و نقاطی که مدل پیش‌بینی کرده، کمترین حد ممکن بشه.

3️⃣ به زبان ساده، رگرسیون خطی میاد یه خط صاف رو روی داده‌ها می‌کشه و سعی می‌کنه این خط طوری تنظیم بشه که بیشترین تطابق رو با داده‌ها داشته باشه. همین روند ساده در واقع خلاصه‌ی کل ماجرای یادگیری ماشینه: این‌که مدل بتونه پارامترهاشو خودش تغییر بده و هر بار بهتر پیش‌بینی کنه.

↗️ برای اینکه ملموس‌تر باشه، یه مثال روزمره بزنیم: تصور کن می‌خوای رابطه‌ی بین ساعت مطالعه و نمره امتحان رو بفهمی. یه عده دانشجو هستن که هر کدوم تعداد مشخصی ساعت درس خوندن و بعدش نمره گرفتن. حالا این داده‌ها رو روی یه نمودار می‌ذاری: محور افقی تعداد ساعت مطالعه‌ست و محور عمودی نمره امتحانه.

رگرسیون خطی میاد یه خط صاف بین این نقاط می‌کشه. اگر خط رو درست انتخاب کنه، می‌تونی فقط با دونستن این‌که کسی چند ساعت خونده، حدس بزنی نمره‌ش حدوداً چند می‌شه.

مدل برای این کار دو چیز رو دستکاری می‌کنه:
• شیب خط: مثلاً اگر شیب زیاد باشه، یعنی هر یک ساعت مطالعه بیشتر، نمره خیلی بالاتر می‌ره.
• عرض از مبدأ: یعنی کسی که هیچی نخونده، نمره‌ش تقریباً از کجا شروع می‌شه.

مدل توی آموزش، بارها و بارها این خط رو جابه‌جا می‌کنه تا به خطی برسه که بهترین پیش‌بینی رو بده. این داستان ساده نشون می‌ده یادگیری ماشین در اصل همین چیزه: مدام تنظیم کردن پارامترها برای اینکه پیش‌بینی‌ها واقعی‌تر بشن.

———

NeurAItex Research Center (NeurAI Tech Medical Innovation)🧠

📱@neuraitex
📱neuraitex
📱neuraitex
📱neuraitex

💡هوش مصنوعی به زبان خیلی ساده با نورایتکس

✏️این قسمت: K-Nearest Neighbors (KNN)

1️⃣ این روش یکی از ساده‌ترین و در عین حال جالب‌ترین روش‌های یادگیری ماشینه. ایده‌ی اصلی خیلی ساده است: وقتی می‌خوای چیزی رو پیش‌بینی یا دسته‌بندی کنی، به نزدیک‌ترین همسایه‌ها نگاه می‌کنه و بر اساس اون تصمیم می‌گیره.

2️⃣ در KNN هیچ مدلی با پارامترهای پیچیده یاد گرفته نمی‌شه، بلکه همه چیز روی فاصله بین نقاط داده‌ها حساب می‌شه. وقتی یک داده‌ی جدید میاد، الگوریتم میاد K تا نقطه نزدیک‌ترین داده‌های موجود رو پیدا می‌کنه و با نگاه به کلاس یا مقدار اون نقاط، تصمیم می‌گیره که داده جدید چه ویژگی‌ای داره یا در چه دسته‌ای قرار می‌گیره.

3️⃣ به زبان ساده، KNN مثل اینه که بخوای یه تصمیم بگیری و بگی: «همسایه‌ها چی گفتن؟ من هم همون رو می‌کنم!»

↗️ برای ملموس شدن، یه مثال بزنیم:

تصور کن می‌خوای حدس بزنی یه میوه تازه‌ای که دستت گرفتی سیب است یا پرتقال. چند میوه قبلاً داشتیم و می‌دونیم سیب و پرتقال کدومه. الگوریتم KNN میاد و میگه: «بیایم ببینیم این میوه جدید به چه میوه‌هایی نزدیک‌تره.» اگر بیشتر نزدیک سیب‌ها باشه، می‌گه «این سیبه!» و اگر نزدیک پرتقال‌ها باشه، می‌گه «این پرتقاله!»

اینجاست که عدد K اهمیت پیدا می‌کنه؛ مثلا K=3 یعنی سه همسایه‌ی نزدیک‌ترین بررسی می‌شن و بر اساس اکثریت، تصمیم گرفته می‌شه.

این روش ساده، اما قدرتمند، نشون می‌ده که در یادگیری ماشین همیشه لازم نیست چیز پیچیده‌ای بسازی تا پیش‌بینی درست داشته باشی. گاهی فقط نگاه کردن به اطراف و استفاده از داده‌های واقعی موجود کفایت می‌کنه.

———

NeurAItex Research Center (NeurAI Tech Medical Innovation)🧠

📱@neuraitex
📱neuraitex
📱neuraitex
📱neuraitex

با تشکر از همراهی و استقبال شما در دوره آشنایی با تصویر برداری مغز ❤️

به منظور حفظ کیفیت دوره و همچنین جهت انجام هماهنگی‌های لازم با شرکت‌کنندگان و دانشگاه، ثبت نام در این دوره تنها برای پنج نفر و تا تاریخ ۲۷ شهریور ماه امکان پذیر هست.

با تشکر از شما
تیم اجرایی نورایتکس 🧠

#فرصت_همکاری_پژوهشی

ما در مرکز تحقیقات نورایتکس جهت انجام یک پروژه تحقیقاتی نیازمند یک همکار جهت دانلود داده تصویربرداری و کمک در لیبل گذاری آن هستیم.

💡 موضوع پروژه:
هوش مصنوعی و تومور‌های مغزی

🏠 مکان انجام پروژه:
بیمارستان حضرت رسول، ستارخان

↗️ توانمندی‌های لازم جهت همکاری:
۱- داشتن زمان و وقت کافی جهت همکاری
۲- آشنایی با نحوه کار و دانلود داده از سیستم پکس بیمارستانی
۳- آشنایی با مودالیتی های مختلف داده MRI نظیر T1, T2, Flair و غیره.

❤️ متاسفانه در قسمت های مرتبط با هوش مصنوعی و مدل‌سازی در حال حاضر امکان جذب نیروی جدید نداریم، پس ممنون میشیم اگر فقط در صورتی که در انجام این تسک مایل به همکاری هستین رزومتون رو ارسال کنین.

‼️ توجه داشته باشید که روند انتخاب شامل یک مرحله مصاحبه حضوری با اساتید می‌باشد، پس لطفا از ارسال رزومه در صورت عدم تسلط به موارد بالا جدا خودداری بفرمایید.

💌 نحوه ارسال رزومه:
لطفا رزومه خود شامل:

1️⃣ اطلاعات فردی، اطلاعات تماس و سوابق تحصیلی
2️⃣ سوابق انجام کارهای پژوهشی مشابه شامل: موضوع پروژه، محل انجام پروژه و وضعیت فعلی پروژه
3️⃣ میزان ساعتی که در هفته میتونید روی این پروژه وقت بزارید
4️⃣ میزان آشنایی شما با نوروایمیجینگ


رو در قالب یک فایل پی دی اف برای ما در تلگرام به ای دی زیر ارسال بفرمایید.

📞@neuraitex_admin

❗️ ددلاین ارسال رزومه:
سوم مهرماه ۱۴۰۴

❓ آیا پروژه شامل دریافت حقوق هست؟
خیر این یک فرصت همکاری پژوهشی هست.

با تشکر از همراهی و استقبال شما در دوره آشنایی با تصویر برداری مغز ❤️

مهلت ثبت‌نام دوره به صورت حضوری به اتمام رسیده و از امروز ما شروع به انجام تدارکات کرده ایم.

در چند روز آینده با شما برای هماهنگی تماس خواهیم گرفت.

از صبوری شما متشکریم

با تشکر از شما
تیم اجرایی نورایتکس 🧠

❗️ به اطلاع شرکت کنندگان محترم دوره تصویربرداری میرسانیم که با توجه به مشکلات ارسال لینک از طریق پیامک، لینک گروه از طریق تلگرام خدمت دوستان ارسال گردیده است.

📞 دوستانی که شماره تلگرام آنها با شماره وارد شده در فرم متفاوت هست و تا کنون لینک را دریافت نکرده‌اند لطفا جهت هماهنگی با ادمین مجموعه در ارتباط باشند.

از صبوری شما متشکریم

با تشکر از شما
تیم اجرایی نورایتکس 🧠

اکتبر سال ۲۰۲۲ مقاله زیر در ساینس چاپ شد و سر و صدای زیادی به پا کرد چون این تیم کره‌ای نشون داده بودن که با روشی به نام DIANA (direct imaging of neuronal activity) میتونن با استفاده از دستگاه MRI به طور مستقیم از خود فعالیت نورونی ثبت بگیرن. چرا این مهمه؟ چون در روش‌های مرسوم fMRI، از فعالیت عصبی به صورت مستقیم ثبت گرفته نمیشه بلکه سیگنال به دست اومده میزان اکسیژن خون رو نشون میده که به عنوان نوعی پروکسی برای فعالیت عصبی در نظر گرفته میشه. بنابراین اینکه روشی بتونه با دستگاه MRI از فعالیت عصبی به صورت مستقیم ثبت بگیره میتونه نوروساینس رو واقعاً دگرگون کنه چون اجازه میده تا بتونیم به‌صورت غیرتهاجمی و با دقت مکانی و زمانی بالا (در حد چند میلی‌ثانیه) از همه مغز ثبت بگیریم. این دقیقاً ادعایی بود که مقاله زیر داشت و برای همین هم خیلی توجه‌ها رو به خودش جلب کرد:

https://www.science.org/doi/10.1126/science.abh4340

طبیعتاً وقتی یک همچین مقاله‌ای در ژورنالی مثل ساینس چاپ میشه، آدما مشتاق میشن که در اسرع وقت این روش رو خودشون پیاده کنن. اما همه تیم‌هایی که سعی میکنن تا این روش رو پیاده کنن شکست میخورن. مقاله زیر که یکی از همین تلاش‌های شکست خورده بود عملاً میگه چیزی که تو مقاله بالا گزارش شده یک آرتیفکته که در اثر انتخاب گزینشی ترایال‌ها به وجود اومده:

https://www.science.org/doi/10.1126/sciadv.adl0999

فقط هم این مقاله نبود و کارهای دیگه‌ای هم عدم تکرارپذیری DIANA رو گزارش کردن که در مقاله زیر به خوبی جمع شده:

https://doi.org/10.53053/KINZ6963

این‌ها همه باعث شد که خود ادیتورهای مقاله اصلی نگرانی‌هاشون رو ابراز کنن و بگن که نویسنده‌ها به اندازه کافی متود رو توضیح ندادن و برای همین آدمای دیگه نتونستن تکرارش کنن. خوندن این کامنت کوتاه جالبه:

https://www.science.org/doi/10.1126/science.adk4448

و درنهایت پس از بالا و پایین‌های فراوان، سه روز پیش خود تیم کره‌ای مقاله رو Retract کردن! خلاصه‌ای از این ماجرا رو در نوشته زیر میتونید بخونید:

https://www.thetransmitter.org/retraction/authors-retract-science-paper-on-controversial-fmri-method/?utm_source=bluesky&utm_medium=org-social&utm_campaign=20250925-news-authors-retract-science-paper-on-fMRI-method

این داستان بنظرم نکات مهمی رو درباره پژوهش علمی بهمون یادآوری میکنه.
اولاً علی‌رغم اهمیت فرآیند داوری مقالات، نباید فراموش کنیم که درنهایت این جامعه علمی هستش که با تکرار و تکوین اون کار، داوریش میکنه. وگرنه شکی نیست که داوری ژورنالی مثل ساینس دقیق و سختگیرانه بوده اما خب داورها نرفتن این متود رو خودشون پیاده کنن! بنابراین وقتی کاری در یک ژورنال معتبر منتشر میشه نباید بهش به عنوان وحی منزل نگاه کنیم. نمونه‌های مشابه هم بسیار زیاده.
ثانیاً این مورد نشون میده که چرا فهمیدن دقیق روش آنالیز دیتای یک مقاله انقدر مهمه. حالا این مقاله که خود متودش هم مشکل داشته اما یکی از مشکلات مربوط به روش آنالیز بوده. کلاً ما در نوروساینس دچار یک بحران بزرگ هستیم! اونم اینه که روش‌های مختلف آنالیزی بهمون جواب‌های بسیار متفاوتی میدن. یکی از کارهای درخشانی که این مشکل رو به زیبایی نشون میده مقاله زیره که حتماً پیشنهاد میدم بخونید:

https://www.nature.com/articles/s41586-020-2314-9

اما در نهایت، با مطالعه سیر اتفاقات این داستان متوجه میشید که آدم‌ها در علم گاهی زیادی به یافته‌هاشون میچسبن، خصوصاً اگر اون یافته منجر به یک نتیجه زیبا شده باشه! حتی اگر غلط باشه! نقل قول زیر از Alan Jasanoff نشون‌دهنده همین مسئله هست

🔖 این متن که توسط اقای مهندس امیررضا بهرامنی در کانالشون منتشر شده به خوبی نشون میده که چرا صرفا ایمپکت فکتور ژورنال یک مقاله به معنی معتبر بودن نتایج یک مقاله نیست

I think it’s a sad fact about science that we make mistakes, and when the mistakes lead us in interesting directions, sometimes it’s difficult to completely let go.

⭐ ما در حال انجام یک آزمایش پژوهشی درباره‌ی یادگیری حرکتی هستیم و خیلی خوشحال می‌شیم که اگه با مشارکت در قسمت نمونه‌برداری به ما کمک کنین.

🔣 محل برگزاری: پردیس دانشکدگان فنی دانشگاه تهران-دانشکده مهندسی برق و کامپیوتر، ساختمان شماره ۲- طبقه7- اتاق شماره 707
🔣 مدت زمان نمونه‌برداری: 9 جلسه و هر جلسه حدود 45 دقیقه

❗️ شرکت در این آزمایش کاملاً اختیاری است و همه‌ی اطلاعات شما محرمانه باقی می‌ماند.

❓ هدف ما از این پژوهش پاسخ به سوالاتی است که در نهایت کمک به توانبخشی بیماران و یا افزایش سرعت یادگیری ورزشکاران خواهد کرد و بدون همکاری شما این کار ممکن نخواهد بود

❤️ جهت قدردانی از همکاری شما به 3 نفر که بهترین نتایج در یادگیری را داشته باشند، مبلغ 5 میلیون ریال تقدیم خواهد شد.

🛫 اگر مایل به همکاری هستین، لطفا فرم شرکت در پژوهش رو پر کنین تا ما با شما تماس بگیریم.

خیلی از بچه‌ها به ما پیام میدن و میگن که خیلی علاقمند به کار روی دیتا‌های مغز و استفاده از هوش مصنوعی برای مدل‌سازی هستن ولی اصلا نمیدونن از کجا باید شروع کنن 😭

✨ توی هر بخش از این کتاب، نویسندگان اومدن و نقش مدل‌های هوش‌ مصنوعی رو توی هر‌ یک از بیمار‌ها بررسی کردن و پتانسیل‌های استفاده ازش رو مورد بحث قرار دادن.

پس اگر شما هم جز اون دسته از کسایی هستین که با نوروایمیجینگ اشنایین ولی نمیدونین چجوری باید ازشون استفاده کنین این کتاب میتونه خیلی دید بهتری از این فیلد بهتون بده 🤓