📚تمرینات سری دوم #دوره_تخصصی پیاده‌سازی شبکه‌های عصبی در متلب
جواب تمرینات را به آیدی زیر بفرستید:
@Bio_engineerr
➖➖➖➖➖
@IUST_Bioelecteric

دو نقاشی از یک فرد، با 13 سال فاصله...

"استعدادهای ما از همان ابتدا کامل نیستند! بلکه برای شکوفا شدن نیاز به تلاش و زمان دارند..."
#هدف
#تلاش و #پشتکار
#موفقیت
➖➖➖➖➖
@IUST_Bioelecteric

◼️ دهقان فداکار درگذشت
ريزعلى خواجوى كه بدليل عارضه شديد ريوى در بيمارستان امام رضا (ع) بسترى بود،دقايقى پيش دار فانى را وداع گفت
هيچ وقت از ياد ايرانى ها فراموش نخواهى شد مرد...🖤
@IUST_Bioelecteric

دهقان فداکار داستانش این بود:
#غروب یکی از روزهای سرد #پاییزی جان ده ها نفر رو نجات داد
در یک #غروب سرد پاییزی هم آسمونی شد
روحش شاد🌹🌹🌹🌹
➖➖➖➖➖
@IUST_Bioelecteric

📚تمرینات سری دوم #دوره_جامع_مهندسی_پزشکی
جواب تمرینات را به آیدی زیر بفرستید:
@Bio_engineerr
➖➖➖➖➖
@IUST_Bioelecteric

✅ واسط مغز و کامپیوتر (BCI)

💡 بخش 4: معرفی سيستم رابط مغز و كامپيوتر مبتنی بر p300
👨‍🏫 نویسندگان: مهندس کامیار نوری- محمد نوری زاده

✍️ مجموعه كارهاي انجام شده در زمينة سيستمهاي واسط مغز-كامپيوتر جزو موضوعات تحقيقاتی روز دنياست، تا امكان ارائة محصولات كاربردي براي استفاده عمومي فراهم شود.
اساس و مبناي فناوری واسط بين انسان و ماشين استفاده از سيگنالها و پارامترهاي بيولوژيكي (بويژه سيگنالهاي مغزي) به منظور هدايت سيستم‌هاي كنترلي خودكار مي‌باشد.

❇️ کاربرد
🔺يكي از کاربردهای متداول که زمينه ساز تحقيقات فراواني در سيستم هاي BCI شده است، احساس نياز افرادي است که به نوعي در سيستم عادي ارتباط شان دچار نقص عصبي-عضلاني هستند، اما کاربرد¬هاي اين سيستم تنها براي استفاده هاي كمكي افراد معلول نيست و مي تواند وارد فضاي زندگي افراد سالم اجتماع نيز بشود.
بعنوان مثال مي توان از بازيهاي كامپيوتري نام برد كه در آن فرد از طريق ديدن تصاوير خاصي، تمرين و فعاليت مغزي انجام ميدهد و يا سيستمهاي واسطي كه شخص را قادر مي سازد به چندين روش مختلف با كامپيوتر ارتباط برقرار كند. يكي از مهمترين آنها، سيستم BCI مبتني بر P300 است.

❇️خصوصيات سيگنال P300
🔺از ميان پتانسیلهای مرتبط با رویداد (event related potentials , ERP) ، پتانسيلهاي برانگيختة بينايي (Visual Evoked Potential ,VEP) داراي کاربرد بيشتري بوده و بيش از سايرين شناخته شده‌ هستند.
در هنگام توجه شخص به يک پديده (مثل تحريك ديداري يا شنيداري) سيگنال مثبتي در حدود ms300 بعد از وقوع پديده آشکار مي شود و هر چه دورة زماني تحريک بيشتر باشد دامنة آن بزرگتر خواهد بود و با خسته شدن فرد دامنه کاهش ميابد، که آنرا تحت عنوان P300 مي شناسيم.
به عبارت دیگر، بعد از اینکه یک تحریک دیداری(تصویر) برای شخص نمایش داده می شود و شخص به آن توجه می کند، یک پتانسیل مربوط به رویداد ایجاد می‌شود که بعد از 300 میلی ثانیه و یا بیشتر(تا 900 میلی ثانیه) به پیک میرسد.
#واسط_مغزوکامپیوتر
#پردازش_سیگنال
#ERP
#P300
#BCI
پست ادامه دارد.....
🌀 کاری از گروه تخصصی و آموزشی دانشجویان دانشگاه علم و صنعت تهران
✅ برگزار کننده دوره های #تخصصی و #پروژه_محور مهندسی پزشکی و برق

🌐 مطالب و ویدیوهای آموزشی #رایگان ما را از #سایت متلبخونه هم میتونید دنبال کنید:👇👇
http://matlabkhoone.ir/
➖➖➖➖➖
@IUST_Bioelecteric

❇️ منشأ توليد P300
✍️ پژوهشگران در تمامي مطالعات انجام شده، سيگنالهاي ERP را برجسته ترين موج در بين مؤلفه هاي شناختي سيگنالهاي مغزي ميدانند. مؤلفه P300يك نوع خاص از سيگنالهاي ERP است كه در شرايط خاصي ظاهر مي‌شود.

🔺طبق تحقيقات انجام شده، هنگامي كه مغز در حين پردازش دنباله‌ای از تحريكات معمول، به يك تحريك غيرمعمول (تحريك هدف-target) بر مي‌خورد، يك موج P300 در سيگنال مغزي ثبت شده ظاهر مي‌شود. غالباً براي فرد مورد آزمايش در مطالعات P300 ، وظيفه(task) خاصي تعريف مي‌شود بطوريكه شخص می‌بايست فقط در پاسخ به تحريك هدف آنرا انجام دهد، مثلاً از وي خواسته مي‌شود تا تعداد تحريكات غير معمول را بشمارد. برخي از محققين عقيده دارند كه P300 ، پاسخ به يك رخداد داخلي ناشي از فعاليت شناختي است و انجام كار خارجي در توليد آن نقش مهمی ندارد. در ميان مؤلفه‌هاي يک ERP، P300 از پايدارترين و قوي‌ترين و قابل اعتمادترين پتانسيلها در ميان پتانسيلهاي ERP است.

🔺از لحاظ فيزيكي، P300 داراي قطبيت مثبت و دامنة حدود ۱۰ تا ۱۵ ميكروولت (در افراد جوان) است كه مشاهده آن به همراه EEG زمينه با يك بار ثبت گرفتن، سخت و حتی غيرممکن است و نياز به روشهاي پردازشي خاصي دارد كه معمولترين آنها تكرار تحريك و متوسطگيري است.

🔺 براي تحريكهاي صوتي، ميزان تأخير موج P300 بطور متوسط حدود 300 ميلي‌ثانيه است كه دليل انتخاب نام P300 نيز به علت قطبيت مثبت و تأخير 300 ميلي‌ثانيه‌ای آن است. ولي براي تحريكات ديگر همانند تحريك تصويري، اين زمان ممكن است تا حدود 100 ميلي ثانيه ديگر هم افزايش يابد. به هر حال اين موج P300 ناميده مي‌شود و برای شناسايي آن محدوده زمانی 200 تا 800 ميلي ثانيه را جستجو می‌کنند.

🔺 در اغلب كارهاي انجام شده در زمينة P300 از نظرموقعيت مكاني، سيگنال از سه كانال موجود روي خط وسط سر يعني Pz ، Cz و Fz ثبت شده است. تحقيقات نشان داده است در اغلب موارد P300، داراي بيشترين دامنه در ناحيه آهيانه‌ای parietal (محل الكترود Pz) و كمترين دامنه در ناحيه پيشانی_frontal (محل الكترود Fz) است (Pz>Cz>Fz). هر چند كه در اغلب كاربردهاي BCI در حالت تك كاناله، كانال Cz را انتخاب مي كنند
جهت اطلاعات بیشتر میتوانید مقاله زیر را مطالعه کنید:
http://journals.sagepub.com/doi/abs/10.1177/1073858405280524

#واسط_مغزوکامپیوتر
#پردازش_سیگنال
#ERP
#P300
#BCI
🌀 کاری از گروه تخصصی و آموزشی دانشجویان دانشگاه علم و صنعت تهران
✅ برگزار کننده دوره های #تخصصی و #پروژه_محور مهندسی پزشکی و برق

🌐 مطالب و ویدیوهای آموزشی #رایگان ما را از #سایت متلبخونه هم میتونید دنبال کنید:👇👇
http://matlabkhoone.ir/
➖➖➖➖➖
@IUST_Bioelecteric

مقاله P300
عنوان مقاله: "P300 کجای مغز ایجاد می شود و چه چیزی به ما میگوید"
➖➖➖➖➖
@IUST_Bioelecteric

❇️ مراحل تولید و ثبت P300
➖➖➖➖➖
@IUST_Bioelecteric

❇️ مراحل تولید و ثبت P300
در ابتدا توسط یک نمایشگر، حروف نمایش داده می‌شوند.
بعد از نمایش حروف هدف(TARGET)، پتانسیل مرتبط با رویداد بعد از 300 میلی ثانیه( P300 ) در مغز ایجاد می‌شود.
سپس این پتانسیل توسط الکترودها ثبت شده و به تقویت کننده انتقال داده می‌شود، بعد از تقویت دامنه سیگنال و حذف نویز، به کامپیوتر ارسال می‌شود و شخص همزمان می‌تواند سیگنالهای مغزی خود را در صفحه نمایشگر کامپیوتر مشاهده کند.
➖➖➖➖➖
@IUST_Bioelecteric

❇️ پتانسیل ثبت شده بعد از نمایش تصویر هدف(target) و تصویر غیر هدف(nontarget)
#واسط_مغزوکامپیوتر
#P300
➖➖➖➖➖
@IUST_Bioelecteric

❇️ فرق بین تصویر هدف و تصویر غیر هدف:
فرض کنید یک شخص در مقابل یک صفحه نمایشگر قرار گرفته که حروف مختلفی با ترتیب خاصی نمایش داده می‌شوند. بعضی از حروف تصویر هدف هستند و بعضی غیر هدف.
برای مثال در زمان تحریک از کاربر خواسته می شود که تعداد نمایشهای حرف a را بشمارد.
بنابراین شخص فقط لحظاتی که حرفa نمایش داده می شود، عکس العمل نشان میدهد. یا اینطور بگیم که به تصویر نمایش داده شده (تصویر هدف) توجه می کند.
در این هنگام بعد از 300 میلی ثانیه پتانسیلی رخ میدهد که به آن p300 میگویم.
و زمانی که تصویر غیر هدف باشد، توجهی صورت نگرفته و در نتیجه p300 تولید نمیشود
➖➖➖➖➖
@IUST_Bioelecteric

مراحلی که یک مهندس پزشک جهت تشخیص p300 باید انجام دهد
#تشخیص_p300
1-ثبت سیگنال
2- پردازش سیگنال
- کاهش نویز
- استخراج ویژگی
- طبقه بندی
3- صدور فرمان
➖➖➖➖➖
@IUST_Bioelecteric

♿️معلولیت محدویت نیست، البته در چنین کشورهایی👌
🔹نمونه کوچکی از امکانات آماده شده جهت راحتی و آسودگی معلولان در آلمان

3 دسامبر روزی جهانی معلولان گرامی باد🙏🌹
➖➖➖➖➖
@IUST_Bioelecteric

♿️ آیا در ایران معلولیت محدویت نیست!؟🤔
#ایران
➖➖➖➖➖
@IUST_Bioelecteric

👩‍🏫👨‍🏫 روز دانشجو بر شما دانشجویان سرسخت مبارک👌

➖➖➖➖➖
@IUST_Bioelecteric

💡اگر اراده ای باشد، راهی وجود دارد...

➖➖➖➖
@IUST_Bioelecteric

✅ درس شناسایی آماری الگو (pattern recognition)

💡 بخش 1: مفهوم کلاسبندی و انواع کلاسبندها
👨‍🏫 نویسنده: محمد نوری زاده چرلو

📚شناسایی آماری الگو: (pattern recognition)
درس شناسایی آماری الگو، میشه گفت تقریبا اساس بیشتر پروژه های مهندسی مخصوصا مهندسی پزشکی است و جزء دروسی است که در اکثر دانشگاه‌های معتبر از جمله دانشگاه‌های تهران ارائه می‌شود و در اکثر پروژه‌های مهندسی پزشکی از مباحث این درس استفاده می‌شود. دانشجویانی که این درس را گذرانده باشند مطمئنا" در انجام پایان‌نامه خود موفق خواهند بود.
تشخیص الگو شاخه ای از یادگیری ماشین است که بر تشخیص الگوها در داده ها تمرکز دارد. سیستم های تشخیص الگو در بسیاری از موارد توسط داده های برچسب‌دار (یادگیری با نظارت) آموزش داده می شوند، اما زمانی که برچسب داده در دسترس نباشد، الگوریتم های دیگر می توانند برای کشف الگوهایی که قبلا ناشناخته بودند،(یادگیری بدون ناظر) استفاده شوند.
https://en.wikipedia.org/wiki/Pattern_recognition

🔺مفهوم کلاسبندی:
در یادگیری ماشین، جزء دسته یادگیری با نظارت است، یعنی ورودی و خروجی مشخص هست و قرار است کلاسبند رابطه بین ورودی و خروجی را مشخص کند. به عبارت دیگر در پروسه آموزش لیبل هر کلاس از قبل مشخص است.

🔺انواع کلاسبندها
1️⃣ کلاسبندهای پارامتری
دانش قبلی در مورد داده داریم. یعنی میدانیم که داده چه توزیعی دارد. برای مثال اگر از قبل بدانیم توزیع داده نرمال است و در اینصورت مسئله به تعیین پارامترهای این توزیع(میانگن و واریانس) تبدیل می شود.
این کلاسبندها زمانی که فرضیه ها درست باشد، (یعنی دانش قبلی ما دقیق باشد) نتایج کلاسبندی خیلی خوبی خواهند داشت ولی اگه اطلاعات کافی نداشته باشیم، و فرضیات درست نباشد، نتیجه کلاسبندی بد خواهد شد.

🔺توزیع نرمال چیه اونوقت؟🤔😒
توزیع نرمال ، یکی از مهمترین توزیع ها در نظریه احتمال است. و کاربردهای بسیاری در علم فیزیک و مهندسی دارد.این توزیع توسط کارل فریدریش گاوس در رابطه با کاربرد روش کمترین مربعات در آمارگیری کشف شد.فرمول آن بر حسب ،دو پارامتر امید ریاضی و واریانس بیان میشود. همچنین تابع توزیع نرمال یا گاوس از مهمترین توابعی است که در مباحث آمار و احتمالات مورد بررسی قرار می گیرد چرا که به تجربه ثابت شده است که در دنیای اطراف ما توزیع بسیاری از متغیرهای طبیعی از همین تابع پیروی می کنند.
توضیحات بیشتر:
https://en.wikipedia.org/wiki/Normal_distribution
http://daneshnameh.roshd.ir/mavara/mavara-index.php?page=%D8%AA%D9%88%D8%B2%DB%8C%D8%B9+%D9%86%D8%B1%D9%85%D8%A7%D9%84&SSOReturnPage=Check&Rand=0

2️⃣کلاسبندهای غیر پارامتری
هیچ دانشی در مورد توزیع داده نداریم، و فقط براساس آموزش، شکل و فرم توزیع نمونه ها تخمین زده می شود و هر چقدر تعداد نمونه های آموزشی بیشتر باشد، نتایج بهتر خواهد شد.
◀️ از کلاسبندهای غیرپارامتری میتوان کلاسبند svm، knn، شبکه های عصبی و ... نام برد.
◀️ از کلاسبندهای پارامتری میتوان کلاسبند بیزین، کلاسبند حداقل فاصله اقلیدسی و ماهالانوبیس، ماکزیمم شباهت و ... نام برد.
https://en.wikipedia.org/wiki/Nonparametric_statistics


🌀 کاری از گروه تخصصی و آموزشی دانشجویان دانشگاه علم و صنعت تهران
✅ برگزار کننده دوره های #تخصصی و #پروژه_محور مهندسی پزشکی و برق

1️⃣ دوره عملی شناسایی آماری الگو
2️⃣ دوره شناسایی آماری الگو در پردازش سیگنال (دوره جامع مهندسی پزشکی)
3️⃣ دوره شناسایی آماری الگو در پردازش تصویر
4️⃣ دوره تخصصی پیاده سازی شبکه های عصبی در متلب

➖➖➖➖➖
@IUST_Bioelecteric

✅ پروسه ای که در یک پروژه #شناسایی_الگو باید انجام شود:
1- ثبت داده
2- پیش پردازش
3- استخراج ویژگی
4- انتخاب ویژگی- کاهش ابعاد
5- کلاسبندی- خوشه بندی
➖➖➖➖➖
@IUST_Bioelecteric

✅ کلاسبند بیزین:
🔺قضیه بیز:
روشی برای دسته بندی پدیده‌ها، بر پایه احتمال وقوع یا عدم وقوع یک پدیده‌است و در نظریه احتمالات با اهمیت و پرکاربرد است. اگر برای فضای نمونه‌ای مفروضی بتوانیم چنان افرازی انتخاب کنیم که با دانستن اینکه کدامیک از پیشامدهای افراز شده رخ داده‌است، بخش مهمی ازعدم‌اطمینان تقلیل می یابد.
این قضیه از آن جهت مفید است که می‌توان از طریق آن احتمال یک پیشامد را با مشروط کردن نسبت به وقوع یا عدم وقوع یک پیشامد دیگر محاسبه کرد. در بسیاری از حالت‌ها، محاسبهٔ احتمال یک پیشامد به صورت مستقیم کاری دشوار است. با استفاده از این قضیه و مشروط کردن پیشامد مورد نظر نسبت به پیشامد دیگر، می‌توان احتمال مورد نظر را محاسبه کرد. این رابطه به خاطر بزرگداشت توماس بیز فیلسوف انگلیسی به نام فرمول بیز معروف است.

کلاسبند بیزین یک روش آماری بسیار قوی است که برای کلاسبندی الگوها استفاده می شود.
💡کلاسبند بهینه کلاسبندی است که بتواند دانش قبلی که بدون اندازه گیری بدست می آید را با اطلاعات اندازه گیری شده ترکیب کند. چون هر دوی این اطلاعات در تصمیم گیری کمک کننده هستند ولی به تنهایی کارایی خوبی ندارند. ولی زمانی که این دو اطلاعات باهم ترکیب شوند باعث تصمیم گیری دقیق می شوند.
🔺 کلاسبند بیزین دانش قبلی را با استفاده از اطلاعات اندازه گیری شده به احتمالات پسیین تبدیل می کند که نقش تعیین کلاس را دارد، از اینرو اگر اطلاعات ما دقیق باشد، کلاسبند بیزین بهینه ترین کلاسبند است.
#کلاسبند_بیزین
#کلاسبندی
#شناسایی_الگو

❇️خلاصه ای از مطالب دوره تخصصی جامع مهندسی پزشکی
🌀 کاری از گروه تخصصی و آموزشی دانشجویان دانشگاه علم و صنعت تهران
✅ برگزار کننده دوره های #تخصصی و #پروژه_محور مهندسی پزشکی و برق
➖➖➖➖➖
@IUST_Bioelecteric

✅ کلیات کلاسبند بیزین در یک تصویر👌
#کلاسبند_بیزین
➖➖➖➖➖
@IUST_Bioelecteric