📝 کشف نامه ۴۰۰ ساله #گالیله برای فریب دادگاه تفتیش عقاید #کلیسا

به گزارش وبسایت هیستوری، در این نامه که در سال ۱۶۱۳ نوشته شده است منجم و ریاضی‌دان معروف ایتالیایی برای اولین بار علیه این نظریه که خورشید دور زمین می‌گردد استدلال می‌کند. زمانی که یک نسخه از این نامه به دادگاه تفتیش عقاید ارائه شد، گالیله ادعا کرد تنظیم کلمات این نسخه به نحوی بوده است تا عقاید او کفرآمیزتر جلوه کند در حالی که نسخه اصلی که وی نوشته است چنین مضامینی در بر ندارد.

نامه جدید کشف شده که اکنون در کتابخانه جامعه سلطنتی بریتانیا نگهداری می‌شود، نشان می‌دهد نامه اولیه ارائه شده به دادگاه اصل بوده و خود گالیله به منظور محافظت از خودش در برابر اتهامات دادگاه #تفتیش_عقاید اقدام به ارائه یک نسخه دیگر تعدیل‌شده کرده است تا از مجازات شدیدتر در امان بماند.

https://www.nature.com/articles/d41586-018-06769-4

https://twitter.com/euronews_pe/status/1043898003009024001

✔️ @OnlineBME

.
💡💡پدر آرش تصمیم گرفته که یک ماشین برای آرش بخرد.
آرش دو تا گزینه دارد که باید یکی را انتخاب کند:
1⃣ ماشین x : قیمت 50 میلیون تومان

2⃣ ماشین y : قیمت 80 میلیون تومان

⬅️ اگر آرش ماشین x را انتخاب کند همین فردا پدر آرش ماشین را خواهد خرید. و اگر ماشین y را انتخاب کند سال دیگه خواهد خرید.

🔺 فرض بر این است که قیمت هر دو ماشین تا سال دیگه تغییر نخواهد کرد.

✅ شما جای #آرش باشید کدوم یکی رو انتخاب میکنید؟؟

❇️ به سوال فکر کنید و جواب دهید. یک مطالعه #روانشناسی در این زمینه انجام شده که نتیجه مطالعه در پست بعدی در کانال قرار داده خواهد شد.
مطالعه قبلی که ثابت شد #پیر شدیم😂😅

✔️ @OnlineBME

✅🌐 محققان دانشگاه پزشکی شیکاگو و دانشگاه واشنگتن سیاتل با مطالعه بر روی روش های تشخیص سرطان سینه در زنان دریافتند که دوبار تصویر برداری با MRI در سال نسبت به یک بار ماموگرافی در سال، تاثیر بیشتری در تشخیص سرطان سینه در زنانِ جوان با مشخصات ژنتیکی پر خطر دارد.
👨‍💻 نویسنده: معصومه دلگرمی

✍ نتایج حاکی از آن است که یافتن سریعترِ نشانه های سرطان در زنان با مشخصات ژنتیکی پرخطر ، در بهبود روند درمان بسیار موثر است. در تحقیق به عمل آمده بیشتر زنان علیرغم داشتن تغییرات ژنتیکی مانند BRCA1 ، به دلیل مراقبت های شدید و با کیفیت بالا سرطان سینه در آنها رشد نکرده است.
در این تحقیق محققان، از 295 زن برای انجام آزمایش بالینی ثبت نام به عمل آورند و میانگین سن این افراد 43 سال بود. داوطلبان شرکت کننده در این آزمایش باید بیش از 20 درصد احتمال ابتلا به سرطان سینه را داشته باشند. بیش از نیمی از زنانی که در این تحقیق شرکت کردند، یکی از 11 اختلافات ژنتیکی شناخته شده مرتبط با سرطان سینه را داشتند. 75 مورد از 157 زن، جهشِ BRCA1 داشتند و 61 نفر جهش BRCA2 را داشتند. این مطالعه همچنین شامل زنان مبتلا به سرطان سینه یا سرطان تخمدان (DCIS) قبل از سن 35 سالگی یا زنانی که مادر و یا خواهر آن ها مبتلا به سرطان سینه قبل از 50 سالگی تشخیص داده شدند. افراد مورد مطالعه در این تحقیق در یک نوع آزمایش ژنتیکی شرکت کردند که در این آزمایش به دنبال ژن هایی بودند که مرتبط با سرطان سینه بود.
پس از ارزیابی توسط پزشک و مشاور ژنتیک، شرکت کنندگان باید هر 6 ماه یکبار یک آزمایش معاینه ی پستان بالینی و تصویربرداری ام آر آی انجام دهند و علاوه بر آن باید هر 12 ماه یکبار نیز ماموگرافی انجام دهند.
در طی این مطالعه محققان 2111 آزمایش ام آر آی انجام دادند (به طور متوسط حدود 7 آزمایش برای هر شرکت کننده) و 2223 بار ماموگرافی انجام دادند (به طور متوسط حدود 4 آزمایش برای هر شرکت کننده).
آنها 17 سرطان را یافتند: 4 سرطان تخمدان و 13 سرطان سینه
تمام این 17 بیمار به مدت 5 سال مداوم تحت نظارت و مداوا بودند اکنون همه ی آنها زنده و بدون ناراحتی های سیستمی هستند.
به گفته ی Gregory Karczmar استاد رادیولوژی دانشگاه شیکاگو ، نتایج این تحقیق نشان می دهد که انجام ام آر آی هر 6 ماه یکبار در تشخیص زودهنگام سرطان سینه در زنان با مشخصات ژنتیکی پر خطر به خوبی عمل می کند. او افزود هدف نهایی تشخیص تومورهای کمتر از 1 سانتی متر است. و اما ماموگرام به طور معمول برای نمایش سرطان سینه به کار می رود و برای حدود 40 درصد از زنان گزینه ی مناسبی نیست. وی افزود: ام آر آی نسبت به ماموگرافی حساس تر است و می تواند سرطان سینه ی غیر تهاجمی را نسبت به ماموگرافی سریعتر تشخیص دهد. اما متاسفانه ام آر آی برای تصویر برداری روتین گران تر است.
به گفته ی پروفسور Mary Claire King پزشک و استاد دانشگاه واشنگتن و محقق جامعه ی سرطان آمریکا در حوزه ی سرطان پستان، هدف اصلی این مطالعه ، درک نیاز های اساسی زنان در معرض ابتلا به سرطان پستان است.
انجمن سرطان آمریکا(ACS) در حال حاضر سالانه یه بار ام آر آی و یکبار ماموگرافی را برای زنان در معرض ابتلا به سرطان سینه پیشنهاد می کند.

منبع:
https://medicalxpress.com/news/2018-09-women-genetic-twice-a-year-mri-mammograms.amp


#خبر
#تازه_ها
#سرطان_سینه
#مهندسی_پزشکی
#مریم_میرزاخانی
#MRI

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
✔️ @onlineBME

✅ نشانه ای از ضریب هوشی بالا 🧐🧐

چقدر میتوانید برای دریافت پاداش خود صبر کنید؟
یافته های تحقیقاتی نشان میدهد که داشتن self-control (خویشتنداری)، نشانه ای از ضریب هوشی بالا است. در هنگامه مواجهه با وسوسه، افراد باهوش خونسردی خود را حفظ می‌کنند.

👨‍💻 نویسنده: محمد نوری زاده چرلو

✍ از قبل شناخته شده بود که خونسردی افراد با ضریب هوشی بالای آنها در ارتباط هست ولی پایه و اساس آن ناشناخته بود. در یک مطالعه ای، افرادی که از ضریب هوشی بالایی برخوردار بودند، برای یک پاداش بزرگتری صبر کردند. در این مطالعه، 103 نفر یک آزمایشی انجام دادند که قرار شده بود بین پاداش فوری اما کوچک پاداش بزرگتر اما دیرتر، یکی را انتخاب کنند. اگر بخواهیم یک مثالی بزنیم، فرض کنید که امروز به شما 5 دلار پول به عنوان پاداش میدهم، ولی اگه صبر کنید، یک ماه دیگه 10 دلار میدهم. 5 دلار امروز رو می خواهید یا 10 دلار فردا رو؟؟ انتخاب پاداش بزگتر اما با تاخیر، منطقی است، ولی بازده فوری پاداش کوچک وسوسه انگیز است.
روانشناسان این را "ارزش تاخیری" می نامند، هر چقدر که برای مردم برای پاداشی صبر میکنند، به همان مقدار به آن از ارزش می‌کنند.
چند توضیح ساده در مورد ارزش تاخیری: برپایـه نظریـه کـاهش ارزش تأخیری، ارزش پـاداشهـای تـأخیری در ذهـن افـراد (ارزش ذهنی) به علت وجود فاصله یـا تـأخیر زمـانی کاهش می‌یابد. برای نمونه، اگر امکان انتخاب بین یـک پاداش مالی فوری و یک پاداش تأخیریِ هم ارزش داده شود، افراد معمولاً پاداش فوری را برمـی‌گزیننـد و در صورتی به پاداش تأخیری روی می‌آورند که مقـدار آن بیشتر از پاداش فوری باشد. کاهش ارزش تأخیری به معنی برتری داشتن پاداشهای فوری و کوچک بر پاداشهای بزرگ و تأخیری است.

نتایج نشان میدهند که هر چقدر افراد هوش بالایی داشته باشند، برای پاداش خود بیشتر صبر می‌کنند، به همین خاطر خونسردتر هستند.
اسکنهای مغزی آشکار کرده اند که افراد با ضریب هوشی بالا فعالیت بیشتری در ناحیه ای به نام کورتکس پیش قدامی (anterior prefrontal cortex) دارند. این بخش از مغز به فرد کمک میکند تا مشکلات پیچیده را مدیریت کند.
دکتر Noah Shamosh اولین نویسنده این مطالعه میگوید که: از قبل معلوم شده بود که در بعضی مواقع ضریب هوشی با خونسردی فرد مرتبط است، ولی ما دلیل این را نمی دانستیم.
خب اونایی که 50 میلیون رو انتخاب کردند همانطور که قبلا با اینکه زن پیر را در نگاه اول دیده بودند پیر نیستند، اینجا هم ضریب هوشی بالایی دارند.😅
سن و ضریب هوشی فقط یه عددند،😅
خلاصه آره😅😅

منبع:
https://www.spring.org.uk/2018/09/cool-sign-of-high-iq.php
#خبر
#شناخت_مغز
#مهندسی_پزشکی
#روانشناسی
#ضریب_هوشی

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی

✔️ @OnlineBME

مدیر عامل شرکت Adobe در مورد درآمد شرکت، آینده ی Adobe و بحران مالی این شرکت می گوید و اینکه هوش مصنوعی چگونه می تواند به جذابیت نرم افزارهای این شرکت کمک کند و یا شاید راه حلی برای بحران مالی آن باشد

✅شرکت Adobe هم به هوش مصنوعی می اندیشد!

👩‍🏫نویسنده: هما کاشفی امیری
در حال حاضر Adobe پلت فرم هوش مصنوعی خود یعنی Adobe Sensei را با فتوشاپ و سایر محصولات خلاقانه ی خود ترکیب کرده است. Adobe Sensei یک پلت فرم هوش مصنوعی و یادگیری ماشین است که به طور دقیق متوجه می شود که کاربران چگونه کار می کنند و کارهای خلاقانه انجام می دهند. چیزی که باعث شده است Sensei منحصر به فرد باشد این است که Adobe تنها شرکت در عرصه ی صنعت است که هنر محتوا و بیان و ارائه ی خلاقانه را با هم پیوند داده است
حوزه های اصلی که بر آنها تمرکز کرده اند عبارتند از: هوش محتوایی، خلاقیت محاسباتی و تجربیاتی که مربوط به درک رویدادهای ارائه ی محتواست. اگر بتوان روش ایجاد محتوا را در یک ابزار خلاقانه به کامپیوتر یاد داد و آن را در Adobe Experience Cloud قرار داد؛ می توان از طریق روش های تحلیلی آن را مورد سنجش قرار داد و به صورت فیدبک به سیستم ارائه کرد تا در نهایت همان چیزی که کاربران می خواهند را انجام دهد بدون اینکه کاربران جریان کاری خاصی را طی کنند یا وارد جزئیات شوند.
یکی از نرم افزارهای Adobe مانند فتوشاپ را فرض کنید که فقط با کامپیوتر صحبت می کنید و کاملاً متوجه می شود که می خواهید چه کار کنید، همین امر باعث می شود این نرم افزارها در دسترس تر
شوند و خیل عظیمی از مشتریان را به خود جذب کنند.
منبع:
https://www.webpronews.com/how-adobe-is-using-ai-to-transform-the-customer-experience/

#خبر
#تازه_های_هوش_مصنوعی
#یادگیری_ماشین
#هوش_مصنوعی
#فتوشاپ
#Adobe

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖➖➖
✔️ @OnlineBME

📚 آموزش برنامه نویسی پایتون
#جلسه12_python

#Homeworks

👩‍🏫 مدرس: مهندس معصومه دلگرمی 🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖➖➖
✔️ @onlineBME

💡ذهن ناخودآگاه خود را کنترل کنید! رازهای پنهان نوروساینس(عصب شناسی)
سلام، در لینکی که در پایین متن قرار داده ایم، یک دوره ی #رایگان گذاشته اند که براساس نوروساینس است. در این دوره 9 گام نوروساینسی جهت کنترل ناخودآگاه ارائه کرده اند و با این هدف که به افراد کمک کنند تا با کنترل ناخودآگاه خود در آینده زندگی بهتری داشته باشند.
👨‍💻نویسنده: محمد نوری زاده چرلو

✍ اصول اساسی علوم اعصاب و مغز را یاد بگیرید تا متوجه بشوید که چطور میتوان مغز را کنترل کرد تا به طور خودکار برای داشتن آینده بهتر (نه برای بقاء)عمل کند.
آیا تا به حال چیزی را واقعا خواستید داشته باشید و نتوانسته اید بدستش بیاورید؟! فقط به این دلیل است که مغز شما اقدامات لازم برای تحقق آنها انجام نداده است! به عبارت دیگر مغز شما از خواسته های شما حمایت نکرده است!
آیا تا به حال به این فکر کرده اید که چه کسی شما را مجاب میکند که تصمیمی بگیرید یا عملی انجام دهید؟ آیا تا به حال به این فکر کرده اید که چه کسی زندگی شما را میسازد!
اگر میخواهید کنترل ذهن خود را خودتان به دست بگیرید تا به جای اینکه ذهنتان برای بقا عمل کند، برای آینده بهتر عمل کند، بهتر است ویدیوهای این دوره رو تماشا کنید.
به گفته ی مدرس این دوره، شما در دوره، یاد خواهید گرفت که چطور ذهن خود را کنترل کنید تا بتوانید به آینده دلخواه خود برسید.
در این دوره شما مفاهیم و اصول را یاد خواهید گرفت، و زمانی که شما با این مفاهیم و اصول ارتباط برقرار کردید، زمانی که آنها را درک کردید، زمانی که آنها را شناختید، و زمانی که آنها را بخشی از خودتان کردید، آن هنگام این اصول در هر معامله و گفتگو به شما کمک خواهد کرد، شما را برای روبرو شدن با هر #چالشی آماده خواهد کرد. این به معنی نیست که شما مغز خود را مجبور به انجام کاری میکنید، بلکه شما با درک اصول بی انتها و با استفاده از این اصول، تقلیدها، سخنرانی ها و تمرین ها، مواری که برای شما مفید است را وارد دنیای واقعی خودتان خواهید کرد.
پ.ن: خلاصه خیلی از دوره خودشون تعریف کردند، از آنجا که #رایگان بود گفتیم برای شما هم معرفی کنیم تا اگر علاقه مند بودید دانلود کنید و استفاده کنید. حجم ویدیوها حدود 2.8 Gb است.
لینک:
https://tutsgalaxy.com/control-your-subconscious-mind-neuroscience-hidden-secrets/

#نوروساینس
#کنترل_ذهن
#کنترل_ناخوآگاه
#روانشناسی
#مهندسی_پزشکی
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖➖➖
✔️ @OnlineBME

📽🎞 اینم از مقدمه دوره ها...
در این ویدیو هدف کارو توضیح میده.
دوره رایگان هست و راحت میتونید دانلود کنین😊
#کنترل_ذهن
#ضمیر_ناخودآگاه
➖➖➖➖➖➖
✔️ @OnlineBME

📚 آموزش EEGLAB
📌 جلسه 5: رسم توان طیفی و نقشه توپولوژی کانالهای سیگنال EEG
👨‍💻 مدرس: محمد نوری زاده چرلو
#EEGLAB5
#پردازش_سیگنال

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
✔️ @OnlineBME

‌کمپین معلولان:
قیمت #سمعک به حدود ۸ میلیون رسید!

۲۰ هزار نفر از معلولان #کم‌شنوا و #ناشنوا در انتظار دریافت سمعک پشت نوبت قرار دارند!

معلولان و سالمندانی که از سمعک استفاده می‌کنند با مشکلات عدیده‌ای روبه‌رو شده‌اند!/تسنیم
#هفته_جهانی_ناشنوایان

https://twitter.com/dscampaign1/status/1044959834133561344

✔️ @OnlineBME

🔍 take the worry off the throne...

#جول_اوستین
✔️ @OnlineBME

✅🌐 تراشه الکترونیکی کاشته شده در مغز می تواند تشنج را متوقف کند!
محققین موفق شدند ثابت کنند که چطور می شود با یک قطعه الکترونیکی کاشته شده در مغز تشنج‌‌های صرعی را شناسایی، و از وقوع آن جلوگیری کند!

👨‍💻 نویسنده: محمد نوری زاده چرلو

✍ محققان دانشگاه کمبریج، یک تراشه ی الکترونیکی در مغز موشها کاشتند، و زمانی که اولین سیگنالهای مربوط به تشنج آشکار شدند، یک ماده شیمیایی به مغز انتقال دادند و و از پیشرفت تشنج جلوگیری کردند. نتایج گزارش شده در مجله science advances برای شرایط دیگری مثل بیماریهای پارکینسون و تومورهای مغزی استفاده شود.
این کار نشان دهنده ی پیشرفت دیگری در توسعه قطعه ی الکترونیکی نرم و انعطاف پذیر است که با بافت انسان همخوانی دارد.
نظر پروفسور جورج مالياراس، استاد فناوري در دانشکده مهندسي کمبریج، که هدایت این تحقیق را برعهده داشتند، درباره قطعه الکترونیکی: "اين فيلمهای نازک و آلی، کمترین خسارت در مغز را دارند و خواص الکتريکی آنها برای اين نوع کاربردها مناسب است."
با اینکه انواع مختلفی از تشنجهای صرعی وجود دارد، در اکثر بیماران مبتلا به صرع، #نورونها در مغز شروع به تولید پتانسیل عمل(spike) می کنند و به نورونهای های همسایه سیگنال میفرستند تا آنها هم فعال شوند و پتانسیل عمل تولید کنند، که این اتفاق به آگاهی فرد تاثیر گذاشته و کنترل حرکتی فرد را تحت تاثیر قرار میدهد. اغلب از داروهای ضدصرع استفاده میشود که اکثر آنها اثرات جانبی بسیاری جدی ای دارند و در 3 نفر از بین 10 نفر نمی‌تواند از وقوع تشنج صرعی جلوگیری کند.
در مطالعه جدید انجام شده، محققان از یک انتقال دهنده نورونی استفاده کرده اند که شبیه یک #ترمز در منبع تشنج عمل می‌کند، در واقع به نورونها القا میکند که پتانسیل عمل تولید نکنند تا تشنج متوقف شود.
توسط یک پروپ عصبی که شامل یک پمپ یونی کوچک و الکترودهایی که فعالیت عصبی را کنترل میکنند، دارو به نواحی آسیب دیده مغزی ارسال میشود.
زمانی که سیگنال عصبی یک تشنج توسط الکترودها تشخیص داده می شود، پمپ یونی فعال شده و یک میدان الکتریکی تولید میکند که دارو را از غشا عبور میدهد که به این پروسه الکتروفورز گفته می شود. مقدار دارو با تنظیم میزان میدان الکتریکی کنترل میشود.

دکتر کریستوفر در این میگویند که: علاوه بر کنترل زمان ارسال و مقدار دارو، دارو می‌تواند بدون هیچ حلالی از دستگاه بیرون بیاید.
منبع:
https://www.sciencedaily.com/releases/2018/08/180829143824.htm
#صرع
#تشنج
#قطعه_الکترونیکی
#مهندسی_پزشکی

🏢 آکادمی مهندسی پزشکی هوش مصنوعی
➖➖➖➖➖
✔️ @OnlineBME

🎥 گوگل ۲۰ ساله شد؛ ویدیوی رسمی گوگل به مناسبت این سالگرد و برخی از محبوب‌ترین موضوعات جستجو شده در این بیست سال
#گوگل
✔️ @OnlineBME

📕📒📗یادگیری ماشین
#جلسه_یازدهم( #ML11 ) :
ادامه فرآیند مارکوف
👩‍🏫 مدرس: هما کاشفی امیری
#machine_learning
#ML11
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
✔️ @onlineBME

داستان یک کامپیوتر بلندپرواز به نام A.N.N!
🔹خنگ دوست داشتنی😅

✔️ @OnlineBME

✅راهی جدید برای توضیح شبکه های عصبی

👩‍🏫نویسنده: هما کاشفی امیری

✍️در حال حاضر اکثر ما دید کلی از شبکه عصبی داریم و نقشی که شبکه عصبی در بخش «یادگیری ماشین» حوزه ی «هوش مصنوعی» ایفا می کند را به طور کلی می شناسیم. همچنین در حوزه ای به نام یادگیری عمیق، شبکه های عصبی ساختارهای الگوریتمی در نظر گرفته می شوند که به ماشین ها کمک می کنند تا در هر تسکی مانند تشخیص چهره و اجتناب از برخورد اتومبیل تا تشخیص های پزشکی و پردازش زبان طبیعی بهتر از الگوریتم های قبلی نتیجه بگیرند.
نحوه ی توضیح این که شبکه های عصبی مصنوعی (ANN) چگونه کار می کنند بدون اینکه وارد جزئیات دقیق ریاضیاتی شویم، مسئله ای است که کمتر به آن پرداخته شده است. اغلب روند کار و ارتباطات این شبکه ها به مسیرهای عصبی مغز انسان تشبیه می شوند که اتفاقا شباهت کاملی بین آنها وجود ندارد
شاید وقت آن رسیده است که شبکه های عصبی را به شیوه ی دیگری یاد بگیریم که filmmaker Ben Sharony و PokeGravy Studios برای توضیح این شبکه ها یک انیمیشن کوتاه با موزیک Edmund Jolliffe ارائه داده اند و این ویدیو داستان کوتاهی در مورد ANN می گوید که کامپیوتر دمدمی مزاج است که مانند همه ی کامپیوترهای دیگر نیست و دوست ندارد اطلاعات به آن وارد شود.
این کامپیوتر دمدمی مزاج که ANN نام دارد ترجیح می دهد خودش همه چیز را یاد بگیرد. در این ویدیو سپس مفهوم شبکه عصبی را توضیح می دهد و کامپیوتر چگونه با استفاده از آن می تواند اولین چیزی که می بیند را شناسایی کند. ANN زیاد اشتباه می کند تا زمانی که با روش سعی و خطا (و فیدبک و به طور خلاصه فرآیند پس انتشار خطا) در نهایت یاد می گیرد چطور یک شی را شناسایی کند.
یادگیری عمیق به همین سادگی است. برای شناسایی یک جسم خاص، شبکه عصبی به ویژگی های مختلف شی مانند شکل، رنگ و سطح شی توجه می کند و با استفاده از روش پس انتشار خطا، پیش بینی های خود را به واقعیات موجود نزدیک می کند.

منبع:https://techcrunch.com/2018/09/26/a-new-way-to-explain-neural-networks
#خبر
#هوش_مصنوعی
#شبکه_عصبی
#یادگیری_عمیق

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
✔️ @onlineBME

برای اولین بار در جهان مرد فلجی حس لامسه خود را دوباره بدست آورد
خبر برای سال پیش هست. امسال تحقیقاتی جدیدی در این زمینه انجام شده که در ادامه در کانال قرار خواهیم داد
#BCI
✔️ @OnlineBME

✅ بیمار فلجی که دوباره حس لامسه پیدا کرد!
خلاصه:
دانشمندان با استفاده از آرایه ای از الکترودهای کاشته شده در قشر Somatosensory مغز، احساسات لمس و حرکت در دست و بازوی مرد فلج را بازگرداندند.
👨‍💻 نویسنده: محمد نوری زاده چرلو

✍ برای اولین بار، دانشمندان Caltech با تحریک یک ناحیه مغز توسط یک آرایه کوچک از الکترودها، احساسات طبیعی (لمس و حرکت) در بازوی یک مرد فلج شده ایجاد کرده اند. بیمار دارای ضایعه نخاعی سطح بالا بود و علاوه بر عدم توانایی حرکت اندام خود، هیچ احساسی در اندام خود نداشت. این کار می تواند به بیماران فلج شده یک روز اجازه دهد تا با استفاده از اعصاب مصنوعی، احساسِ بازخورد فیزیکیِ سنسورهای قرار داده شده در این دستگاه ها را داشته باشند.
این تحقیق در آزمایشگاه ریچارد آندرسن، استاد علوم اعصاب و جیمز بوسول، مدیر مرکز مغز و اعصاب T & C Chen انجام شده است که یک مقاله توصیفی درباره این پژوهش در مجله eLife به چاپ رسیده است.
قشر Somatosensory یک بخشی از مغز است که حواس های جسمی، احساسات تجربی (حرکت یا موقعیت بدن در فضا) و احساسات پوستی (فشار، لرزش، لمس و ...) را کنترل می کند. در پژوهشهای قبلی، ایمپلنت های عصبی قرار داده شده در مناطق مغزی مشابه، عمدتا احساساتی مانند سوزش یا وزوز در دست را ایجاد کرده بودند. ایمپلنت آزمایشگاه آندرسن قادر است احساسات بسیار طبیعی (شبیه به احساساتی است که بیمار قبل از آسیبش تجربه کرده است) را از طریق تحریک داخل مغزی ایجاد کند.
بیمار سه سال قبل پس از یک آسیب نخاعی، از شانه ها فلج شده بود. دو آرایه از الکترود های کوچک به صورت تهاجمی در قشر Somomatosensory کاشته شدند.از طریق این آرایه های کاشته شده، محققان با استفاده از پالس های بسیار کوچک، نورون های منطقه را تحریک کردند. بیمار بعد از تحریک عصبی احساسات طبیعی مختلفی از قبیل فشار دادن، ضربه زدن، احساس حرکت به سمت بالا و ... را تجربه کرد که در نوع، شدت و مکان بسته به فرکانس، دامنه و موقعیت تحریک آرایه ها متفاوت است. این برای اولین بار است که احساسات طبیعی توسط تحریک عصبی داخل مغزی ایجاد شده است.
اینکه بیمار در مورد احساسات صحبت می‌کرد خیلی جالب بود. که امیدواریم این پژوهش در آینده کمک به بیماران فلج کمک کند تا احساسات طبیعی خود را دوباره بدست بیاورند.
اگر چه تحریکهای مختلفی موجب ایجاد احساسات مختلف می شوند، ولی هنوز کدهای عصبی‌ای که بخشهای مخلتف حسی را کنترل میکنند، مشخص نیست. در کارهای آینده، محققان امیدوارند که روش دقیق برای قرار دادن الکترود و تحریک مناطق مغزی سموتوسنسوری جهت ایجاد احساسات خاص و ایجاد dictionary تحریک و احساسات مرتبط با آن، تعیین کنند.
طبق گفته آندرسن، گام بزرگ بعدی این است که این فناوری را با پروتزهای عصبی موجود ترکیب کنند. در سال 2015، آزمایشگاه آندرسن، یک واسط مغز و کامپیوتری توسعه دادند که بازوی رباتیک پروتز را به الکترودهایی که در ناحیه مغز به کار گرفته شده بود، متصل کردند. به این ترتیب، یک مرد فلج شده توانست با استفاده از بازوی پروتز یک لیوان را بلند کرده و آب بنوشد. اتصال دستگاه با قشر Somatosensory باعث ایجاد شاخص های BMI دو طرفه می شود که یک فرد فلج شده در عین حال که از اندامهای پروتز استفاده می‌کند، دوباره احساس لامسه و حرکت را داشته باشد.

آندرسن می گوید: "در حال حاضر تنها بازخوردی که برای پروتز های عصبی در دسترس است، بصری است، به این معنی که شرکت کنندگان می توانند عملکردهای اندام های رباتیک را نگاه کرده و حرکت را تنظیم کنند.
"با این حال، هنگامی که یک شیء لمس می شود، ضروری است که اطلاعات سوسومسوزورسیم را داشته باشیم تا راحتتر object را جابجا کنیم. احساسات somatosensory ناشی از تحریک، مزیت بالقوه ای را برای تولید یک حس تجسمی دارند؛ مثلا یک بیمار ممکن است در طول زمان احساس کند که اندام روباتیک بخشی از بدن آن است. "
منبع:
https://www.sciencedaily.com/releases/2018/04/180410084233.htm

#خبر
#واسط_مغز_کامپیوتر
#مهندسی_پزشکی
#bci

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖➖➖
✔️ @onlineBME

✅آیا بیماران به کما رفته زنده می مانند یا می میرند؟
✍️یادگیری ماشین به این تصمیم گیری کمک می کند.
یک الگوریتم به محققان چینی کمک می کند تا تعیین کنند آیا یک بیمار کما دوباره بیدار می شود یا خیر

👩‍🏫نویسنده: هما کاشفی امیری

زمانی که فردی به کما می رود، تمام توانایی های حرکتی خود را از دست می دهد. فعالیت مغز به طور قابل توجهی آهسته می شود. در برخی از موارد، هیچ محرک خارجی مانند نور و حرکت دادن نمی تواند این بیماران به کما رفته را بیدار کند. تعیین وضعیت آینده ی آنها اغلب دشوار است. آیا آنها دوباره بیدار خواهند شد؟
متخصصان مغز و اعصاب چینی در آکادمی علوم و بیمارستان عمومی PLA در پکن در تلاشند تا ابزاری را توسعه دهند که به پزشکان در ارزیابی دقیق وضعیت بیماران به کما رفته کمک کند. اما آنها به نسل پزشکانی رسیدند که قبل از آن هرگز آنها را ملاقات نکرده بودند: پزشکان ماشینی. الگوریتم های این چنینی بخشی از منبع در حال رشد ابزارهای داده محور هستند که می توانند از نظر عاطفی به اعضای خانواده ی بیمار و پزشکان کمک کنند تا در مورد درمان بیمار تصمیم گیری کنند و یا زمان خداحافظی آنها از این جهان را تعیین کنند.
محققان داده های fMRI (تصویربرداری رزونانس مغناطیسی کارکردی) را از هزاران بیماران به کما رفته جمع آوری کردند و به الگوریتم های یادگیری ماشین دادند. این اطلاعات به این الگوریتم ها کمک می کند تا تعیین کنند چقدر احتمال دارد یک بیمار زنده بماند.
نتایج آن بسیار امیدوار کننده به نظر می رسند. محققان این آکادمی گفتند: «ما وضعیت تعدادی از بیماران را به درستی پیش بینی کردیم که هیچ امیدی به بهبود آنها نبود»
دقت این الگوریتم 90 درصد است. و آنها از این روش برای بیش از 300 بیمار در سراسر چین استفاده کردند. آنها امیدوارند که تکنولوژی مشابه بتواند به تعیین وضعیت بیش از 50000 بیماری که دارای اختلال مزمن آگاهی در چین هستند کمک کند.
دانشمند عصب شناسی و بنیانگذار starmind که یک شرکت سوئیسی است می گوید بیماران به کما رفته برای این نوع تکنولوژی های یادگیری ماشین می توانند بسیار کمک کننده باشند. او در توسعه ی الگوریتم های هوش مصنوعی کار می کند. در واقع ماشین ها در تحلیل این نوع داده های بیولوژیکی پیچیده نسبت به انسان ها بهتر عمل می کنند.
محققان در پکن اینطور نتیجه گیری نمی کنند که ماشین ها می توانند کلام آخر را در مورد مرگ یا ادامه ی زندگی یک بیمار کما بگویند. یانگ یی پزشک بخش عصب شناسی در بیمارستان عمومی PLA و محقق پروژه ی تحقیقاتی به SCMP اینطور می گوید" زمانی که خانواده ی بیمار را از پیش بینی هوش مصنوعی آگاه می کنیم همیشه به آنها می گوییم که این نتیجه باید به میزان 20 تا 50 درصد روی تصمیم آنها اثر بگذارد
کافمن با این مسئله موافق است و می گوید ارزیابی سیستم کامپیوتری تنها باید زمانی مهم تلقی شود که پزشکان شرایط را ناامید کننده توصیف کرده اند. زمانی که یک پزشک انسانی می گوید این بیمار دیگر هرگز بیدار نخواهد شد، سناریو وحشتناک خواهد بود. شما در واقع می گویید شاید بیمار شما زنده نماند و این نتیجه گیری تنها با توجه به ورودی سیستم است.
اینکه به کامپیوتر این اجازه را بدهیم که در مورد زندگی و یا مرگ بیمار تصمیم بگیرد مانند یک قسمت از Black Mirror است اما کمک بزرگی به پزشکان خواهد بود.
اما زمانی را تصور کنید که ماشین ها به تنهایی برای زندگی یا مرگ بیمار تصمیم می گیرند بدون اینکه دخالت انسانی در کار باشد!

منبع:
https://futurism.com/machine-learning-coma-patients-live
#خبر
#هوش_مصنوعی
#یادگیری_ماشین
#کما
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖➖➖
✔️ @onlineBME

✅ چگونه هر چیزی را سریع تر یاد بگیریم؟🤔🧐

👩‍💻 نویسنده: معصومه دلگرمی

✍ دو برنده ی نوبل و یک کار آفرین موفق بهترین ترفند های ممکن برای یادگیری سریع و بهتر را به اشتراک می گذارند.
در دنیایی که شامل نظریه ی نسبیت ، نمایش نامه های شکسپیر و ارتباطات ابر رایانه ای است یافتن اشخاصی که در مورد چگونگی یادگیری سریع تر و بهتر توضیح داده باشند کار دشواری نیست. خوشبختانه نابغه هایی که در پشت این افکار قرار دارند تمایل زیادی دارند تا راهنمایی های خود را به اشتراک بگذارند. در حقیقت شخصیت هایی مثل آلبرت انشتین ، برنده ی جایزه ی نوبل فیزیک Richard Feynman و یک کارآفرین نابغه به نام Elon Musk ، برای تسریع در یادگیری یک موضوعی راه حل و توصیه های کاربردی و عملی ارائه می دهند.
1- آلبرت انشتین : از خودت لذت ببر
انشتین شاید انقلابی ایجاد کرده باشد که چگونه دنیای پیرامون خود را بشناسیم. اما او برای انجام این کار ، هرگز خستگی در کارش راه نداد.
طبق نظر وی ، هرچه بیشتر بتوانید از یادگیری لذت ببرید آنگاه احتمال بیشتری وجود دارد که اطلاعات را سریعتر و بهتر در مغز خود جمع آوری کرده و پیشرفت کنید.
در سال 1915 او به پسر 11 ساله اش ، هانس آلبرت که در تلاش برای یادگیری پیانو بود گفت : "بسیار خوشحالم که از نواختن پیانو لذت می بری.....اگر آهنگی تو را شاد و خشنود می کند با پیانو آن را بنواز حتی اگر معلم برایت تعیین نکرده باشد.
این روش برای یادگیری بیشتر و بهتر استفاده می شود که وقتی کاری را با چنان لذت انجام می دهی متوجه گذر زمان نخواهی شد. من گاهی چنان سرگرم کارم می شوم که غذای ظهرم را فراموش میکنم."



2- Richard Feynman : توضیح دادن به کودک

ریچارد فیمن ، برنده ی جایزه ی نوبل فیزیک در حوزه ی مکانیک کوانتوم که یکی از دشوارترین موضوعاتی است که توسط ذهن بشر به راحتی قابل درک نیست. با این حال توصیه ی او برای تسریع در روند یادگیری ، این است که هرچیزی که میخواهیم مطالعه کنیم را به ساده ترین شکل ممکن تبدیل کنیم به طوریکه برای یک کودک 8 ساله هم قابل درک باشد.
وقتی میخواهیم ایده ای را به ساده ترین شکل ممکن بنویسم به طوریکه یک کودک 8 ساله هم بتواند آن را درک کند آنگاه ناچاریم تا در سطح عمیقی مفهوم را درک کنیم و روابط بین ایده ها را ساده تر کنیم . در طی تلاش و مبارزه انسان به درک درستی از شکاف های موجود می رسد و این تنش خوب است و فرصتی است برای یادگیری.

3- Elon Musk :
به علم همانند یک درخت بیاندیش!
انیشتین ممکن است درمیان برجسته‌ترین نوابغ تاریخ باشد، و Feynman می‌تواند برنده
جایزه نوبل شود، اماوقتی به تنوع گسترده یادگیری برسد، Muskمی‌تواند حتی دو فیزیکدان بزرگ را شکست دهد . او پس از همه اینها ، یک شرکت پرداخت‌های آنلاین در جهان را ساخت، در صنعت خودرو انقلابی ایجاد کرد، و جرات کرد دنیا رابه رویای رسیدن به مریخ
در دهه آینده تبدیل کند. این نشان‌دهنده گستره ی باورنکردنی دانش است.
او چگونه این همه چیز را در زمینه‌های مختلف یاد گرفت ؟ وقتی کسی از وی این سوال را می پرسید Muskخوشحال می شد که توضیح دهد. وی تاکید کرد: " اول، کمی اعتماد به نفس داشته باشید. سپس این استراتژی خاص را برای بهبود سرعت یادگیری به اشتراک گذاشت:
"دیدن دانش به عنوان یک درخت معنایی ، مهم است - - اطمینان حاصل کنید که
اصول بنیادی یعنی تنه وشاخه‌های بزرگ را قبل از وارد شدن به برگ‌ها ( جزئیات) درک می‌کنید و هیچ چیزی برای آویزان کردن آن‌ها وجودندارد ."

منبع:
https://www.inc.com/jessica-stillman/3-geniuses-best-tips-to-accelerate-learning.html

#خبر
#یادگیری
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖➖➖
✔️ @OnlineBME