❌💢شروع ثبت نام دوره فشرده پردازش سیگنال eeg 💢❌

✅ در این دوره تمام اصول مورد نیاز برای پردازش سیگنال eeg از دید یادگیری ماشین و #پترن آموزش داده میشود.

#سرفصل_مطالب
🔵پیش پردازش سیگنال در حوزه زمان و فرکانس جهت حذف نویز و آرتیفکت

🔴 نحوه بدست آوردن ریتمهای eeg ( تتا- دلتا - آلفا- بتا- گاما ) در حوزه #زمان، فرکانس( #فوریه ) و زمان- فرکانس( #ویولت )

🔵 استخراج ویژگی های مناسب از سیگنال در حوزه زمان- فرکانس - زمان فرکانس

🔴تجزیه و تحلیل سیگنال در حوزه زمان، فرکانس و زمان فرکانس

🔵 نحوه کلاسبندی داده با استفاده از کلاسبندهای SVM - KNN- LDA- BAYZIAN- TREE

🔴 اعتبارسنجی مدل با استفاده از روشهای
random sampling
k-fold cross validation
Leave one out
The hold out method

🔵 ارزیابی مدل با پارامترهای
Accuracy
Sensitivity
Specificity
Confusion matrix

🔲▪️ انجام پروژه تشخیص صرع از روی سیگنالهای eeg

🔲▪️انجام پیش بینی تشنج در صرع از روی سیگنالهای eeg

🔲▪️ انجام پروژه تشخیص آلزایمر از روی سیگتالهای eeg

🔲▪️ کلاسبندی تصور حرکتی از روی سیگنال eeg در BCI

مدت دوره: 15 ساعت
هزینه دوره: 180 هزار تومان
ظرفیت باقی مانده دوره : 3 نفر

مدرس دوره: محمد نوری زاده چرلو
فارغ التحصیل دانشگاه علم و صنعت تهران

☎️ جهت کسب اطلاعات بیشتر میتوانید شماره زیر تماس بگیرید:
0936-038-2687
@onlinebme_admin


🔴 این دوره #اولین دوره ی فشرده در ایران که به صورت #تخصصی سیگنال eeg را تجزیه تحلیل میکند!

📚 جزوه خام دوره یکی دو روز آینده در کانال قرار داده میشود تا شرکت کنندگان قبل از دوره با جزئیات دوره آشنا شوند😊

https://telegram.me/joinchat/BcXDaEEL4FjSZ9Uxrki-9Q

⁉️این دوره برای چه کسانی پیشنهاد میشود؟

✅ افرادی که پروژه درسی یا پایان نامه آنها در راستای سیگنال EEG هست و نیاز هست که به صورت تخصصی سیگنال EEG را تحلیل کنند

✅ افرادی که میخواهند وارد حوزه پردازش سیگنال شوند

✅ افرادی که درس پترن، یادگیری ماشین و پردازش سیگنال دارند ( از پروژه هایی که در کلاس انجام میشه میتونند به عنوان پروژه درسی استفاده کنند )

✅ افرادی که میخواهند در حوزه واسط مغز و کامپیوتر( BCI) کار کنند!

🔴 این دوره پیش نیاز اکثر دوره های پردازش سیگنال هست و تمامی مباحث پایه مورد نیاز یک دانشجو در این دوره آموزش داده میشود!

🔵 دوستانی که دوره شرکت میکنند علاوه بر مطالبی که در بالا ذکر شد با پیاده سازی #مقالات تخصصی در پردازش سیگنال و پترن آشنا میشوند و میتوانند به کمک #کدها و مطالبی که در کلاس یاد میگیرند مقالات تخصصی رو #پیاده_سازی کنند😊

✅ برنامه ریزی کلاس بعد از تکمیل ظرفیت مشخص خواهد شد
#زمانبندی دوره به نحوی خواهد بود که دوستان شهرای دیگه هم بتونند در دوره شرکت کنند.

#ظرفیت باقی مانده دوره : 3 نفر
مدت دوره: 15 ساعت
مدرس دوره: محمد نوری زاده چرلو
فارغ التحصیل دانشگاه علم و صنعت تهران

☎️ جهت کسب اطلاعات بیشتر میتوانید شماره زیر تماس بگیرید:
0936-038-2687
@onlinebme_admin

📝جزوه خام دوره تخصصی پردازش سیگنال EEG از دید شناسایی آماری الگو (پترن در EEG)
🖨 لطفا قبل از کلاس از جزوه خام دوره پرینت بگیرید.
🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

دوره اول پردازش سیگنال EEG
20-21 اردیبهشت
تهران- آکادمی onlinebme
هر روز حدودا 10 ساعت کار کردیم، و جلسه پایانی در سه شنبه هفته آینده برگزار خواهیم کرد.
دوستانی که قصد دارند در دوره دوم و سوم شرکت کنند با شماره زیر تماس بگیرند.
0936-038-2687
@onlinebme_admin

مباحثی که در دو جلسه اول کار کردیم:
1- تجزیه و تحلیل خصوصیات ریتمهای سیگنال EEG از لحاظ دامنه- فرکانس، موقعیت و مورفولوژی
(دلتا، تتا، آلفا، بتا، گاما، میو)

🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

2- آشنایی با مفاهیم یادگیری ماشین و شناسایی الگو
روشهای یادگیری ماشین( نظارت شده- غیرنظارتی)
آشنایی با مراحل انجام یک پروژه از دید شناسایی آماری الگو
🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

3- مراحل انجام یک پروژه پردازش سیگنال
- وارد کردن داده به متلب (تبدیل داده از فرمتهای مختلف به .mat)
- پیش پردازش داده جهت حذف نویز و آرتیفکت
- فیلترینگ داده جهت بدست آوردن سیگنال eeg جدید با باندهای فرکانسی مختلف
- استخراج ویژگی
- آموزش کلاسبند
- تست کلاسبند

🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

4- نحوه طراحی فیلتر باترورث جهت بدست آوردن سیگنال eeg جدید با باند فرکانسی مورد نظر
🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

یک مثال ساده که نشون میده چرا ما باید سیگنال eeg را در باندهای فرکانسی مورد نظر به صورت جدا تحلیل کنیم!
وقتی ما میخواهیم دو تصویر را از هم تفکیک کنیم به دنبال تفاوتها میگردیم و طبق اون تفاوتها تصاویر را از هم تفکیک میکنیم
ولی مشکل اینجاست که وقتی شباهت ها خیلی زیاد باشد تفکیک دو تصویر از هم سخت میشه
ذهن ناخودآگاه شباهتهارو میبینه و اون تفاوتها رو نمیبینه
الگوریتمهای یادگیری ماشین هم جهت کلاسبندی ممکنه دچار چنین مشکلی شوند! از اونجا که این ماشینها خیلی خنگن و به راحتی یاد نمیگیرند لازمه ما ویژگیهای خوبی به مدل ارائه دهیم تا مشکلی برای یادگیری نداشته باشند
وقتی شباهتها زیاد باشه مدل خوب نمیتونه مسئله کلاسبندی را انجام بده، اگه ما بتونیم فقط تفاوتها رو به مدل ارائه بدیم کارش خیلی ساده تر میشه و به راحتی یاد میگیره. در سیگنال eeg هم معمولا هر تسکی یا بیماری ای در یک باند خاصی اطلاعات بیشتری داره
مثلا در تصوری حرکتی باند میو و بتا بیشترین تغییرات رو دارند. بنابراین بهتره ما هم فقط اون بخش رو به مدل ارائه بدیم.

🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

مباحثی که در دو جلسه اول کار کردیم:
4- مراحل استخراج باندهای فرکانسی سیگنال EEG در حوزه فرکانس
- تبدیل فوریه (نگاشت داده از حوزه زمان به فرکانس)
- محاسبه روزلوشن فرکانسی (تعیین فرکانس ضرایب)
- استخراج باند فرکانسی

🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

5- استخراج ویژگی در حوزه زمان از ریتمهای EEG
🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

6- استخراج ویژگی در حوزه فرکانس از ریتمهای EEG
🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

7-پردازش سیگنال در حوزه زمان فرکانس (تبدیل ویولت)
🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

8- نحوه استخراج ریتمهای EEG در حوزه زمان-فرکانس (تبدیل ویولت)
🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

9- کار با کلاسبند SVM
- کلاسبند SVM خطی
- کلاسبندSVM غیر خطی
- تعمیم SVM دو کلاسه به چند کلاسه
🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

- کار با کلاسبندها
- کلاسبند KNN
- کلاسبند درختی
- کلاسبند LDA

🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

10- پیاده سازی روشهای اعتبار سنجی مدل
- روش ارزیابی kfold
- روش ارزیابی random subsampling
- روش ارزیابی the hold out method
- روش ارزیابی leave one out
- نحوه محاسبه دقت، ماتریس کانفیوژن، حساسیت، مشخصه

🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

پروژه انجام شده در دو روز اول:
تشخیص صرع با استفاده از ویژگی های حوزه زمان سیگنالهای eeg
تشخیص صرع با استفاده از ویژگی های حوزه فرکانس سیگنالهای eeg
تشخیص صرع با استفاده از ویژگی های حوزه زمان - فرکانس سیگنالهای eeg

در جلسه بعدی پروژه bci تصوری حرکتی را انجام خواهیم داد.
همچنین روشهای کاهش بعد و انتخاب ویژگی را بررسی خواهیم کرد.
🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

🔴💢شروع ثبت نام دوره فشرده پردازش سیگنال eeg مبتنی بر SSVEP 💢🔴

🔍 در این دوره تمام اصول مورد نیاز برای پردازش سیگنال eeg مبتنی بر SSVEP آموزش داده میشود.

#سرفصل_مطالب
🔵پیش پردازش سیگنال در حوزه زمان و فرکانس جهت حذف نویز و آرتیفکت
◾️ فیلتر باتروث
◽️فیلتر CAR

🔴 نحوه بدست آوردن باندهای فرکانسی مورد نظر در eeg ( فرکانسهای تحریک و هارمونیکهای آنها)

🔵 پیاده سازی الگوریتم CCA
🔵 پیاده سازی الگوریتم MSI
🔵 پیاده سازی الگوریتم PSVD


🔴تجزیه و تحلیل سیگنال و استخراج ویژگی های مناسب در حوزه فرکانس ( تبدیل فوریه )

🔵 نحوه کلاسبندی داده با استفاده از کلاسبندهای غیرپارامتری
🔺SVM
🔺KNN
🔺LDA
🔺TREE

🔴 اعتبارسنجی مدل با استفاده از روشهای
🔸random sampling
🔹k-fold cross validation
🔸Leave one out
🔹The hold out method

🔵 ارزیابی مدل با پارامترهای
▫️Accuracy
▪️Sensitivity
▫️Specificity
▪️Confusion matrix

🔲▪️ انجام پروژه تشخیص ssvep از روی سیگنال eeg با استفاده از الگوریتم CCA

🔲▪️ انجام پروژه تشخیص ssvep از روی سیگنال eeg با استفاده از الگوریتم MSI

🔲▪️ انجام پروژه تشخیص ssvep از روی سیگنال eeg با استفاده از الگوریتم PSVD

🔲▪️ انجام پروژه تشخیص ssvep از دید یادگیری ماشین از روی سیگنال eeg با ترکیب ویژگی‌های توان طیفی و کلاسبندهای svm، knn، LDA و درختی
☎️ جهت کسب اطلاعات بیشتر میتوانید شماره زیر تماس بگیرید:
0936-038-2687
@onlinebme_admin

مدت دوره: 15 ساعت
هزینه دوره: 190 هزار تومان
#ظرفیت باقی مونده ( 6 نفر )
مدرس: محمد نوری زاده چرلو
فارغ التحصیل دانشگاه علم و صنعت تهران

https://telegram.me/joinchat/BcXDaEEL4FjSZ9Uxrki-9Q