🌐 متخصصان بریتانیایی می‌گویند یک داروی ارزان و در دسترس می‌تواند جان بسیاری از مبتلایان عفونت کرونا را از مرگ نجات دهد.

🔺 این پژوهشگران تجویز مقدار (دُز) کم دگزامتازون را یک تحول بزرگ در درمان موارد وخیم کرونا نامیده‌اند چرا که در کسانی که با دستگاه تنفس مصنوعی نفس می‌کشیدند، موارد مرگ را یک سوم و در کسانی که با اکسیژن کمکی نفس می‌کشیدند یک پنجم کاهش داده است.

🔹این دارو یکی از داروهای موجود است که در تلاش برای یافتن درمان کرونا، در کارآزمایی وسیع در سراسر دنیا امتحان می‌شوند تا روشن شود آیا می‌توانند بر کرونا موثر باشند یا نه.

🔹ارزانی و فراوانی این دارو بخصوص برای کشورهای فقیر که با کرونا دست و پنجه نرم می‌کنند امتیاز بزرگی است.

🔹از هر بیست نفری که به کرونا مبتلا می شوند ۱۹ نفر خوب می‌شوند و یک نفر کارش به بیمارستان می‌کشد. از آنها که بستری می‌شوند بیشترشان بهبود می‌یابند اما برخی به اکسیژن کمکی یا دستگاه تنفس مصنوعی نیاز پیدا می‌کنند.

🔹به نظر می‌رسد دگزامتازون به این بیماران که بیش از همه در خطر مرگ قرار دارند کمک می‌کند.

منبع: bbcpersian
@onlinebme

در چنین روزی در سال 1977 ، اولین MRI روی انسان توسط دکتر Raymond Damadian روی دستیار وی Larry Minkoff انجام شد. امروزه MRI همچنان ابزاری اساسی در پزشکی است.

#radiology #medicine #innovation

@onlinebme

✅ دوره شناسایی الگو و یادگیری ماشین (اولین دوره جامع و تخصصی در ایران)
🟣 فصل هفتم: انتخاب ویژگی (feature selection)

🔹 feature conditioning
🔹filter methods feature Selection
🔹 ttsest
🔹 anova
🔻tvalue
🔻fvalue
🔺pvalue
🔹 fisher discriminant ratio
🔹 mutual information
🔹wrapper methods feature Selection
🔹 sequential forward feature Selection
🔹 filter methods with wrapper methods


✍ در فصل هفتم دوره پترن و یادگیری ماشین، روشهای انتخاب ویژگی( feature Selection)از قبیل ttest، anova، نرخ تفکیک پذیری فیشر(FDR) ، اطلاعات متقابل(Mutual information)  و روش جستجوی سلسله مراتبی روبه جلو (sequential forward feature selection ) را معرفی می کنیم و به صورت تخصصی آموزش میدهیم که رویکرد تک تک روشها به چه صورت است، سپس مرحله به مرحله روشها را پیاده سازی می کنیم و در نهایت  با انجام پروژه ها و مثالهایی نشان میدهیم که چطور میتوان از این روشها در پروژه های عملی جهت انتخاب ویژگی استفاده کرد.
این فصل یکی از مهمتری فصل های دوره “شناسایی الگو یادگیری ماشین” است و میتواند نقش قابل توجهی در افزایش عملکرد مدل داشته باشد.

سرفصل مطالب
🔲 مقدمه ای بر انتخاب ویژگی
🔳 انتخاب ویژگی با روشهای اسکالر ( Filter methods)
🟣 انتخاب ویژگی با تست آماری ttest
🔵 انتخاب ویژگی با روش تجزیه و تحلیل واریانسها( anova)
🟢  انتخاب ویژگی با نرخ تفکیک پذیری فیشر(FDR)
🔴 انتخاب ویژگی با اطلاعات متقابل (mutual information) 

🔲انتخاب ویژگی با روشهای برداری(ترکیبی)-  wrapper methods

🟣  بررسی معایب روشهای اسکالر و نحوه انتخاب ویژگی با کمک یک مدل
🔴  انتخاب ویژگی با روش جستجوی رو به جلو
🟢  ترکیب روشهای اسکالر با روشهای برداری


پروژه های انجام شده:
🔹انتخاب ویژگی‌های مهم در داده سرطان سینه (طبقه بندی)

🔹انتخاب ویژگی‌های مهم در داده سیگنال مغزی افراد مبتلا به صرع (طبقه بندی)

🔹انتخاب ویژگی‌های مهم در داده سیگنال emg جهت تخمین زاویه مفصل مچ (رگرسیون)

🔹انتخاب ویژگی‌های مهم در داده آلودگی هوا (رگرسیون)

✅ این فصل یکی از مهمترین فصلهای دوره ” شناسایی الگو و یادگیری ماشین” است و خیلی میتواند در پروژه ها برای افزایش دقت مدل کمک کند. سعی کرده ایم در این فصل پروژه های متعددی انجام دهیم تا متوجه شویم که چطور میتوانیم از روشهای انتخاب ویژگی بهره بگیریم تا دقت مدل را افزایش دهیم.

محتوای پکیج:
 ویدیوهای آموزشی
 کدهای پیاده سازی شده برای پروژه ها، تمرینات و مقالات
 منابع معتبری که برای تهیه ویدیو استفاده شده اند(کتب و مقالات مرجع)
 جزوه دست نویس مدرس

تعداد جلسات: 6
مدت زمان دوره: 16ساعت
مدرس: محمد نوری زاده چرلو
فارغ التحصیل دانشگاه علم و صنعت تهران

#regression #classification #featureselection

 🌀 جهت کسب اطلاعات بیشتر به لینک زیر مراجعه کنید👇👇👇
https://onlinebme.com/product/season07-featrue-selection/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

🎁🎁 پکیجهای آموزشی موجود در سایت🎁🎁

✅▪️اصول برنامه‌نویسی در متلب (رایگان)
مدت دوره: 16 ساعت
🌀 https://onlinebme.com/course/matlab/

✅▪️ پیاده سازی گام به گام شبکه های عصبی
مدت دوره: 25 ساعت
🌀 https://onlinebme.com/course/neural-networks-in-matlab/

✅▪️پترن و یادگیری ماشین (فصل یک تا 4): از بیزین تا SVM
مدت دوره: 75 ساعت
🌀 https://onlinebme.com/product/season-1-4-packages-pattern-recognition/

✅▪️پترن و یادگیری ماشین (فصل 5): یادگیری جمعی
مدت دوره: 18 ساعت
🌀 https://onlinebme.com/product/ensemble-learning/

✅▪️پترن و یادگیری ماشین (فصل ۶): کاهش بعد
مدت دوره: ۱۱ ساعت
🌀 https://onlinebme.com/product/dimension-reduction-using-lda-pca/

✅▪️پترن و یادگیری ماشین (فصل ۷): انتخاب ویژگی
مدت دوره: ۱۶ ساعت
🌀https://onlinebme.com/product/season07-featrue-selection/


✅▪️ پردازش سیگنال مغزی(EEG) مبتنی بر تسک تصور حرکتی (BCI)
مدت دوره: 21 ساعت
🌀 https://onlinebme.com/product/brain-computer-interface-package-motorimagery/

دوره های #تخصصی و #پروژه_محور

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme