💬"سلام دنیا! توییت کوتاه. پیشرفت تاریخی"
✅اولین توییت ارسال شده از مغز بیمار ALS توسط واسط مغز-کامپیوتر

«فیلیپ اوکیف» یک بیمار 62 ساله مبتلا به اسکلروز جانبی آمیوتروفیک(ALS) در استرالیا، اولین فردی است که تنها با استفاده از افکار خود پیامی را در شبکه های اجتماعی ارسال کرد. در 23 سپتامبر او یک پیام کوتاه اولیه با عنوان “سلام دنیا! توییت کوتاه. پیشرفت تاریخی” را در توییتر از طریق حساب «توماس اکسلی»، مدیرعامل شرکت Synchron منتشر کرد.

⭕️ جزئیات بیشتر 👇
https://onlinebme.com/paralysed-man-tweets-using-brain-implant-that-converts-thoughts-into-text/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✨ سال نو میلادی بر هم‌وطنان عزیز مسیحی مبارک باشه❤️🌹

@onlinebme

✅ 4 معیار مناسب برای ارزیابی مدلها در مسائل رگرسیون
 
✍رگرسیون یکی از رایجترین مسائل یادگیری ماشین هست که در آن خروجی مقادیر پیوسته و نامحدود هست. همانند مسائل طبقه بندی، در مسائل رگرسیون نیز نیاز به معیارهای ارزیابی هستیم تا بتوانیم عملکرد مدلهای رگرسیون را بررسی کنیم. در این پست 4 معیار معروف جهت ارزیابی مدلهای رگرسیون را توضیح میدهیم.

⭕جزئیات بیشتر👇
https://onlinebme.com/4-metrics-to-evaluate-your-regression-models/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅مقدمه ای بر شبکه عصبی  Resnet

✍در طی چند سال اخیر، با معرفی شبکه‌های عصبی کانولوشنی عمیق، بسیاری از مسائل حوزه‌ی طبقه بندی تصویر و تشخیص تصویر با دقت بالا حل شده‌اند. بعضی از مسائل مربوط پیچیده‌تر بودند و محققان با انجام آزمایشات مختلف به این نتیجه رسیدند که با توسعه شبکه‌های عصبی عمیق‌تر، عملکرد مدل‌ها به شدت بهبود می‌یافت. عمیق‌تر شدن شبکه به معنای افزودن لایه‌های بیشتر است. اما این عمیق‌تر شدن شبکه و افزایش شبکه را تا کجا می‌توان ادامه داد؟ شبکه‌های Resnet با معماری جدید در اینجا به کمک می‌آیند.

⭕جزئیات بیشتر👇
https://onlinebme.com/resnet-network

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅ماشین بردار پشتیبان به زبان ساده

✍ماشین بردار پشتیبان( SVM) یکی از معروفترین الگوریتمهای یادگیری ماشین در مسائل طبقه بندی و البته رگرسیون هست. SVM به خاطر رویکرد منحصر به فردی که دارد باعث شده هم در مسائل طبقه بندی و هم در مسائل رگرسیون بهترین عملکرد را داشته باشد. میخواهیم در این پست ایده SVM با یک مثال بسیار ساده رو توضیح دهیم.

⭕جزئیات بیشتر👇
https://onlinebme.com/support-vector-machine-algorithm-in-machine-learning/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅برای برنامه نویسی پایتون، کدام IDE را انتخاب کنم؟(10 IDE برتر)

  محیط توسعه یکپارچه، یا همان Integrated Development Environment یک برنامه‌ی نرم افزاریه که محیطی را برای برنامه نویسان فراهم می‌کند تا بتوانند کدهای خود را توسعه دهند. اکثر اوقات IDE شامل یک ویرایشگر کد (Code Editor)، ابزارهای خودکارسازی (Automation Tools) و دیباگر (Debugger) است. در این پست می‌خواهیم 10 مورد از IDEهای پایتون را مورد بحث قرار دهیم که در حال حاضر موجود بوده و استفاده می‌شوند و همچنین بررسی کنیم بسته به شرایط هر فرد، کدامیک مناسب‌تر است.

⭕جزئیات بیشتر👇👇
https://onlinebme.com/top-10-ide-for-python

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅ کاربرد شبکه‌های عصبی کانولوشنی در رادیولوژی

✍شبکه عصبی کانولوشنی (CNN) یک کلاس از شبکه‌های عصبی مصنوعی است که در تسک‌های مختلف بینایی ماشین مورد استفاده قرار می‌گیرد و همچنین توجهات را در سایر حوزه‌ها از جمله رادیولوژی به خود جلب کرده است. CNN با این هدف طراحی شده است که به طور خودکار و انطباقی سلسله مراتبی از ویژگی‌ها را از طریق پس انتشار خطا (backpropagation) یاد بگیرد و برای این منظور از چندین بلوک ساختاری چون لایه‌های کانولوشن، لایه‌های pooling و لایه‌های Fully connected استفاده می‌کند. در این مقاله کاربرد CNN در انواع مختلف تسک‌های رادیولوژی بررسی می‌شود و همچنین چالش‌ها و گرایشات آینده در حوزه‎‌ی رادیولوژی مورد بحث قرار خواهد گرفت.

⭕️ جزئیات بیشتر 👇👇
https://onlinebme.com/cnn-applications-in-radiology/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅ مطالعه جدید ما در زمینه BCI مبتنی بر SSVEP

Spatio-Spectral CCA (SS-CCA): A Novel Approach for Frequency Recognition in SSVEP-Based BCI

Journal: the Journal of neuroscience methods

ممنون از دوست عزیزم خانم هما کاشفی امیری و استاد گرانقدرم دکتر محمد رضا دلیری🙏🌹

⭕️https://www.researchgate.net/publication/358520926_Spatio-Spectral_CCA_SS-CCA_A_Novel_Approach_for_Frequency_Recognition_in_SSVEP-Based_BCI

#BCI #EEG #SSVEP #SS_CCA #FBSS_CCA

@onlinebme

✅ الگوریتم SS-CCA برای تشخیص فرکانس SSVEP

✍ در این مقاله، الگوریتم CCA را با الهام گرفتن از CSSP بهبود داده  و الگوریتم Spatio-Spectral CCA (SS-CCA)  را ارائه داده ایم. از آنجا که در سیگنال EEG مبتنی بر SSVEP اطلاعات فرکانسی اهمیت زیادی دارند، و از طرفی الگوریتم CCA فقط با اطلاعات مکانی کار میکند، در این روش سعی کردیم در زمان محاسبه ضرایب همبستگی،  علاوه بر اطلاعات مکانی، از اطلاعات فرکانسی هم استفاده کنیم. 

⭕️ جزئیات بیشتر 👇
https://onlinebme.com/spatio-spectral-cca-ss-cca-a-novel-approach-for-frequency-recognition-in-ssvep-based-bci/

🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

روز مهندس مبارک...❤️

@onlinebme

✅ پکیجهای آموزشی onlinebme
⚠️اولین گروه آموزشیِ تخصصی و پروژه محور

⭕️⭕️ اصول برنامه‌نویسی در متلب (رایگان)
مدت دوره: 11 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/

⭕️⭕️ دوره جامع و پروژه محور شبکه عصبی کانولوشنی (CNN)
مدت زمان دوره: 11 ساعت
🌀https://onlinebme.com/product/convolutional-neural-network/

➖➖➖➖➖➖➖➖➖➖➖
دوره های تخصصی و پروژه محور پردازش سیگنال EEG

⭕️⭕️ دوره جامع پردازش سیگنال مغزی(EEG)
مدت دوره: 50 ساعت
🌀 https://onlinebme.com/product/eeg-signal-processing/

⭕️⭕️ واسط مغز و کامپیوتر مبتنی بر SSVEP
مدت دوره: 33 ساعت
🌀https://onlinebme.com/product/bci_ssvep/

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

⭕️⭕️ پیاده سازی مقاله CSSP (واسط مغز-کامپیوتر مبتنی بر تصورحرکتی)
مدت دوره: 7 ساعت و 30 دقیقه
🌀https://onlinebme.com/product/common-spetio-spectral-patterns

⭕️⭕️ پیاده سازی مقاله RCSP (واسط مغز-کامپیوتر مبتنی بر تصورحرکتی)
مدت دوره: 5 ساعت
🌀 https://onlinebme.com/product/regularized-common-spatial-patterns


⭕️⭕️دوره تبدیل فوریه زمان کوتاه در پردازش سیگنال مغزی(eeg)
مدت دوره: 8 ساعت
🌀https://onlinebme.com/product/short-time-fourier-transform-and-eeg/

➖➖➖➖➖➖➖➖➖➖➖➖➖➖
✅ دوره شناسایی الگو و یادگیری ماشین (اولین دوره جامع و تخصصی در ایران)
⚠️ 140 ساعت ویدیوی آموزشی
🔹آموزش تئوری و مباحث ریاضیاتی طبق مراجع معتبر
🔹پیاده‌سازی مرحله به مرحله الگوریتمها
🔹انجام پروژه های عملی و تخصصی
🔹پیاده سازی گام به گام مقالات تخصصی

🟣▪️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 (Ensemble learning)
مدت دوره: 18 ساعت
🌀 https://onlinebme.com/product/ensemble-learning/

🟢▪️پترن و یادگیری ماشین (فصل 6): کاهش بعد (dimensionality reduction)
مدت دوره: 11 ساعت
🌀 https://onlinebme.com/product/dimension-reduction-using-lda-pca/

🔴▪️پترن و یادگیری ماشین (فصل 7): انتخاب ویژگی (feature selection)
مدت دوره: 16 ساعت
🌀https://onlinebme.com/product/season07-featrue-selection/


🟠▪️پترن و یادگیری ماشین (فصل 8):خوشه بندی ( clustering)
مدت دوره: 13 ساعت
🌀https://onlinebme.com/product/pattern-season08-clustering/

➖➖➖➖➖➖➖➖➖➖➖➖➖
✅ دوره جامع پردازش تصویر

🟠فصل اول: مباحث مقدماتی، آستانه گذاری تصویر، تبدیلات شدت روشنایی و هندسی
مدت دوره: 30 ساعت
🌀https://onlinebme.com/product/image-processing-chapter1

🔵فصل دوم: پردازش هیستوگرام تصویر
مدت دوره : 6 ساعت و 30 دقیقه
🌀https://onlinebme.com/product/image-prcessing-chapter2

🟠فصل سوم: فیلترهای مکانی
مدت دوره : 15 ساعت و 30 دقیقه
🌀https://onlinebme.com/product/spatial-filters-in-image-processing/

🔵فصل چهارم: عملیات مورفورلوژی
مدت دوره : 6 ساعت
🌀https://onlinebme.com/product/morphological-operations-in-image-processing/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅طبقه بندی سیگنال EEG تصور حرکتی با شبکه CNN
✍️در مقاله‌ای جدید ارائه شده توسط آقای Xiangmin Lun و همکارانشان (2020) یک شبکه عصبی کانولوشنی (CNN)، سیگنال EEG تصور حرکتی خام را کلاسبندی می‌کند بدون اینکه هیچ گونه پیش پردازشی روی دیتای EEG انجام شود و یا عملیات استخراج ویژگی به طور جداگانه انجام شود. این شبکه CNN که دارای 10 لایه (5 لایه کانولوشنی، 4 لایه Max Pooling و 1 لایه FC) است به عملکرد خوبی رسیده است. در این پست، خلاصه‌ای از این مقاله را توضیح می‌دهیم.

⭕️جزئیات بیشتر 👇
https://onlinebme.com/eeg-signal-classification-with-cnn/

🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅الگوریتم Ensemble RCSSP برای طبقه بندی سیگنال EEG تصور حرکتی

✍️الگوریتم CSP (فیلتر مکانی مشترک) روشی برای طبقه بندی سیگنال EEG مبتنی بر تصور حرکتی است. این الگوریتم با وجود کارایی خوبی که نسبت به سایر روش‌های استخراج ویژگی دارد اما با ایراداتی چون احتمال بالای overfitting روبروست که می‌تواند عملکرد آن را تحت تأثیر قرار دهد. ما در این مطالعه سعی کرده‌ایم با ارائه‌ی رویکردهایی احتمال بروز overfitting الگوریتم CSP را کم کنیم و دقت طبقه بندی سیگنال EEG مبتنی بر تصور حرکتی را افزایش دهیم.

⭕️جزئیات بیشتر👇
https://onlinebme.com/ensemble-rcssp/

🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

سلام
ضبط دوره واسط مغز-کامپیوتر مبتنی بر P300 تمام شد. 😊
ادیت نهایی انجام میشه تا در وبسایت قرار بگیرد.

@onlinebme

✅ دوره تخصصی واسط مغز و کامپیوتر مبتنی بر P300

✍ واسط مغز-کامپیوتر مبتنی بر P300 برای اولین بار در سال 1988 توسط Farwell  و Donchin  ارائه شد و از آن موقع به بعد به صورت گسترده در حوزه ارتباطات BCI مورد استفاده قرار گرفته است. در یک BCI-speller مبتنی بر P300 یک سری محرک(کاراکترها) توسط صفحه نمایشگر برای فرد به صورت تصادفی نمایش داده می شوند و همزمان که سیگنال مغزی سابجکت ثبت میشود، از فرد خواسته می شود به کاراکتر مد نظر توجه کند. سپس با پردازش سیگنال مغزی فرد کاراکتر هدف تشخیص داده می‌شود. در این دوره تخصصی تمامی اصول پردازش سیگنال EEG مبتنی بر P300 به صورت پروژه محور آموزش داده میشود. علاوه بر این در این دوره مقالات برنده مسابقات BCI-competition 2003 و 2004   نیز به صورت مرحله به مرحله پیاده سازی شده اند.

مدت زمان دوره: 28 ساعت
مدرس دوره: محمد نوری زاده چرلو
فارغ التحصیل دانشگاه علم و صنعت تهران

⭕️جزئیات بیشتر 👇👇
https://onlinebme.com/product/p300-based-brain-computer-interface-speller/

🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme