MLP1.pdf
734.3 KB
#شبکه_عصبی
🔷توضیحات الگوریتم ماکزیمم شباهت + کد متلب
#nueral_network
#maximum_likelihood
@iust_bioelecteric
🔷توضیحات الگوریتم ماکزیمم شباهت + کد متلب
#nueral_network
#maximum_likelihood
@iust_bioelecteric
Onlinebme
#شبکه_عصبی 🔷 الگوریتم ماکزیمم شباهت #nueral_network #maximum_likelihood @iust_bioelecteric
#شبکه_عصبی
🔷نتیجه کلاس بندی داده های دوکلاسه توسط الگوریتم ماکزیمم شباهت
#nueral_network
#maximum_likelihood
@iust_bioelecteric
🔷نتیجه کلاس بندی داده های دوکلاسه توسط الگوریتم ماکزیمم شباهت
#nueral_network
#maximum_likelihood
@iust_bioelecteric
Machine_Learing_in_R_Classification.webm
13.1 MB
✅ رگرسیون ، کلاسبندی و کاسترینگ (خوشه بندی)
@iust_bioelecteric
@iust_bioelecteric
Onlinebme
تهیه تصاویر ویدیویی از حرکات پیوسته قلب توسط محققان ایرانی @iust_bioelecteric
پژوهشگران دانشگاه صنعتی امیرکبیر با استفاده از نرم افزارهای پردازش تصویر، ویدئویی از حرکات پیوسته دریچه قلب ارائه دادند.
به گزارش دیده بان علم ایران ‘نونا مهران نیا’ مجری طرح با اشاره به مشکلات دستگاههایی چون اکوکاردیوگرافی و سونوگرافی، گفت: دستگاه اکوکاردیو گرافی یک سیستم اسکن اولتراسوند و پردازش تصویر است که به منظور تصویر برداری از ساختارهای قلب به کار میرود.
وی یکی از مشکلات این دستگاه را پیوسته نبودن تصاویر آن دانست و ادامه داد: از آنجا که دستگاههای اولتراسوند دارای سرعت موج ثابت هستند امکان تصویر برداری با نرخ تصویربرداری بالاتر در آن وجود ندارد و در نتیجه در شرایطی مانند حرکات سریع دریچه قلب به دلیل سرعت بالا، پیوستگی لازم برای تشخیص بهتر بیماری وجود ندارد و از همین رو با اجرای تحقیقات، راهکاری برای این مشکل ارائه کردیم.
مهران نیا خاطرنشان کرد: از آنجا که تصویربرداری از برخی اندام ها مانند دریچه قلب همراه با حرکات سریع است، زنده بودن تصاویر بسیار مهم است که این امر از طریق پردازش تصاویر میسر خواهد بود که با توجه به این ضرورت، در این مطالعات از نرم افزارهای خاصی استفاده کردیم.
مهران نیا درباره جزئیات این طرح پژوهشی توضیح داد: در این پروژه با استفاده از ابزارهای کاهش بعد (منیفلد)، تعداد فریمهای مورد نیاز مشخص شده و سپس با استفاده از روشهای پردازش تصویری مانند registration این فریمها تولید و بین فریمهای قبلی قرار گرفتند.
وی ادامه داد: در انتها دو ویدئو که یکی دارای تصاویر طبیعی و دیگری حاوی افزایش فریم بوده، با هم مقایسه شدند که نتایج نشان داد با استفاده از این روش میتوانیم تصاویری با کیفیت بهتر و پیوستهتر از دریچه قلب ارائه دهیم.
این تحقیق با عنوان «استفاده از کاهش بعد جهت افزایش تعداد فریم با هدف بهبود کیفیت تصاویر اکوکاردیوگرافی» در دانشکده مهندسی پزشکی دانشگاه صنعتی امیرکبیر اجرا شده است.
@iust_bioelecteric
به گزارش دیده بان علم ایران ‘نونا مهران نیا’ مجری طرح با اشاره به مشکلات دستگاههایی چون اکوکاردیوگرافی و سونوگرافی، گفت: دستگاه اکوکاردیو گرافی یک سیستم اسکن اولتراسوند و پردازش تصویر است که به منظور تصویر برداری از ساختارهای قلب به کار میرود.
وی یکی از مشکلات این دستگاه را پیوسته نبودن تصاویر آن دانست و ادامه داد: از آنجا که دستگاههای اولتراسوند دارای سرعت موج ثابت هستند امکان تصویر برداری با نرخ تصویربرداری بالاتر در آن وجود ندارد و در نتیجه در شرایطی مانند حرکات سریع دریچه قلب به دلیل سرعت بالا، پیوستگی لازم برای تشخیص بهتر بیماری وجود ندارد و از همین رو با اجرای تحقیقات، راهکاری برای این مشکل ارائه کردیم.
مهران نیا خاطرنشان کرد: از آنجا که تصویربرداری از برخی اندام ها مانند دریچه قلب همراه با حرکات سریع است، زنده بودن تصاویر بسیار مهم است که این امر از طریق پردازش تصاویر میسر خواهد بود که با توجه به این ضرورت، در این مطالعات از نرم افزارهای خاصی استفاده کردیم.
مهران نیا درباره جزئیات این طرح پژوهشی توضیح داد: در این پروژه با استفاده از ابزارهای کاهش بعد (منیفلد)، تعداد فریمهای مورد نیاز مشخص شده و سپس با استفاده از روشهای پردازش تصویری مانند registration این فریمها تولید و بین فریمهای قبلی قرار گرفتند.
وی ادامه داد: در انتها دو ویدئو که یکی دارای تصاویر طبیعی و دیگری حاوی افزایش فریم بوده، با هم مقایسه شدند که نتایج نشان داد با استفاده از این روش میتوانیم تصاویری با کیفیت بهتر و پیوستهتر از دریچه قلب ارائه دهیم.
این تحقیق با عنوان «استفاده از کاهش بعد جهت افزایش تعداد فریم با هدف بهبود کیفیت تصاویر اکوکاردیوگرافی» در دانشکده مهندسی پزشکی دانشگاه صنعتی امیرکبیر اجرا شده است.
@iust_bioelecteric
👍1
#استخراج_ویژگی
🔹 در استخراج ویژگی، ویژگیهایی را استخراج میکنیم که قابلیت تفکیک بین کلاسها را دارند.
#pattern_recognition
@IUST_Bioelecteric
🔹 در استخراج ویژگی، ویژگیهایی را استخراج میکنیم که قابلیت تفکیک بین کلاسها را دارند.
#pattern_recognition
@IUST_Bioelecteric
🔷 الگوریتم خلاصه شده برای آموزش شبکه MLP
🔹جزئیات الگوریتم قبلا توضیح داده شده است.
#شبکه_عصبی_پرسپترون_چندلایه
https://telegram.me/joinchat/BcXDaEEL4FjSZ9Uxrki-9Q
🔹جزئیات الگوریتم قبلا توضیح داده شده است.
#شبکه_عصبی_پرسپترون_چندلایه
https://telegram.me/joinchat/BcXDaEEL4FjSZ9Uxrki-9Q
🔷 الگوریتم خلاصه شده برای تست شبکه MLP
🔹جزئیات الگوریتم قبلا توضیح داده شده است.
#شبکه_عصبی_پرسپترون_چندلایه
https://telegram.me/joinchat/BcXDaEEL4FjSZ9Uxrki-9Q
🔹جزئیات الگوریتم قبلا توضیح داده شده است.
#شبکه_عصبی_پرسپترون_چندلایه
https://telegram.me/joinchat/BcXDaEEL4FjSZ9Uxrki-9Q