4688
آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی ارائهدهندهی پکیجهای آموزشی پروژه محور: برنامهنویسی متلب-پایتون یادگیری ماشین یادگیری عمیق شناسایی الگو شبکه عصبی واسط مغز-کامپیوتر پردازش سیگنالهای حیاتی تماس👇 09360382687 @onlineBME_admin www.onlinebme.com
✅الگوریتم Pan-Tompkins در تشخیص پیکهای R سیگنال ECG
محمد نوری زاده چرلو
14 خرداد 1403
در پردازش سیگنال ECG اولین مرحله آشکارسازی پیکهای R است. از طریق این موقعیت پیکهای R کمپلکس QRS، سیگنال RRI و HR استخراج میشود. آشکارسازی دقیق موقعیت پیکهای R برای تحلیل های بعدی بسیار با اهمیت است.
💡الگوریتم Pan-Tompkins یکی از معروفترین روشها در تشخیص پیکهای R در سیگنال قلبی هست. این الگوریتم یک سری فیلتر روی سیگنال ECG اعمال میکند و نواحی مرتبط با QRS را برجسته تر میکند و در نهایت پیکهای R را تشخیص میدهد. در این پست میخواهیم با مراحل این روش توسط یک مثال عملی آشنا شویم.
⭕️جزئیات بیشتر 👇
🔘https://onlinebme.com/pan-tompkins-algorithm-for-qrs-detection/
📌فایل PDF
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
✅ دوره پردازش سیگنال ECG
🔷 فصل 2: پیش پردازش
🔘 تمرینات سری سوم
▪️ سیگنال در حوزه فرکانس: PSD
@Onlinebme
✅ دوره پردازش سیگنال ECG
🔷 فصل 2: پیش پردازش
🔘 تمرینات سری دوم
▪️ فیلترینگ سیگنال در حوزه زمان و فرکانس
@Onlinebme
🔖 دوره پردازش سیگنال مغزی با کتابخانه MNE پایتون
✅دوره ی تخصصی و پروژه محور
🏷 سرفصل دوره MNE در پایتون
┤ ◻️ مقدمه ای سیگنالهای حیاتی
┤ ◼️بررسی انواع نویز در EEG
┤ ◻️ خواندن داده به فرمتهای مختلف
┤ ◼️ پیش پردازش سیگنال مغزی
┤ ◻️ انجام پروژه های یادگیری ماشین
┤ ◼️ طبقه بندی سیگنال MI
💡موجک وCSP
┤ ◻️ پروژه یادگیری عمیق 1 (صرع)
┤ ◼️ پروژه یادگیری عمیق 2(MI)
💡سیگنال خام
┤ ◻️ پروژه یادگیری عمیق 3(MI)
💡سیگنال به تصویر
┤ ◼️ پروژه یادگیری عمیق 4 (SSVEP)
#پیادهسازی_مقاله
🔘 Link
@Onlinebme
☑️تشخیص تشنج های صرع سیگنال EEG با الگوریتم های یادگیری عمیق
هما کاشفی امیری
20 اردیبهشت 1403
✍️در محیط بالینی، تشخیص خودکار تشنج های صرع اهمیت فزاینده ای پیدا می کند، زیرا می تواند به طور قابل توجهی بار مراقبت از بیماران مبتلا به صرع صعب العلاج را کاهش دهد. سیگنال های الکتروانسفالوگرافی (EEG) فعالیت الکتریکی مغز را ثبت می کنند و حاوی اطلاعات غنی در مورد اختلال عملکرد مغز هستند. به عنوان یک ابزار غیر تهاجمی و ارزان برای تشخیص تشنج های صرع، ارزیابی بصری ضبط EEG کار فشرده و ذهنی است و نیاز به بهبود قابل توجهی دارد. با استفاده از الگوریتم های یادگیری عمیق می توان تشخیص تشنج های صرعی را با بالاترین دقت انجام داد.
#Python #EEG #Deep_Learning
🔘 جزئیات بیشتر 👇
https://onlinebme.com/epilepsy-eeg-signal-detection-using-deep-learning/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
☑️نصب تولباکس WFDB فیزیونت در متلب
دسته:پایگاه داده
محمد نوری زاده چرلو
17 اردیبهشت 1403
سایت فیزیونت یک وبسایت پایگاه داده پزشکی است که داده های بسیار معتبری ارائه میدهد. سیگنالهای حیاتی این سایت با فرمتهای مختلفی هستند که برای خواندن آنها در متلب لازمه که از تولباکس خود وبسایت فیزیونت استفاده کنیم. تولباکس WFDB فیزیونت برای خواندن، نوشتن و پردازش سیگنالهای حیاتی این وبسایت ارائه شده است.
🔺 معمولا اضافه کردن این تولباکس با روال add to path به متلب با مشکل مواجه میشه و خیلی مواقع تولباکس درست کار نمیکند. احتمالا خیلی از شما هم موقع استفاده کردن از این تولباکس با مشکل خطاهای گاه و بی گاه تولباکس WFDB مواجه شده اید.
💡 در این پست (ویدیو) روال نصب تولباکس WFDB در متلب رو توضیح میدهیم تا خیلی راحت نصب کنید و دیگه مشکلات روال دستی add to path رو تجربه نکنید.
#PhysioNet #MATLAB
🔘 جزئیات بیشتر 👇
https://onlinebme.com/installation-of-physionet-wfdb-toolbox-in-matlab/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
از امروز به مدت یک هفته، این دوره تخفیف ۳۰ درصدی خواهد داشت.
Читать полностью…
🔖 جزوه دوره برنامهنویسی شئی گرا
🏷 سرفصل دوره OOP در پایتون
┤ ◻️ مقدمهای بر برنامهنویسی OOP
┤ ◼️ارتباط بین class و object
┤ ◻️ تعریف class در پایتون
┤ ◼️ ساخت object
┤ ◻️ تعریف شناسه برای object
┤ ◼️ تعریف متد برای object
┤ ◻️ تعریف شناسه برای کلاس
┤ ◼️ تعریف متد برای کلاس
┤ ◻️ کپسوله سازی|Encapsulation
┤ ◼️ اوررایدینگ|Overriding
┤ ◻️ ارثبری|inheritance
┤ ◼️ متدهای جادویی
┘ ◻️ انجام پروژه
🔘Link
@Onlinebme
✅یادگیری عمیق برای کاربردهای واسط مغز-کامپیوتر مبتنی بر EEG
👩💻هما کاشفی امیری
🗓۲۳ فروردین ۱۴۰۳
✍یادگیری عمیق، چشم اندازهای عالی برای حل تسکهای پیچیدهی مرتبط مانند کلاسبندی تصاویر حرکتی، تشخیص تشنج صرع و تشخیص توجه راننده با استفاده از دادهی EEG نشان داده است. محققان در حال حاضر کارهای زیادی روی رویکردهای مبتنی بر یادگیری عمیق در حوزهی BCI انجام دادهاند. علاوه بر این تقاضای زیادی برای مطالعاتی وجود دارد که تنها بر مدلهای یادگیری عمیق در کاربردهای BCI مبتنی بر EEG تأکید شود. در این مقاله به چالشهای فعلی و جهت گیریهای مطالعات آتی اشاره میکنیم.
⭕️ جزییات بیشتر👇
https://onlinebme.com/deep-learning-for-eeg-based-bcis/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
⚠️ تخفیفات سالیانه ONLINEBME تا 12 امشب فعال خواهند بود!
Читать полностью…
نولاند آرباگ، اولین شخصی که تراشه نورولینک در مغز او ایمپلنت شده، اینجا احساسش در مورد تراشه رو توصیف میکنه🙂
@Onlinebme
سلام
سال نو همه همراهان عزیز مبارک باشه 🎉
امیدواریم سال جدید برای همه سالی پر از خبر و برکت باشه🙏❤️
💡 طبق رسم هرساله، آکادمی ONLINEBME برای همه محصولات تخفیف ویژه 40 درصدی به مناسبت سال نو در نظر گرفته است.
🔷 تخفیف به صورت خودکار اعمال میشود و نیازی به وارد کردن کد تخفیف نیست.
🔺 لازم به ذکر است که مدت زمان استفاده از این تخفیفات محدود است.
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
✅ معرفی اولین پایگاه داده دوره پردازش سیگنال ECG
🔷معرفی پایگاه داده MIT BIH Arrhythmia
🔷 نحوه خواندن داده .dat در پایتون
سایت فیزیونت یک منبع پایگاه داده رایگان برای تحقیقات پزشکی هست که توسط آزمایشگاه فیزولوژی محاسباتی MIT مدیریت میشود. پایگاه داده MIT BIH Arrhythmia برای تحقیقات روی بیماریهای آریتمی قلبی ثبت شده است. این پایگاه داده شامل 48 ثبت نیم ساعته سیگنال ECG است که به فرمت .dat قابل دانلود هست. در این پست (💡در دو ویدیو) میخواهیم با این پایگاه داده و چارچوب تحقیقات روی این داده آشنا شویم، در انتها هم توضیح می دهیم که چطور می توان این داده را در پایتون خواند.
🔘 جزئیات بیشتر
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
✅تبدیل موجک چیست؟
هما کاشفی امیری
10 خرداد 1403
✍️تبدیل موجک (Wavelet Transform) ابزاری ریاضیاتی است که یک تابع یا سیگنال را به مجموعه توابع پایه ای به نام موجک، تجزیه میکند. تبدیل موجک، ابزار قدرتمندی در پردازش سیگنال EEG است؛ با استفاده از آن میتوان از سیگنال EEG، ویژگی استخراج کرد یا نویز آن را حذف کرد.
#Python #EEG #Deep_Learning
🔘 جزئیات بیشتر
https://onlinebme.com/wavelet-transform/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
✅شبکههای عمیق در نقشهای مختلف در تحلیل سیگنال EEG
هما کاشفی امیری
3 خرداد 1403
✍️اگر تابحال مقالات مربوط به کاربرد شبکههای عمیق در پردازش انواع مختلف سیگنال EEG را بررسی کرده باشید، احتمالاً متوجه شدهاید که بسته به کاربرد و عملکرد مناسب مدل، شبکههای عمیق در نقشهای مختلفی ظاهر شدهاند. برای مثال در برخی از مقالات از شبکههای عمیق به عنوان استخراج کننده ویژگی استفاده شده است و در برخی دیگر، نقش کاهش دهنده ی ابعاد را بازی کردهاند. در برخی از مقالات هم کل مراحل توسط شبکه عمیق انجام شده و هیچ مرحله پیش پردازش یا استخراج ویژگی وجود ندارد (End to End Learning). در این مقاله، به این موارد میپردازیم و اینکه کدامیک از شبکهها برای هر یک از این عملیات مناسب هستند.
#Python #EEG #Deep_Learning
🔘 جزئیات بیشتر 👇
https://onlinebme.com/different-roles-of-deep-learning-networks-in-eeg-signal-processing/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
☑️ معرفی تابع dir متلب (خواندن فایلها با اسم های مختلف)
محمد نوری زاده چرلو
31 اردیبهشت 1403
✍ احتمالا شما هم موقع خواندن فایلها با اسمهای مختلف در متلب، مخصوصا اگر اسم فایلها الگوی مشترکی نداشته باشند، به مشکل خورده اید. همانند ماژول glob پایتون، متلب تابعی به اسم dir داره که این کار رو براتون راحت میکنه و اسم فایلها رو به صورت لیست به شما میده و شما راحت میتونید فایلها رو بخونید. تو این ویدیو کار با تابع dir متلب را توضیح داده ایم
⭕️ جزئیات بیشتر 👇
https://onlinebme.com/matlab-dir-function/
🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
✅ دوره پردازش سیگنال ECG
🔷 فصل 1-2: پیش پردازش
🔘 تمرینات سری اول
▪️ خواندن داده به فرمتهای مختلف
@Onlinebme
تایم لپس از آناتومی قلب و گردش خون
جلسه اول دوره پردازش سیگنال ECG
@Onlinebme
سلام به همه دوستان
بسیار خوشحالم که اعلام کنم دوره ی پردازش سیگنال مغزی با پکیج MNE-Python روی سایت قرار گرفت.
🔷 دورهی MNE-Python از دو بخش تشکیل شده است. در بخش اول، مفاهیم پایهای پردازش سیگنال EEG با استفاده از کتابخانهی MNE-Python آموزش داده میشود. تمامی مراحل اعم از خواندن دیتاست به فرمتهای مختلف، جدا کردن سیگنالهای پیوسته و خام به ترایالها و پیش پردازش و … مرحله به مرحله ارائه میشوند. در بخش دوم، برای دیتاستهای معروف EEG با استفاده از پکیج MNE و الگوریتمهای یادگیری ماشین و یادگیری عمیق، پروژه انجام میشود و مقالههای جدید پیادهسازی میشوند. سیگنالهای EEG مورد استفاده در این دوره شامل سیگنالهای تصورحرکتی، صرع، SSVEP، Distance Learning هستند.
اطلاعات بیشتر👇
https://onlinebme.com/product/eeg-processing-with-python-mne/
سلام
وقت همگی بخیر
☑️ "دوره پردازش سیگنال ECG" از جمعه این هفته شروع میشه😊
🕒 دوره جمعهها از ساعت 3 تا 7 خواهد بود.
🎞ویدیوی جلسات ضبط میشه و بعد از ادیت تا روز دوشنبه هفته بعدی همراه با سایر محتوا در اختيار همه شرکت کنندگان قرار میگیره.
🗂📗 لطفا طبق روال دوره های Onlinebme، پروژهها رو انجام داده و فایل گزارش رو به ایمیل من ارسال کنید تا بررسی شده و فیدبک لازم داده بشه.
موفق باشید...
✅الگوریتمهای یادگیری عمیق در پردازش سیگنال EEG
👩💻هما کاشفی امیری
🗓۹ فروردین ۱۴۰۳
✍در سالهای اخیر، الگوریتمهای یادگیری عمیق به سرعت توسعه یافتهاند و در حال تبدیل شدن به ابزاری قدرتمند در مهندسی پزشکی هستند. به طور خاص، تمرکز زیادی بر کاربرد الگوریتمهای یادگیری عمیق در رمزگشایی وضعیت فیزیولوژیکی یا پاتولوژیک مغز از الکتروانسفالوگرافی (EEG) شده است. در این مقاله، کاربرد فعلی الگوریتمهای یادگیری عمیق در انواع تسکهای رمزگشایی EEG بررسی میشود. در این مقاله، اصول اولیه الگوریتمهای یادگیری عمیق مورد استفاده در رمزگشایی EEG به طور خلاصه شرح داده شده است از جمله شبکه عصبی کانولوشنی (CNN)، شبکه باور عمیق (DBN)، شبکه خودرمزنگار (autoencoder) و شبکههای عصبی بازگشتی (RNN)
⭕️ جزییات بیشتر👇
https://onlinebme.com/deep-learning-algorithms-for-eeg-signal-processing/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
✅ شطرنج بازی کردن اولین فرد ایمپلنت شده نورولینک!
آقای Noland Arbaugh به خاطر یک حادثه غواصی، از شانه به پایین فلج شده است.
🔺اینجا به لطف تراشه نورولینک میتونه موس رو تنها با افکارش کنترل کنه و شطرنج بازی کنه.
🔻 البته کنترل موس توسط افکار چیز تازه ای در حوزه BCI نیست و قبلا هم همچین سیستمهایی طراحی شده است. خوبی تراشه نورولینک اینه که بیسیمه و میشه در خونه یا هرجایی خارج از آزمایشگاه هم به راحتی استفاده کرد.
💡 گفته میشه که هدف بعدی نورولینک دادن بینایی به نابینایان هست!
@Onlinebme
✅ نگاه کلی به دورههای آکادمی Onlinebme به مناسبت تخفیفات سالیانه
🏷 لیست دورههای Onlinebme
┤ ◼️ برنامهنویسی Python
┤ ◻️ برنامهنویسی MATLAB
┤ ◼️ یادگیری ماشین|شناسائی الگو
┤ ◻️ پردازش سیگنالهای مغزی (EEG)
┤ ◼️ واسط مغز-کامپیوتر (BCI)
┤ ◻️ شبکههای عصبی
┤ ◼️ پردازش تصویر
┤ ◻️ یادگیری عمیق
┤ ◼️ بینایی ماشین
┘ ◻️ پایتورچ
💡پکیجهای آموزشی
🎊 40 درصد تخفیف برای همه محصولات
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
⬛️◼️◾️ پکیجهای آموزشی Onlinebme ◾️◼️⬛️
🔆 اولین گروه آموزشیِ تخصصی و پروژه محور 🔆
〰〰〰〰〰 برنامهنویسی متلب 〰〰〰〰〰
🔲 اصول برنامهنویسی در متلب (رایگان)
▪️مدت دوره: 11 ساعت
🔘 Link
〰〰〰〰〰 برنامهنویسی پایتون 〰〰〰〰〰
⚪️ فصل 1: اصول برنامهنویسی پایتون
◽️مدت دوره: 32 ساعت
🔘 Link
⚪️ فصل 2-3: کتابخانه NumPy و Matplotlib
◽️مدت دوره: 18 ساعت
🔘 Link
⚪️ فصل 4: برنامه نویسی شیء گرا در پایتون
◽️مدت دوره: 14 ساعت 30 دقیقه
🔘 Link
〰〰〰 شناسایی الگو و یادگیری ماشین 〰〰〰
⚠️ 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
⚪️فصل 1 تا 4: از بیزین تا SVM
◽️مدت دوره: 75 ساعت
🔘 Link
⚪️فصل 5: یادگیری جمعی
◽️مدت دوره: 18 ساعت
🔘 Link
⚪️فصل 6: الگوریتمهای کاهش بعد
◽️مدت دوره: 11 ساعت
🔘 Link
⚪️فصل 7: الگوریتمهای انتخاب ویژگی
◽️مدت دوره: 16 ساعت
🔘 Link
⚪️فصل 8: الگوریتمهای خوشهبندی
◽️مدت دوره: 13 ساعت
🔘 Link
〰〰〰〰〰 شبکههای عصبی 〰〰〰〰〰
⚪️ پیاده سازی گام به گام شبکه های عصبی
◽️مدت دوره: 25 ساعت
🔘 Link
⚪️ دوره پروژه محور شبکه عصبی کانولوشنی (CNN)
◽️مدت دوره: 11 ساعت
🔘 Link
⚪️ دوره پروژه محور شبکه عصبی بازگشتی (RNN)
◽️مدت دوره: 13 ساعت
🔘 Link
⚪️دوره پروژه محور کاربرد شبکههای عمیق در بینایی ماشین
◽️مدت دوره: 16 ساعت
🔘 Link
⚪️ دوره پیادهسازی شبکههای عصبی با PyTorch
◽️مدت دوره: 70 ساعت
🔘 Link
〰〰〰〰 پردازش سیگنال مغزی 〰〰〰〰
⚪️ دوره جامع پردازش سیگنال مغزی(EEG)
◽️مدت دوره: 50 ساعت
🔘 Link
⚪️ واسط مغز-کامپیوتر مبتنی بر P300
◽️مدت دوره: 28 ساعت
🔘 Link
⚪️ واسط مغز-کامپیوتر مبتنی بر SSVEP
◽️ مدت دوره: 33 ساعت
🔘 Link
⚪️ واسط مغز-کامپیوتر مبتنی بر تصور حرکتی
◽️مدت دوره: 21 ساعت
🔘 Link
⚪️ پیادهسازی مقاله CSSP (BCI مبتنی بر MI)
◽️مدت دوره: 7 ساعت و 30 دقیقه
🔘 Link
⚪️پیادهسازی مقاله RCSP (BCI مبتنی بر MI)
◽️مدت دوره: 5 ساعت
🔘 Link
⚪️دوره تبدیل فوریه زمان کوتاه در پردازش سیگنال مغزی
◽️مدت دوره: 8 ساعت
🔘 Link
〰〰〰〰 دوره جامع پردازش تصویر 〰〰〰〰
⚪️فصل 1: آستانه گذاری تصویر، تبدیلات شدت روشنایی و هندسی
◽️مدت دوره: 30 ساعت
🔘 Link
⚪️فصل 2: پردازش هیستوگرام تصویر
◽️مدت دوره: 6 ساعت و 30 دقیقه
🔘 Link
⚪️فصل 3: فیلترهای مکانی
◽️مدت دوره: 15 ساعت و 30 دقیقه
🔘 Link
⚪️فصل 4: عملیات مورفورلوژی
◽️مدت دوره: 6 ساعت
🔘 Link
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
💡دوره قراره آنلاین برگزار بشه (هر هفته یک جلسه ۴ ساعته)
✅ ویژگیهای دوره
💡 پروژه محور| همانند سایر دوره ها، این دوره نیز پروژه محور هست و از داده های معتبر در این دوره برای آموزش و انجام پروژهها استفاده خواهیم کرد.
💡 پیادهسازی مقاله| در این دوره، مقالات تخصصی پیادهسازی خواهیم کرد و شرکتکنندگان علاوه بر یادگیری مباحث، با اصول پیادهسازی مقالات تخصصی نیز آشنا خواهند شد.
💡ویدئوهای آموزشی| ویدئوهای هر جلسه آنلاین ضبط میشه و بعد از ادیت ویدئوها، در اختیار شرکت کنندگان قرار میگیره.
💡کدهای پیادهسازی شده| همانند سایر دورهها، کدهای پیادهسازی شده در طول دوره برای پروژهها و مقالات، در اختیار شرکتکنندگان قرار میگیره.
💡پشتیبانی آنلاین| طول دوره و بعد از دوره شرکت کنندگان میتوانند با مدرس دوره در ارتباط باشند. علاوهبراین، برای هر فصل دوره پروژهای تعریف میشه و پروژهها توسط مدرس بررسی شده و فیدبکهای لازم داده میشه.
مدت زمان دوره: حدودا 25 ساعت
مدرس دوره: محمد نوری زاده چرلو
🔷ثبت نام و اطلاعات بیشتر👇
@onlinebme_admin
#ECG #قلب
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme