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
🔘بخش کوتاهی از فصل دوم دوره یادگیری عمیق
✍خلاصه اثبات روابط برای تنظیم وزنهای سیناپسی در RNNs
💡 Back Propagation Through Time (BPTT)
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
💡مطالعه بیشتر برای شرکت کنندگان دوره آنلاین یادگیری عمیق
✍اثبات روابط مربوط به گرادیان لایه خروجی در مباحث طبقهبندی چندکلاسه
Cost Fun: Cross Entropy
Activation Fun: SoftMax
🔘بخش کوتاهی از فصل سوم دوره پایتورچ
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
✅ 《دوره یادگیری عمیق》
🔷 فصل 1: MLP و پس انتشار خطا
🔘 تمرینات سری اول
▪️ Back Propagation
@Onlinebme
دوره جامع یادگیری عمیق با محوریت RNNs+CNNs+Attention
💡سه هدف اصلی دوره:
🔷 ریاضیات شبکههای عصبی
🔷 درک عمیق شبکه های عصبی
🔷 انجام پروژه های عملی
آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
کاربردهای هوش مصنوعی در پردازش سیگنال های حیاتی
از یادگیری ماشین تا واسط مغز-کامپیوتر
زمان: جمعه ۱۰ مرداد- ساعت ۲۱
https://www.linkedin.com/events/bci7355151563297857536
مطالعه جدید: استفاده از ChatGPT میتواند تفکر انتقادی را تضعیف کند
تضعیف ارتباطات مغزی در سیگنالهای مغزی افراد مشاهده شد!!
@Onlinebme
💡 آکادمی ONLINEBME تخفیف تابستانه 35 درصدی برای همه محصولات خود در نظر گرفته است. 🎊🎉
▪️موقع تسویه، تخفیف به صورت خودکار اعمال میشود و نیازی به وارد کردن کد تخفیف نیست.
🔺لازم به ذکر هست که مدت زمان استفاده از تخفیفات تابستانه محدود است و تمدید نخواهد شد.
🔘 دوره های Onlinebme
https://onlinebme.com/shop/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
🔥 چالش 10 هفته ای یادگیری پایتون: هفته 7-10
💡مهارتهای مورد نیاز برای انجام تمرینات و پروژه های هفته هفتم تا دهم
◾️ تسلط بر پایتورچ، شبکه های عصبی، روشهای بهینهسازی، توابع هزینه
☑️ لطفا، تمرینات رو به صورت فایل زیپ شده ایمیل کنید. بعد از بررسی در همان ایمیل فیدبک لازم داده خواهد شد.
مهلت ارسال: ۱۴ روز (به خاطر حجم زیاد تمرینات)
موفق باشید
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
در این مطالعه ما روشهای مبتنی بر الگو (template-based) جهت تشخیص فرکانس SSVEP رو بررسی کردیم که شامل 19 روش هست که به چهار دسته (CCA, MSI, CORRCA, TRCA) گروه بندی شده اند.
☑️ مطالعات زیادی روی BCI مبتنی بر SSVEP ارائه شده است، اما مطالعه ای جامعی که همه روشها رو به صورت یکجا تحلیل و مقایسه انجام بدهد وجود نداشت که ما سعی کردیم در این مطالعه روشهای مهم رو مورد بررسی قرار دهیم و برای هر کدام کدی بنویسیم و در شرایط یکسان روشهارو باهم مقایسه کنیم تا با مزایا و معایب روشها آشنا شویم.
💡نتیجه این مقایسات باعث شد به 4 نکته اکتشافی برسیم که در طراحی سیستمهای BCI مبتنی بر SSVEP، جهت رسیدن به عملکرد بهینه بسیار ضروری هستند.
نکته 1: استفاده از فیلتر بانک جهت به کار گرفتن موثر اطلاعات هارمونیکها بسیار مهم است.
نکته 2: استفاده از داده آموزشی در جهت ساخت سیگنالهای مرجع
نکته 3: استفاده از فیلترهای سایر محرکها در استخراج ویژگی
نکته 4: استفاده از داده های آموزشی جهت محاسبه فیلترها به جای داده تست
🌀لینک دسترسی به کدهای پیاده سازی شده در گیت هاب:
GitHub: https://github.com/Mohammad-Norizadeh-Cherloo/SSVEP-Toolbox
⭕️جزییات بیشتر در وبسایت 👇
https://onlinebme.com/ssvep-toolbox-matlab-implementation-of-ssvep-frequency-detection-methods/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
✅پیش پردازش خودکار سیگنالهای مغزی با تولباکس HAPPE
💡تولباکس Harvard Automated Processing Pipeline for EEG (HAPPE) توسط گروه تحقیقاتی در دانشگاه Harvard توسعه داده شده است که از آن میتوان برای حذف خودکار آرتیفکتها در سیگنالهای EEG استفاده کرد.
👌یکبار پارامترها توسط کاربر تعیین میشود، سپس این تولباکس به صورت خودکار تمام مراحل پیش پردازش را روی سیگنال EEG های اعمال کرده و نتیجه هر مرحله رو هم ذخیره میکند.
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
✅ 《دوره یادگیری عمیق》
🔷 فصل 2: Recurrent neural networks (RNNs)
🔘 تمرینات سری دوم
▪️ Back Propagation Through Time
▪️ Pure mathematics behind RNNs
▪️ Elman/Vanilla RNNs
▪️ Jordan RNNs
▪️ Elman-Jordan RNNs
▪️ Time series dataset
🔺مهلت تحویل تمرینات: دو هفته
💡 از روابط اثبات شده عکس گرفته و به ترتیب روابط شماره گذاری شوند و همراه با کدهای پیادهسازی شده برای پروژه ها به صورت فایل زیپ ارسال شوند.
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
💡مطالعه بیشتر برای شرکت کنندگان دوره آنلاین یادگیری عمیق
✍اثبات روابط مربوط به گرادیان لایه خروجی در مباحث طبقهبندی دوکلاسه
Cost Fun: Binary Cross Entropy
Activation Fun: Sigmoid
🔘بخش کوتاهی از فصل سوم دوره پایتورچ
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
سلام وقت همگی بخیر
دوره یادگیری عمیق از این هفته برگزار میشه
اولین جلسه روز جمعه خواهد بود«ساعت 1»
🔺این جلسه صرفا جهت آشنایی با چارچوپ کار و هماهنگی بیشتر هست. از هفته دیگه دوره رسماً استارت میخوره.
☑️ برنامه در هر جلسه:
◾️رفع اشکال (حل یکی از پروژههای هفته قبل)
◾️آموزش مباحث جدید
☑️ برنامه در طول هر هفته:
◼️ارسال ویدیوهای هر جلسه بعد از ادیت نهایی
◼️ارایه فیدبک لازم در پروژه ها توسط مدرس
◼️آمادهسازی و ارائه جزوه خام قبل هر جلسه
◻️انجام پروژههای تعریف شده
دوستانی که قصد دارند در این دوره شرکت کنند به آیدی زیر پیام دهند.
@onlinebme_admin
امیدوارم که کنار هم تجربه ی خوبی داشته باشیم😊
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
سلام
امیدوارم حالتون خوب باشه،
قصد داریم یک دوره آنلاین با عنوان «دوره جامع یادگیری عمیق»
با محوریت RNNs +CNNs +Attention برگزار کنیم.
در این دوره ریاضیات، پیادهسازی و کاربردی عملی شبکههای عصبی آموزش داده خواهد شد.
سرفصل دوره
1⃣ مروری بر مباحث مقدماتی
┤◼️Back propagation
┤◻️MLP
┤◼️Cost function
┤◻️Optimizers
┤◼️DataLoader
┤◻️Dropout
┤◼️Batch Normalization
┤◻️...
🗂 Projects
2⃣ پیادهسازی شبکه های بازگشتی
┤◼️Elman-Jordan
┤◻️RNN
┤◼️LSTM
┤◻️GRU
┤◼️BiLSTM
🗂 Projects
3⃣ آشنایی با ساختارهای مختلف شبکه های کانولوشنی
┤◼️Convolution layer
┤◻️Pooling layer
┤◼️Spatial conv
┤◻️Temporal conv
┤◼️Seperabale conv
┤◻️Resent
┤◼️....
🗂 Projects
4⃣ ترکیب CNN و RNN
🗂 Projects
5⃣ مکانیزم توجه
┤◻️Attention in CNN
┤◼️Attention in LSTM
🗂 Projects
6⃣ ترکیب CNN+RNN+Attention
مدرس دوره: محمد نوری زاده چرلو
مدت زمان دوره: 30-50 ساعت
دوستانی که قصد دارند در این دوره شرکت کنند به آیدی زیر پیام دهند.
@onlinebme_admin
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
سلام و وقت بخیر
امیدوارم حالتون خوب باشه🙏
همانطور که قبلا اطلاع داده بودم، تصمیم داشتیم دورهای در زمینهی پیادهسازی شبکههای عصبی بازگشتی (RNN) برگزار کنیم. هدف اصلی این دوره، آشنایی با تئوری و ریاضیات این نوع شبکهها، پیادهسازی دستی آنها، استفاده از کتابخانه PyTorch، و در نهایت انجام پروژههای عملی بود.
در این مدت که مشغول مطالعهی روی شبکههای RNN و همچنین بررسی ترکیب آنها با سایر معماریها مانند CNN در مسائل مختلف بودم. متوجه شدم که عملکرد RNN در ترکیب با سایر شبکههای عصبی، بهویژه CNNها، بهینه تر و مؤثرتر میشود.
بر همین اساس، تصمیم گرفتم دورهای جامع طراحی کنیم که فصل اول آن به RNN اختصاص داده بشه و در فصلهای بعدی به معرفی و پیادهسازی سایر شبکهها مانند CNN و ترکیب آنها با RNN در پروژههای مختلف بپردازیم.
این دوره با عنوان "شبکههای عصبی با محوریت RNN و CNN" برگزار خواهد شد و محتوای آن به صورت کاربردی طراحی شده است. در این چند ماه تلاش کردم که الگوریتمهای مختلف را مطالعه و بررسی کنم تا بتونم محتوایی کامل و ساختاریافته ارائه دهم.
الان فهرست مطالب دوره در حال نهایی شدن است و ثبت نام از این هفته آغاز خواهد شد.
سرفصلهای تقریبی دوره:
فصل اول: مروری بر مفاهیم پایه شبکههای عصبی
🔺 پس انتشار خطا، توابع هزینه، روشهای بهینه سازی، dropout، batch normalization ....
فصل دوم: ریاضیات و پیادهسازی شبکههای بازگشتی (RNN, LSTM, GRU, BiLSTM)
🔺 پروژههای عمومی (مسائل قابل تعمیم به کاربردهای مختلف)
🔺 پروژههای پردازش سیگنالهای حیاتی (EEG, ECG)
فصل سوم: بررسی معماری شبکههای CNN
🔺انواع کانولوشن و ساختارهای رایج
🔺پیاده سازی شبکه EEGNet و توسعهی آن
🔺پیاده سازی شبکههای ShallowNet و DeepNet
🔺پروژههای عمومی و همچنین پروژههای مرتبط با سیگنال EEG و ECG
فصل چهارم: ترکیب شبکههای RNN و CNN
🔺پروژههای تحلیل دادههای سری زمانی
🔺پروژههای پردازش سیگنالهای حیاتی
فصل پنجم: آشنایی با Attention
🔺آشنایی با انواع Self-Attention
🔺طراحی لایه Attention برای انتخاب Feature Map/ Channel
🔺طراحی Attention مخصوص شبکههای
✅ ترکیب RNN+LSTM+Attention و پیاده سازی آن در پروژه های مختلف (تشخیص و پیش بینی خطا، سیگنالهای حیاتی، ... )
💡تمرکز این دوره بر ترکیب مبانی ریاضی و تئوری شبکههای عصبی با پروژههای عملی و کاربردی خواهد بود. امیدوارم کنار هم بتونیم تجربه خوبی داشته باشیم و خروجی خوبی از این دوره بدست بیاریم.
پیش نیاز دوره: پایتورچ
https://onlinebme.com/product/implementing-neural-networks-with-pytorch/
ثبتنام دوره این هفته شروع خواهد شد...
موفق باشید
محمد نوریزاده چرلو
🔍📝 در این پژوهش، اثرات رفتاری و عصبی نوشتن مقاله با کمک مدلهای زبانی (LLM) بررسی شده است.
شرکتکنندگان به سه گروه تقسیم شدند: استفاده از LLM، گروه Search، و فقط مغز brain-only(بدون ابزار).
همه شرکتکنندگان سه جلسه مشابه با شرایط کاملا یکسان را گذراندند و در جلسه چهارم، جای گروه LLM و Brain-only با هم عوض شد. یعنی به ترتیب به گروه LLM-to-Brain و Brain-to-LLM تبدیل شدند.
با استفاده از سیگنالهای مغزی (EEG)، فعالیت شناختی حین نوشتن ارزیابی شد. همچنین کیفیت مقالات با کمک ابزار NLP، معلمان انسانی، و یک ابزار هوش مصنوعی ارزیابی شد.
💡نتایج این مطالعه نشان میدهد که:
🔺گروه Brain-only بیشترین فعالیت مغزی و قویترین شبکههای شناختی را داشند.
🔺گروه Search سطح متوسطی را نشان داد.
🔺گروه LLM ضعیفترین ارتباطات مغزی را ارائه داد.
🔷 نکته بعدی اینکه، گروه LLM-to-Brain در جلسه 4 ام سطح زیر مشارکت را نشان دادند، در عوض گروه Brain-to-LLM، سطح بالای یادآوری و فعالیت مغزی در بخش occipital-parietal همانند گروه search داشتند.
🔷 احساس مالکیت در گروه LLM کمترین میزان، و در گروه Brain-only بیشترین میزان گزارش شد. همچنین گروه LLM در به یادآوردن متنهای خودشان چالش اساسی داشتند.
⚠️ نتایج این مطالعه نشان میدهند که استفاده از LLM ها درسته که راحتی آنی به ارمغان میاورند، ولی در بلند مدت استفاده از آنها باعث کاهش عملکرد شناختی را خواهد داشت. این یعنی تضعیف تفکر انتقادی، تضعیف خلاقیت و مرگ تدریجی نوآوری ها و منحصر به فرد بودن ها!!!
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
✅نقشه راه به همراه توضیحات در وبسایت👇
https://onlinebme.com/roadmap-for-onlinebme-courses/
@Onlinebme
✅ نگاه کلی به دورههای آکادمی Onlinebme
🟠35 درصد تخفیف تابستانه 🎊🎊🎉
🏷 لیست دورههای Onlinebme
┤ ◼️ برنامهنویسی Python
┤ ◻️ برنامهنویسی MATLAB
┤ ◼️ یادگیری ماشین|شناسائی الگو
┤ ◻️ پردازش سیگنالهای مغزی (EEG)
┤ ◼️ برنامهنویسی شئی گرا(OOP)
┤ ◻️ واسط مغز-کامپیوتر (BCI)
┤ ◼️ شبکههای عصبی
┤ ◻️ پردازش تصویر
┤ ◼️ یادگیری عمیق
┤ ◻️ بینایی ماشین
┤ ◼️ پیادهسازی شبکههای عصبی با پایتورچ
┤ ◻️ پردازش سیگنال قلبی (ECG-Python)
┘ ◼️ پردازش سیگنال EEG در پایتون(MNE)
💡پکیجهای آموزشی
🏢 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 پردازش سیگنال مغزی با کتابخانه MNE پایتون
◽️مدت دوره: 33 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
〰〰〰〰〰 پردازش سیگنال قلبی 〰〰〰〰
⚪️ دوره پردازش سیگنال ECG
◽️مدت زمان دوره: 37 ساعت و 45 دقیقه
🔘 Link
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
☑️ مطالعه مروری روشهای بهینهسازی مبتنی بر گرادیان نزولی
💡روند تکامل گرادیان نزولی
⬛️ مباحثی که در این پست بررسی میکنیم:
▪️ یادگیری در شبکه عصبی
▫️تابع هزینه و نقش آن در یادگیری
▪️فلسفه گرادیان نزولی
▫️ محدودیتهای گرادیان نزولی
▪️نرخ یادگیری متغیر با زمان
▫️گرادیان نزولی با ترم ممنتوم
▪️روش بهینهسازی AdaGrad
▫️روش بهینهسازی RMSprop
▪️روش بهینهسازی AdaDelta
▫️روش بهینهسازی Adam
💡PyTorch
🔘 مطالعه در وبسایت
@Onlinebme
سلام، امیدوارم حالتون خوب باشه.
به خاطر شرایطی که در کشور پیش اومد متاسفانه نشد به صورت منظم تمرینات رو پیش برد.
برای جبران این مسئله، تمرینات سه بخش آخر این هفته یکجا در کانال بارگزاری خواهند شد.
موفق باشید 💐 🙏
محمد نوری زاده چرلو
✅ مطالعه جدید ما در زمینه BCI مبتنی بر SSVEP
Title: “A Comprehensive Study of Template-Based Frequency Detection Methods in SSVEP-Based Brain–Computer Interfaces.
Journal: Behavior Research Methods.
Authors: Mohammad Norizadeh Cherloo; Homa Kashefi Amiri; Amir Mohammad Mijani; Liang Zhan; Mohammad Reza Daliri
ممنون از دوستانم عزیزم امیرمحمد میجانی و هما کاشفی و استاد گرانقدرم دکتر محمدرضا دلیری🙏🌹
🌀https://link.springer.com/article/10.3758/s13428-025-02710-6
#BCI #EEG #SSVEP #CCA #TRCA #CORRCA #MSI #Template_based_methods
@Onlinebme
✅ پیش پردازش خودکار سیگنالهای مغزی با تولباکس HAPPE
🔷تولباکس EEGLAB علارغم کارایی بالا، زمانی که تعداد داده ها افزایش پیش پیدا میکنه بسیار زمانبر میشه، چرا که خود کاربر لازمه دستی تنظیمات رو برای هر سابجکت انجام دهد. تولباکس HAPPE که داخلش ابزار EEGLAB هم قرار دارد، تمام کارهارو خودکار انجام میده.
✅ فقط کافیه تولباکس رو در متلب راه اندازی کنید و پارامترهای لازم جهت پیش پردازش رو مشخص کنید، بعدش خود تولباکس تمامی داده هارو به صورت خودکار رو پردازش کرده و نتیجه را هم به ازای داده ذخیره میکند.
🔷 مراحل پیش پردازش شامل فیلترینگ، re-referencing، resampling، bad channel interpolation، ICA decomposition و غیره میشود.
💡از لحاظ معتبر بودن هم میتوان به سایتیش بالای مقاله مرتبط با این تولباکس نگاه کرد که از سال 2018 تا 2025 بالای 500 تا سایتیش داشته است و مطالعات زیادی از این تولباکس برای پیش پردازش سیگنال های EEG استفاده کرده اند.
🎙در دو ویدیوی کوتاه سعی کردم به صورت جامع توضیح دهیم که چطور میشه این تولباکس رو راه اندازی کرد و سیگنالهای مغزی رو به طور خودکار پیش پردازش کرد.
☑️ ویدیوی اول: نحوه دانلود و راه اندازی HAPPE در متلب
🔘https://youtu.be/cnRByjIW2xc?si=EiBMPtSxNcgx0LWn
☑️ ویدیوی دوم: نحوه پیش پردازش خودکار سیگنال مغزی و تنظیم پارامترهای مرتبط با آن(با یک مثال عملی)
🔘https://youtu.be/TH-nyx3ga1o?si=DqIgkDjpkq9apdxV
☑️ توضیحات در وبسایت👇
🔘https://onlinebme.com/happe-the-harvard-automated-processing-pipeline-for-eeg/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
مراقبت از سلامت روان در روزهای بحرانی
متاسفانه این روزها کشور ما درگیر بحرانیست که زندگی هممون رو دگرگون کرده. ترس، غم، و بی قراری تبدیل به بخشی از روزمرهی ما شده اند. اما در دل این تاریکی، مراقبت از روان نه تنها یک نیاز، بلکه یک تصمیم آگاهانه برای بقا، رشد و تاب آوریمون هست.
نکات سادهای وجود دارند که میتونند کمکمون کنند قوی بمونیم.
📵اخبار را با دوز کم مصرف کن.
زمانبندی کن: صبح و عصر. مرور لحظه به لحظه، مغز را در حالت هشدار مداوم قرار میده.
« مواجههی مکرر با اخبار تنشزا، سطح کورتیزول را بالا نگه میداره »
💬 احساساتت را بیرون بریز- با صحبت یا نوشتن.
ترس، اگر پنهان بمونه، بزرگتر میشه. حرف زدن با آدمهای امن یا نوشتن در دفتر، فشار رو میتونه کم کنه.
🕯 یک روتین ساده برای بدنت بساز.
خواب منظم، وعدههای غذایی منظم، و حتی چند دقیقه حرکت یا کشش بدن، به مغز پیام امنیت میده.
🧘♀️ نفس عمیق تمرین کن
چند دقیقه در روز، قطع ارتباط کن. موسیقی، دعا، یا فقط نفس عمیق. الگوی 4-8-8، یعنی ۴ ثانیه دم، 8 ثانیه نگهداشتن، 8 ثانیه بازدم. فقط روزی ۳ بار میتونه عالی باشه.
🚶♂️ بدنت را فعال نگه دار.
یوگا، نرمش، یا حتی قدمزدن کوتاه. حرکت فیزیکی یعنی خروج از حالت یخزدگی روانی.
🫂 اگر شریک عاطفی داری، تماس فیزیکی را دستکم نگیر.
آغوش یا تماس فیزیکی ملایم، یا حتی نشتن کنار شخصی که دوستش داریم ترشح هورمونهای آرامبخش مثل اکسی توسین را افزایش میده.
تماس فیزیکی امن ضد اضطرابه.
🥦تغذیه ساده ولی مقوی داشته باش.
بدن در بحران، دنبال انرژی است. نان سبوسدار، تخممرغ، میوه، ماست، مغزها رو در اولویت بگذار. قند و کافئین زیاد؟ ممنوع.
«تغذیه متعادل یعنی پیام امنیت به مغز»
💧 هیدراته بمون
استرس میتونه احساس تشنگی رو سرکوب کنه، و کم آبی تمرکز و خلق رو پایین میاره.
پس سعی کن هر ۱–۲ ساعت یک لیوان آب یا دمنوش بخوری.
🎒 برای روزهای مبهم آماده باش
یک کیف اضطراری داشته باش که میتونی اینارو داخلش قرار بدی (کنسرو ماهی یا لوبیا، بیسکوییت خشک یا مغزها، بطری آب، پاوربانک، چراغ قوه، نسخهای از داروهای ضروری، کپی مدارک مهم، ...). مغز وقتی ببینه آمادهای، آرومتر میشه!
PDF
به امید روزهایی آرامتر، که دوباره بتوانیم نفس راحت بکشیم...
@Onlinebme