نوشته‌ها

اولین دوره ی عملی شبکه های عصبی در مشهد

 

اولین وجه تمایز این دوره ی  پیاده سازی شبکه های عصبی در نرم افزار متلب  با سایر دوره ها این است که در این دوره نحوه استفاده از توابع آماده متلب آموزش داده نمی‌شود بلکه نحوه‌ی پیاده‎سازی شبکه های عصبی  بطور کامل آموزش داده می­شود.

 

  • در این دوره نحوه پیاده‌سازی شبکه های عصبی آموزش داده می شود و مطمئنا شرکت کنندگان بعد از تمرین و تکرار مطالبی که آموزش داده می‌شود، در پیاده‌سازی شبکه‌ها، بهبود شبکه‌ها، شبیه‌سازی مقالات و استفاده از شبکه‌ها در پروژه‌های عملی دچار مشکل نخواهند شد.

◊ در این دوره سعی بر این است که تمام مباحث کتاب معروف Siomon Haykin آموزش داده شود. کتاب معروف Siomon Haykin، کتابی استاندارد برای یادگیری شبکه‌های عصبی است که در بیشتر دانشگاه‌های داخل و خارج کشور تدریس می‌شود.  در ابتدای هر جلسه، مباحث تئوری کتاب آموزش داده می‌شود و سپس به طور گام به گام در متلب پیاده‌سازی می‌شود.

◊ علاوه بر مباحث کتاب Siomon Haykin ، دو شبکه عصبی معروفPNN و  ELMرا طبق مقالات معتبر پیاده‌سازی می­کنیم که از این طریق شرکت‌کنندگان با پیاده‌سازی مقالات نیز آشنا می‌شوند.

سرفصل مطالبی که در دوره عملی پیاده‌سازی شبکه‌های عصبی در متلب آموزش داده می‌شوند: ادامه مطلب …

پایان اولین دوره ی شبکه های عصبی در تهران

دوره ی پیاده سازی شبکه های عصبی به پایان رسید و لازمه که از همینجا از همه شرکت کنندگان بخاطر شرکت در این دوره تشکر کنیم و امیدواریم که این دوره برای دوستان مفید بوده باشه.

 لازمه که مروری داشته باشیم به مباحثی که در این دوره آموزش داده شد تا از این طریق دوستان دیگه ای که علاقه مند به یادگیری این مباحث هستند در دوره های بعد شرکت کنند.

وجه تمایز این دوره با دوره های دیگه این بود که اولا در این دوره نحوه استفاده از توابع آماده متلب آموزش داده نشد بلکه نحوه ی پیاده سازی شبکه ها بطور کامل آموزش داده شد! (چون باور داریم که یک مهندس باید خودش کد بنویسه نه اینکه از منابع آماده استفاده کنه).

استفاده از شبکه عصبی آماده برای شخصی که مهندسی نمیخونه و صرفا مصرف کننده هست مناسب هست.

  1. در این دوره نحوه پیاده سازی شبکه های عصبی آموزش داده شد و مطمئنا شرکت کنندگان بعد از تمرین و تکرار مطالبی که آموزش داده شد، در پیاده سازی شبکه ها، بهبود شبکه ها، شبیه سازی مقالات و استفاده از شبکه ها در پروژه های عملی دچار مشکل نخواهند شد.
  2.  در این دوره سعی بر این بوده است که تمام مباحث کتاب معروف Siomon Haykin را آموزش بدیم.
  3. کتاب معروف Siomon Haykin، کتابی استاندارد برای یادگیری شبکه های عصبی است که در بیشتر دانشگاههای داخل و خارج کشور تدریس می شود.
  4. در ابتدای هر جلسه، مباحث تئوری کتاب آموزش داده شد و سپس به طور گام به گام در متلب پیاده سازی شد.
  5. علاوه بر مباحث کتاب Siomon Haykin ، دو شبکه عصبی معروفPNNو ELM (بانظارت – که جهت کلاسبندی و پیش بینی استفاده می شوند) را طبق مقالات معتبر پیاده سازی کردیم که از این طریق شرکت کنندگان با پیاده سازی مقالات نیز آشنا شدند.
  6. تمامی شبکه ها در متلب پیاده سازی و سپس در پروژه‌های عملی استفاده شدند!

وجه تمایز دیگه ای این دوره با دوره های دیگه این بود که این دوره کاملا پروژه محور بود و در طول دوره پروژه های مختلفی با شبکه های عصبی انجام شد.

 

پروژه هایی که در دوره آموزش داده شدند:

◦ تشخیص سرطان سینه با استفاده از شبکه عصبی آدالاین
◦ تشخیص سرطان سینه با استفاده از قانون یادگیری وینرهاف
◦ تشخیص سرطان سینه با استفاده از ML(ماکزیمم شباهت)
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی پرسپترون چندلایه با قانون یادگیری پس انتشار خطا
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی پرسپترون چندلایه با قانون یادگیری دلتا دلتا
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی پرسپترون چندلایه با قانون یادگیری دلتا بار دلتا
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی پرسپترون چندلایه با قانون یادگیری دلتا دلتا
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی توابع شعاعی پایه (RBF)
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی (ELM(Extreme learning machine
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی احتمالی (PNN)
◦ کلاسبندی داده های سه کلاسه iris# (داده ی معروف در سایت uci) با استفاده از شبکه هایی عصبی
-(Pnn -Elm -Rbf -MLP (back propagation)- MLP (delta bar delat)-MLP (delta delta.

◦ خوشه_بندی با استفاده از شبکه های عصبی خودسازمانده با قانون یادگیری رقابتی(som)
◦ پیاده سازی الگوریتم PCA(تجزیه مولفه های اساسی) با استفاده از شبکه های عصبی خودسازمانده با قانون یادگیری هببین
◦ کلاسبندی داده های دوکلاسه و #چندکلاسه (توزیع نرمال)، مثال AND، OR، NOT، XOR
◦ تخمین کیفیت شراب با استفاده از شبکه های عصبی
◦ پیش_بینی نرخ ارز با استفاده از شبکه های عصبی

با پیاده سازی این پروژه ها ، دوستان با مباحث مرتبط با تقسیم داده(روش معمول (۷۰-۳۰) و k_fold cross validation)، تست و ارزیابی شبکه، لیبل گذاری داده، تعیین مدل بهینه آشنا شدند.

 


دوره ی بعدی مهرماه در مشهد برگزار خواهد شد. دوستانی که قصد شرکت در دوره را دارند میتوانند برای پیش ثبت نام با شماره زیر تماس بگیرند.

۰۹۳۶-۰۳۸-۲۶۸۷

Bio_Engineerr@
مدرس دوره: مهندس محمد نوری زاده چرلو

اولین کانال آموزش رایگان دروس مربوط به رشته ی مهندسی پزشکی

لینک کانال

پردازش سیگنالهای حیاتی(EEG)

سیگنالهای حیاتی
بخش اول : الکتروانسفالوگرافی (EEG)


نوار مغزی(EEG)

نوارمغزی یا الکتروانسفالوگرافی (Electroencephalography) یا الکترومغزنگاری، ثبت فعالیت الکتریکی مغز است، این تکنیک شامل اخذ سیگنال توسط الکترودهای سطحی، بهبود سیگنال (معمولاً تقویت و حذف نویز)، چاپ سیگنال و آنالیز آن می‌شود. آنچه روی کاغذ چاپ می‌شود، الکتروانسفالوگرام نامیده می‌شود.

مغز انسان دارای میلیاردها سلول عصبی است. این سلولها برای برقراری ارتباط با یکدیگر و دیگر سلولهای بدن ، پیامهای عصبی رد و بدل می کنند. پیامهای عصبی ماهیت الکتریکی-شیمیایی دارند. در اینجا بیشتر ماهیت الکتریکی پیام های عصبی مدنظر است و به آن سیگنال الکتریکی گفته می شود. جهت ثبت سیگنال های الکتریکی مغز می توان از دستگاه EEG یا Electroencephalography استفاده کرد. این دستگاه با استفاده از الکترودهایی که در سطح سر قرار می گیرند، سیگنال های الکتریکی مغز را ثبت می کند. الکترودها به منظور دریافت سیگنال در مکانهای خاصی از سر قرار می¬گیرند. خروجی این الکترودها به ورودی تقویت کننده EEG متصل می شود و پس از انجام تقویت و فیلتر شدن، مورد استفاده قرار می گیرد.

دستگاه ثبت EEG
ماشین‌های EEG بالینی، معمولاً شامل ۸، ۱۶ یا ۳۲ کانال است. به صورت معمول ۲۰ الکترود روی سر بیمار قرار می‌گیرد که پتانسیل حیاتی مذکور را به پیش تقویت کننده می‌رساند. معمولاً با استفاده از یک سیگنالکالیبراسیون پالسی، سیستم کالیبره می‌شود. سیگنال‌های دریافت شده، تقویت و حذف نویز می‌شود. سیگنال‌ها را می‌توان به همین شکل ثبت کرد یا جهت انجام پردازش‌های بیشتر مانند محاسبه طیف فرکانسی سیگنال و طبقه‌بندی و اعمال الگوریتم‌های تشخیصی، به دیجیتال تبدیل و وارد کامپیوتر کرد. ثبت پتانسیل‌هایی که پس از تحریک‌های بینایی و شنوایی ثبت می‌شوند را پتانسیل‌های برانگیخت (evoked potential) می‌نامند. می‌توان این گونه تفسیر کرد که قسمت اعظم سیگنالی که از این طریق ثبت می‌شود در نتیجه محرک‌های بینایی یا شنوایی است. از این یافته‌ها می‌توان در مطالعه اعصاب مربوط به این دو حس استفاده کرد.

خصوصیات امواج مغزی
دامنه امواج مغزی قابل ثبت در سطح جمجمه بسیار ضعیف و در حدود ۱۰۰-۰ میکرو ولت و فرکانس آنها در حدود ۱۰۰-۰/۵ هرتز است. امواج مغزی را می توان بر اساس فرکانس آنها به دسته های زیر طبقه بندی کرد:

امواج دلتا: ۴ – ۰/۵ هرتز
امواج تتا: ۸ – ۴  هرتز
امواج آلفا: ۱۳ – ۸ هرتز
امواج بتا: ۳۰ – ۱۳ هرتز
امواج گاما: بیشتر از ۳۰ هرتز

مقدار امواج فوق به عوامل متعددی از جمله وضعیت فعلی فرد (خواب بودن ، بیدار بودن ، باز یا بسته بودن چشم و …) سن ، جنسیت و … بستگی دارد. متخصصان با توجه به این ویژگی ها ، وضعیت افراد را مورد بررسی قرار می دهند. به طور کلی می توان گفت که یک رابطه عمومی بین درجه فعالیت مغزی و فرکانس متوسط امواج الکتروانسفالوگرام وجود دارد. بدین صورت که فرکانس متوسط امواج به تدریج با زیاد شدن درجه فعالیت مغز افزایش می یابد. در دستگاه های EEG بسته به کاربرد ، ۳ تا ۲۵۶ عدد الکترود روی پوست سر قرار می گیرد. برای کاربردهای بالینی معمولا بین ۳۲-۸ کانال EEG موردنیاز است. به منظور کاهش امپدانس بین سطح الکترود و پوست ، از ژل استفاده می شود. بهترین مقدار امپدانس تماسی بین ۱ تا ۱۰ کیلو اُهم است. امپدانس بیش از ۱۰ کیلو اهم می تواند سبب ایجاد آرتیفکت شود. همچنین مواردی از قبیل: خشک شدن ژل ، عرق کردن پوست سر ، حرکات فرد (پلک زدن ، تنفس و …) در ثبت سیگنال ها تأثیر منفی دارند.

الکترود های ثبت EEG

الکترودهای EEG، جریان‌های یونی را از بافت سربرال به صورت ولتاژ اخذ کرده و به پیش‌ تقویت‌کننده های  EEG، منتقل می‌کند. مشخصات الکترود در ثبت، بسیار مهم است. معمولاً در صفحات این الکترودها، از کلرید نقره – نقره (Ag-AgCl) استفاده می‌شود.  

معمولاً پنج نوع الکترود جهت ثبت EEG  به کار می‌رود:
۱- الکترود پوست سر، کاپ‌ها، دیسک‌های پد نقره، میله‌هایی از جنس فولاد ضد زنگ و سیم‌های نقره کلریده شده
۲- الکترودهای sphenoidal: در این الکترودها، نقره عایق و سیم لخت که نوک آن کلریده شده به صورت متناوب قرار گرفته و به وسیله بافت ماهیچه توسط یک سوزن در جای خود قرار می‌گیرد
۳- الکترودهای Nasopharyngeal: میله نقره‌ای با توپ نقره که از طریق سوراخ بینی وارد می‌شود
۴- الکترودهای Electrocorticoyraphic: فیلترهای کتانی خیس خورده در محلول سالین که روی سطح مغز قرارداده می‌شود 
۵- الکترودهای اینتراسربرال: دسته‌های سیم‌های پلاتین یا طلای پوشیده شده از تفلون که در فواصل مختلف از نوک دسته بریده شده است و برای تحریک الکتریکی مغز به کار می‌رود.
الکترودهای کاپ یا دیسک، قابلیت استفاده مجدد دارد، هر بار با استفاده از یک کرم هادی روی پوست سر قرار می‌گیرد. قبل از قراردادن الکترود بایستی، چربی‌های نقطه مورد نظر در سر را با الکل یا استون پاک کرد. دامنه، فاز و فرکانس سیگنال‌های EEG به طرز قرار گرفتن الکترودها بستگی دارد. الکترودگذاری سطحی (روی سطح پوست) طبق یک الگوی استاندارد انجام می‌گیرد.

روش های ثبت سیگنال EEG

دو روش برای ثبت سیگنال های EEG استفاده می شود که عبارت اند از:

  • ثبت نسبت به مرجع: در این روش پتانسیل تمام الکترودها نسبت به یک مرجع سنجیده می شود.
  • ثبت دو قطبی: در این روش اختلاف پتانسیل بین دو الکترود دلخواه بنا به انتخاب کاربر ثبت می شود و لذا در اینجا مرجع مشخصی وجود ندارد.

نحوه چیدمان الکترودها

برای داشتن امکان مقایسه نتایج ثبت سیگنال مغزی و امکان تعمیم نتایج ، یک شیوه چیدمان الکترود به عنوان استاندارد بین لمللی شناخته شده است. این چیدمان جهانی الکترودها که به عنوان استاندارد ۲۰-۱۰ شناخته می شود ، امکان پوشاندن تقریباً تمام نواحی سر را توسط الکترودها فراهم می کند.  انتخاب محل الکترودها بر اساس نقاط ویژه استخوان جمجمه انجام پذیرفته است. الکترودها در نواحی تلاقی سطوح استخوان جمجمه قرار می گیرند و سایر الکترودهای میانی بر اساس ۱۰ و ۲۰ درصد کل فاصله چیده خواهند شد. در شکل زیر این چیدمان نشان داده شده است.

کاربردهای بالینی:

نتایج حاصل از مغزنگاره (انسفالوگرام) را نمی‌توان به صورت مستقیم و تنها با مشاهده سیگنال مورد بررسی و تفسیر قرار داد و از روی آن ناهنجاری را تشخیص داد.

معمولاً طیف فرکانسی این سیگنال حاوی اطلاعات مفیدی است که کاربردهای تشخیصی و تحقیقاتی از جمله موارد زیر دارد:

  1. کمک به تشخیص و تعیین محل آسیب مغزی سربرال
  2. کمک به مطالعه صرع ( حملات گذرای برگشت‌پذیر عمل مغز دچار مشکل با حس نامنظم و فعالیت حرکتی نظیر تشنج)
  3. کمک به تشخیص اختلالات روانی
  4. کمک به مطالعه خواب
  5. اجازه مشاهده و آنالیز پاسخ‌های مغز به محرک‌های سنسوری

 


اولین کانال آموزش رایگان دروس مربوط به رشته ی مهندسی پزشکی

 لینک کانال  

سوالات و دیدگاه خود را درباره ی این پست با ما درمیان بگذارید