نوشته‌ها

اولین دوره ‏ی جامع تخصصی و عملی برای دانشجویان مهندسی پزشکی در مشهد

ویژگی های اصلی دوره

یکی از مشخصه های برجسته ی دوره ی جامع تخصصی و عملی این است که برای اولین بار در ایران برگزار می شود و همانطور که از عنوان دوره مشخص است تنها دوره ای است که سعی شده تمام مباحث مهندسی پزشکی را پوشش دهد!

در این دوره علاوه بر مباحث شناسایی آماری الگو و داده کاوی، چندین پروژه عملی مطابق با مقالات معتبر آموزش داده می شود که دانشجویان با پروژه های مختلفی در حوزه مهندسی پزشکی آشنا شده و بعد از دوره دید بهتری نسبت به مباحث مهندسی پزشکی پیدا می کنند و با آگاهی کامل موضوعات مورد علاقه شان را برای پایان نامه انتخاب کنند.

نکته: این دوره کاملا تخصصی است و مخصوص دانشجویان ارشد و دکتری هست. برای دانشجویان کارشناسی توصیه نمیشود!

 

البته یه سری دوستان غیرمهندسی پزشکی با توجه به عنوان دوره،  مهندسی پزشکی هست دید مناسبی از محتوای دوره ندارند، که باید بگوییم هدف و تمرکز  این  دوره بر روی مباحث درس شناسایی آماری الگو (پترن) و درس داده کاوی است که اساس تمام پروژه های مهندسی در شاخه های مختلف است.

سعی ما براین است که مباحث این دو درس را کامل آموزش دهیم و برای اینکه مطلب ملموس‌تر شوند، الگوریتم‌ها را روی داده های واقعی اعمال می‌کنیم. داده هایی که در این دوره استفاده می شود داده های مرتبط با مهندسی پزشکی است.

بطبع این دوره برای دوستان مهندسی پزشکی بسیار مفیدتر خواهد بود و به آنها دید بهتری از پروژه ها می دهد. پروژه‌هایی که طول دوره آموزش داده می شوند نتیجه چهار سال تجربه گروه مهندسی پزشکی دانشجویان علم و صنعت تهران هست و سعی کردیم پروژه های خوب و بروزی که امروزه در این رشته کار میشود را انتخاب کنیم و براساس مقالات معتبر شبیه سازی کنیم.

 بعد اتمام دوره انتظار داریم دوستان شرکت کننده دید بهتری از پروژه ها داشته باشند و بتوانند موضوعات مناسبی برای پایان نامه دکتری و کارشناسی ارشد انتخاب کنند. این دوره برای اولین بار در ایران برگزار می شود و هدف این است که دوستان به طور مناسب آموزش ببینند تا در شبیه سازی مقالات تخصصی در حوزه مهندسی پزشکی و در انجام پروژه پایان‌نامه مشکلی نداشته باشند. در این دوره ما نحوه کار با داده‌های مختلف را نیز آموزش میدهیم و دوستان سختی کار با داده ها را دیگر تجربه نخواهند کرد.

همانطور که گفتیم هدف اصلی از برگزاری دوره این است که مباحث تخصصی را پروژه محور آموزش دهیم تا شرکت‌کنندگان بعد از اتمام دوره، بتوانند پایان‌نامشون رو خودشون انجام دهند و مشکلاتی از قبیل کار با داده، برنامه‌نویسی در متلب، تجزیه و تحلیل داده‌ها نداشته باشند.

 تو این چند سال متوجه شدیم که اکثر دوستان مهندسی پزشکی مباحث را بلدند ولی در پیاده‌سازی و تحلیل داده ها مشکل دارند. در این دوره ما آموزش می دهیم که چگونه داده را دانلود، تجزیه و تحلیل بکنند. علاوه بر آموزش مباحث درس شناسایی آماری الگو و داده کاوی، ۵ پروژه عملی از صفر تا صد در متلب پیاده‌سازی می‌شوند و شرکت‌کنندگان با موضوعات مختلفی آشنا شده و کار با داده‌های مختلف پزشکی را یاد می‌گیرند.


ادامه مطلب …

رگرسیون خطی

مفهوم رگرسیون خطی

در این ویدوئو فرق رگرسیون خطی و کلاس بندی توضیح داده شده است و راه حل های موجود برای حل معادله ی رگرسیون خطی و همچنین برای درک بهتر موضوع مثالی نیز بیان شده است. در کلاس بندی هدف تفکیک داده های بین دو کلاس بود(داده یا به کلاس یک تعلق داشت و یا دو و در مسائل چندکلاسه داده ممکن بود به کلاس های دیگر تعلق یابد) ولی در رگرسیون مسئله متفاوت است، و یک محدوده ای را تعیین می کنیم و داده به یک فضای پیوسته تعلق می گیرد.

در رگرسیون خطی باید بین ورودی(داده ها) و خروجی یک رابطه ی خطی بیابیم(شیب و عرض از مبدا را بیابیم). اگر داده های را نسبت به خروجی رسم کنیم هدف این است که خطی را پیدا کنیم که کمترین فاصله را نسبت به داده داشته باشد.  برای حل این مسئله ذو روش مطرح می شود.

روش اول: روش حداقل کردن مربعات خطا

یک تابع هزینه تعریف  میشود(برحسب شیب و عرض از مبدا) و برای پیدا کردن خط بهینه از تابع هزینه نسبت به پارامترهای آزاد مشتق میگیریم و مقادیری که بدست می آیند بهینه ترین حالت برای پارامترهای آزاد هستند.

روش دوم: حل میانگین مربعات خطا با استفاده از رابطه ی وینرهاف

ممکن است چندتا ورودی داشته باشیم و یک خروجی داشته باشیم. که این روش برای حل این گونه مسائل است.

جزئیات بیشتر را در این ویدئو می توانید مطالعه کنید

 

 

 

فایل PDF


 

برای مشاهده ی مطالب علمی و همچنین ویدئوهای آموزشی رایگان درباره، شبکه های عصبی، شناسایی آماری الگو، پردازش سیگنال، پردازش تصاویر پزشکی و …به کانال تلگرام ما مراجعه کنید(سوالات خود را با ادمین کانال در میان بگذارید).

اولین کانال آموزش رایگان دروس مربوط به رشته ی مهندسی پزشکی

لینک کانال

دیدگاه و اطلاعاتتان را در مورد این ویدئو در اختیار ما قرار دهید.

 

اولین دوره‏ ی جامع عملی مهندسی پزشکی – بیوالکتریک در تهران

سر فصل مطالبی که در دوره جامع آموزش داده خواهد شد:

 ۱) آموزش اصول برنامه نویسی در متلب

  • آرایه ها
  •  تابع نویسی و برنامه نویسی
  •   توابع پرکاربرد متلب
  •    نمودارها
  •    شرط ها و حلقه‌ها

 ۲)   آموزش الگوریتم‌های شناسایی الگو

  • روش‌های استخراج ویژگی
  •  روش‌های انتخاب ویژگی
  • روش ­های کلاس‌بندی
  •  روش‌های خوشه‌بندی

۳)   انجام پروژه‌های عملی

پروژه ­های عملی در مورد مباحث زیر انجام خواهد شد: 

  • تشخیص بیماری صرع از روی سیگنالهای EEG
  • سیگنالهای EEG
  • کلاس‌بندی داده های تصوری و حرکتی EEG (واسط مغز و کامپیوتر-BCI)
  • تشخیص بیماری های قلبی با استفاده از سیگنال ECG
  •  Spike sorting با استفاده از دو روش مختلف

     روش اول: تطبیق الگو (Template matching)

       روش دوم: خوشه‌بندی(clustering)

۴)   آموزش شبیه ­سازی مقالات

  • در جلسه­ ی اول پروژه­ایی برای هر شرکت­ کننده بصورت مجزا تعریف می­شود که موضوع این پروژه می­تواند براساس علایق شرکت­ کننده باشد و یا توسط مدرس تعریف شود.
  • در طول دوره، قبل و یا بعد از کلاس به سوالات مربوط به پروژه‌ها پاسخ داده خواهد شد.
  • پروژه‌هایی که در طول دوره انجام می ­شوند براساس مقالات می‌باشند و شرکت کنندگان با نحوه شبیه‌سازی مقالات آشنا می‌شوند و پروژه های خود را گام به گام در طول دوره شبیه‌سازی می‌کنند

 

دستاوردهای اولین دوره 

شرکت‏ کنندگان بعد از اتمام این دوره، قادر خواهند بود به:

  • برنامه‌نویسی در محیط متلب
  • پیاده‏ سازی تمامی الگوریتم ­های مربوط به شناسایی الگو
  • پیاده ‏سازی پروژه‌های مرتبط با رابط مغز و کامپیوتر
  • پیاده ‏سازی پروژه‌های مرتبط با علوم اعصاب محاسباتی
  • شبیه‌سازی مقالات مرتبط با رشته مهندسی پزشکی بیوالکتریک

هزینه ثبت نام: ۴۰۰ هزار تومان

محل برگزاری: جهاد دانشگاهی دانشگاه علم و صنعت واقع در نارمک-خیابان ملک‏ لو پلاک ۱۵۸ و یا در آموزشگاهی در حوالی میدان انقلاب

مدت زمان دوره: ۲۵ ساعت(هر هفته یک جلسه ۴ ساعته در روز  پنج شنبه یا جمعه)

مهلت ثبت نام دوره: تا ۴ مرداد

زمان شروع دوره: ۵ مرداد ماه

مدرس: محمد نوری زاده چرلو


جهت پیش ثبت‏ نام و کسب اطلاعات بیشتر با شماره‏ ی زیر تماس بگیرید:

۰۹۳۶۰۳۸۲۶۸۷

از طریق کانال تلگرام و یا سایت  جزئیات مربوط به دوره را دنبال کنید:

کانال تلگرام:  @IUST_Bioelecteric

 

لینک ورود به کانال 

الگورتیم خوشه بندی FCM

در جلسات قبل برای ناحیه بندی تصاویر و یا خوشه بندی داده ها (سیگنالهای حیاتی و …) الگوریتم خوشه بندی K-means  را به طور کامل در کانال تلگرام توضیح دادیم و در محیط متلب پیاده سازی کردیم.

در اینجا قصد داریم الگوریتم خوشه بندی برمبنای منطق فازی را توضیح دهیم.

همانند الگوریتم های خوشه بندی این الگوریتم نیز برای کاربرد زیادی در ناحیه بندی تصاویر، خوشه بندی داده ها و غیره دارد.

ادامه مطلب …

مسیرهای جستجوی کد برنامه‌نویسی جهت اجرا در متلب

 

 وقتی برنامه را اجرا می‌کنیم، متلب کد مورد نظر را به ترتیب در مسیرهای زیر بررسی می‌کند:

۱- بررسی می‌کند که آیا کد مورد نظر جزء متغیرهای موجود در پنجره work space هست یا نه!
۲- بررسی می‌کند که آیا کد موردنظر جزء توابع پیش‌فرض در متلب هست یا نه!
۳- بررسی می‌کند که آیا کد مورد نظر جزء متغیرها و یا توابع تعریف شده در مسیر جاری هست یا نه!
۴- بررسی می‌کند که آیا کد مورد نظر جزء توابع و یا متغیرهای موجود در پنجره set path است یا نه!

 اگر کد مورد نظر در هر کدام از مسیرها باشد، متلب به جستجو ادامه نمی دهد و کد را اجرا می کند در غیر اینصورت تمام مسیرها را جستجو می‌کند.
 اگر کد جزء توابع و یا متغیرهای هیچ کدام از مسیرهانباشد، متلب خطا داده و پیغام undefined function or variables در پنجره command window چاپ می‌کند.
 اگر اسم متغیری که استفاده می‌کنیم اسمِ یکی از توابع پیش فرض متلب باشد، بعد از اجرای کد اگر بخواهیم از آن تابع پیش فرض استفاده کنیم متلب به اشتباه کد را اجرا می کند! این به خاطر این است که متلب ابتدا پنجره work space را بررسی می‌کند!

مدرس: محمد نوری زاده چرلو
دانشجوی ارشد مهندسی پزشکی علم و صنعت


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