Onlinebme
Python-Challenge-week04.pdf
Python-Challenge-week05.pdf
779.7 KB
🔥 چالش 10 هفته ای یادگیری پایتون: هفته پنجم
💡مهارتهای مورد نیاز برای انجام تمرینات و پروژه های هفته پنجم
◾️ آشنایی با برنامه نویسی به سبک OOP
☑️ لطفا، تمرینات رو به صورت فایل زیپ شده ایمیل کنید. بعد از بررسی در همان ایمیل فیدبک لازم داده خواهد شد.
مهلت ارسال: 7 روز
موفق باشید
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
💡مهارتهای مورد نیاز برای انجام تمرینات و پروژه های هفته پنجم
◾️ آشنایی با برنامه نویسی به سبک OOP
☑️ لطفا، تمرینات رو به صورت فایل زیپ شده ایمیل کنید. بعد از بررسی در همان ایمیل فیدبک لازم داده خواهد شد.
مهلت ارسال: 7 روز
موفق باشید
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
This media is not supported in your browser
VIEW IN TELEGRAM
📺 آموزش کاربردی تولباکس EEGLAB- پیش پردازش سیگنال مغزی
📢 خوشحالم که اعلام کنم دوره‌ی آموزشی کوتاه مدت EEGLAB آماده شده و به صورت رایگان در وبسایت قرار گرفته است.
✅ در این دوره سعی کردم مراحل اصلی پیش‌پردازش سیگنال EEG در محیط EEGLAB رو به صورت مرحله به مرحله روی یک داده واقعی اموزش بدهم.
🔘دوره EEGLAB
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
📢 خوشحالم که اعلام کنم دوره‌ی آموزشی کوتاه مدت EEGLAB آماده شده و به صورت رایگان در وبسایت قرار گرفته است.
✅ در این دوره سعی کردم مراحل اصلی پیش‌پردازش سیگنال EEG در محیط EEGLAB رو به صورت مرحله به مرحله روی یک داده واقعی اموزش بدهم.
🔘دوره EEGLAB
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
Onlinebme
📺 آموزش کاربردی تولباکس EEGLAB- پیش پردازش سیگنال مغزی 📢 خوشحالم که اعلام کنم دوره‌ی آموزشی کوتاه مدت EEGLAB آماده شده و به صورت رایگان در وبسایت قرار گرفته است. ✅ در این دوره سعی کردم مراحل اصلی پیش‌پردازش سیگنال EEG در محیط EEGLAB رو به صورت مرحله به…
🎯 فهرست مطالب دوره EEGLAB
🔹 نصب و راه‌اندازی EEGLAB
🔹 خواندن و ذخیره سازی سیگنال EEG
🔹 تصویرسازی سیگنال EEG (حوزه زمان، طیف فرکانسی، توپوگرافی)
🔹 ریسمپلینگ سیگنال EEG
🔹 فیلترینگ سیگنال EEG
🔹 نحوه Re-referencing
🔹 درونیابی کانالهای EEG
🔹 حذف آرتیفکتهای بزرگ به صورت دستی
🔹 تحلیل کامل ICA و نحوه انتخاب مؤلفه‌های مناسب
🔹 آشنایی با ابزار ICLabel برای لیبل‌گذاری و تشخیص نویز
🔹 حذف آرتیفکتهای EEG با استفاده از ICA
🔹 جداسازی Epoch ها و Baseline correction
💡الگوریتم ICA و EEG
حذف آرتفیکتهای EEG با کمک ICA یکی از مهمترین مراحل در پیش پردازش سیگنال EEG هست و برای اینکه بتوانیم به شکل بهینه از این ابزار برای کاهش نویز سیگنال مغزی استفاده کنیم، لازمش اینه که شناخت دقیقی از مولفه های ICA داشته باشیم. سعی کردم در این دوره روی این مبحث بیشتر تمرکز کنم و با تحلیل چندین نمونه ی مختلف، شناخت کافی نسبت به این مولفه ها داشته باشیم. یک وبسایت خوب هم جهت تحلیل، تمرین و تست معرفی کردم که خیلی میتونه در تحلیل مولفه های ICA کمک کننده باشند.
🔗 لینک ویدیوها:
🧠 نصب و راه اندازی EEGLAB، تصویرسازی سیگنال EEG
🧠 فیلترینگ و Resampling سیگنال EEG
🧠 بحث Re-referencing در EEGLAB
🧠 حذف دستی آرتیفکتها و Channel interpolation
🧠 مفاهیم اولیه در مورد ICA
🧠 تحلیل مؤلفه‌های ICA
🧠 معرفی وبسایت ICLabel برای یادگیری تحلیل مولفه های ICA
🧠 حذف نویز EEG با کمک ICA
🧠 جداسازی Epochها و Baseline correction
🔹 نصب و راه‌اندازی EEGLAB
🔹 خواندن و ذخیره سازی سیگنال EEG
🔹 تصویرسازی سیگنال EEG (حوزه زمان، طیف فرکانسی، توپوگرافی)
🔹 ریسمپلینگ سیگنال EEG
🔹 فیلترینگ سیگنال EEG
🔹 نحوه Re-referencing
🔹 درونیابی کانالهای EEG
🔹 حذف آرتیفکتهای بزرگ به صورت دستی
🔹 تحلیل کامل ICA و نحوه انتخاب مؤلفه‌های مناسب
🔹 آشنایی با ابزار ICLabel برای لیبل‌گذاری و تشخیص نویز
🔹 حذف آرتیفکتهای EEG با استفاده از ICA
🔹 جداسازی Epoch ها و Baseline correction
💡الگوریتم ICA و EEG
حذف آرتفیکتهای EEG با کمک ICA یکی از مهمترین مراحل در پیش پردازش سیگنال EEG هست و برای اینکه بتوانیم به شکل بهینه از این ابزار برای کاهش نویز سیگنال مغزی استفاده کنیم، لازمش اینه که شناخت دقیقی از مولفه های ICA داشته باشیم. سعی کردم در این دوره روی این مبحث بیشتر تمرکز کنم و با تحلیل چندین نمونه ی مختلف، شناخت کافی نسبت به این مولفه ها داشته باشیم. یک وبسایت خوب هم جهت تحلیل، تمرین و تست معرفی کردم که خیلی میتونه در تحلیل مولفه های ICA کمک کننده باشند.
🔗 لینک ویدیوها:
🧠 نصب و راه اندازی EEGLAB، تصویرسازی سیگنال EEG
🧠 فیلترینگ و Resampling سیگنال EEG
🧠 بحث Re-referencing در EEGLAB
🧠 حذف دستی آرتیفکتها و Channel interpolation
🧠 مفاهیم اولیه در مورد ICA
🧠 تحلیل مؤلفه‌های ICA
🧠 معرفی وبسایت ICLabel برای یادگیری تحلیل مولفه های ICA
🧠 حذف نویز EEG با کمک ICA
🧠 جداسازی Epochها و Baseline correction
YouTube
ERP segmentation and Baseline correction
مفهوم baseline correction و نحوه اعمال آن روی سیگنال EEG
مباحث زیر در ویدیو توضیح داده میشه
جدا سازی Epoch ها
مفهوم baseline correction
نحوه انجام baseline correction در EEGLAB
جهت دسترسی به مباحث تخصصی پردازش سیگنال مغزی به وبسایت زیر مراجعه کنید:
. h…
مباحث زیر در ویدیو توضیح داده میشه
جدا سازی Epoch ها
مفهوم baseline correction
نحوه انجام baseline correction در EEGLAB
جهت دسترسی به مباحث تخصصی پردازش سیگنال مغزی به وبسایت زیر مراجعه کنید:
. h…
This media is not supported in your browser
VIEW IN TELEGRAM
رفتار من با ChatGPT بعد از صحبتهای هم‌بنیان‌گذار گوگل😅
⚠️ هوش مصنوعی را تهدید کنید تا پاسخ‌های بهتری بگیرید!
@Onlinebme
⚠️ هوش مصنوعی را تهدید کنید تا پاسخ‌های بهتری بگیرید!
@Onlinebme
Onlinebme
رفتار من با ChatGPT بعد از صحبتهای هم‌بنیان‌گذار گوگل😅 ⚠️ هوش مصنوعی را تهدید کنید تا پاسخ‌های بهتری بگیرید! @Onlinebme
از ChatGPT خواستم یک رشته تصاویر برای EEG تولید کنه که باید از تولید سیگنال در مغز شروع میکرد، ادامه ثبت داده، پیش پردازش رو نشون بده، و با تحلیل و درک ارتباطات مغزی تموم بکند
تصویر اول: قبل از تهدید
تصویر دوم: بعد از تهدید
@Onlinebme
تصویر اول: قبل از تهدید
تصویر دوم: بعد از تهدید
@Onlinebme
💡چند منبع خوب برای یادگیری پردازش سیگنال مغزی EEG
برای پردازش سیگنال های مغزی (EEG) داشتن دانش پایه بسیار میتواند کمک کننده باشد.
آشنا بودن با مباحثی مانند ساختار مغز، فرایند تولید امواج مغزی، نحوه ثبت سیگنال EEG، انواع نویزها در سیگنالهای مغزی و نحوه حذف آنها و روشهای استخراج ویژگی، در درک و پردازش اصولی سیگنال مغزی و طراحی الگوریتمها بسیار میتوانند مفید باشند.
در این پست چندین وبسایت مفید و معتبر را معرفی میکنم که میتونند به درک بهتر مفاهیم پایه و پیش پردازش سیگنال مغزی EEG کمک زیادی کنند.
✅ اگر تازه با EEG آشنا شده اید یا قصد دارید یادگیری رو از پایه شروع کنید، این منابع میتونند نقطه شروع مناسبی باشند.
🔹آموزش مفاهیم پایه EEG
🌐 learningeeg.com
این وبسایت به صورت ساده و تصویری مفاهیم پایه‌ای EEG رو توضیح میدهد. از نحوه ثبت سیگنال شروع میکند و بعدش سیستم 10-20 رو توضیح میدهد و در ادامه هم نویزهای رایج و آرتیفکتها در EEG رو به صورت تصویری توضیح میدهد. در آخر هم اطلاعاتی درباره سیگنال EEG در بیماران مبتلا به صرع ارائه میدهد که برای افرادی که میخواهند روی این بیماری کار کنند میتواند مفید باشد. به طور کل انیمیشن‌ها و تصاویر این سایت به درک شهودی مطالب کمک زیادی می‌کنند.
🔹وبسایت رسمی EEGLAB
🌐 sccn.ucsd.edu/eeglab
در این سایت، ابزار EEGLAB به طور کامل معرفی شده و مستندات و ویدیوهای آموزشی آقای Arnold Delorme، خالق EEGLAB، در دسترس هستند. البته ویدیوها کمی تخصصی هستند و فرض شده مخاطب با مفاهیم اولیه آشنایی دارد. با این حال، این وبسایت مرجع اصلی یادگیری EEGLAB محسوب میشود.
🔹آموزش تحلیل و لیبل گذاری مولفه‌های ICA در ICALabel
همه افرادی که کار پیش پردازش با EEGLAB انجام داده اند با چالش انتخاب مولفه های ICA روبرو شده اند. این وبسایت اطلاعات خیلی کاربردی ای برای آشنایی با این مولفه ها ارائه داده است.
🌐 آشنایی با مولفه‌های ICA
🌐 تمرین و تحلیل صدها مولفه نمونه (لیبل گذاری شده با متخصصین)
🌐 تست عملی جهت لیبل گذاری مولفه ها (همراه با جواب)
در این مجموعه کاربردی، شما ابتدا با مولفه‌های ICA آشنا میشوید، بعدش تعداد زیادی مولفه که توسط چندین expert لیبل گذاری شده‌اند را تحلیل میکنید، و در نهایت در یک آزمون شرکت میکنید. اگر این سه مرحله را با دقت طی کنید، به دانش کافی برای تشخیص و حذف آرتیفکتها با کمک ICA خواهید رسید.
🔹وبسایت رسمی MNE-Python
🌐 mne.tools/stable/auto_tutorials
این سایت، مستندات رسمی کتابخانه MNE را شامل میشود که یکی از قدرتمندترین ابزارهای تحلیل EEG با پایتون است. در هر بخش از مفاهیم پایه گرفته تا پردازش‌های پیشرفته، همراه با کد و خروجی نمونه توضیح داده شده است.
🔹سایت Neural Data Science in Python
🌐 neuraldatascience.io – EEG section
مخاطب اصلی این وبسایت محققین حوزه علوم اعصاب شناختی و روانشناسی هست و با کمک مستندات این وبسایت افراد یاد میگیرند که چطوری با استفاده از پایتون، داده‌های مغزی رو تحلیل کنند. بخشی از آموزشها به EEG و نحوه کار با MNE اختصاص پیدا کرده، ولی تمرکز اصلی آن بر آموزش مفاهیم داده محور در نوروساینس هست.
🔹 Onlinebme (گروه ما)
🌐https://onlinebme.com/product-category/signal-processing/
گروه ما هم چندین دوره تخصصی برای آموزش پردازش سیگنالهای مغزی (پیش پردازش، استخراج ویژگی و یادگیری ماشین) ارائه داده است که به افراد دید کافی برای انجام تحقیقات عملی روی EEG را میدهد.
آموزشها از سطح پایه شروع شده و به صورت گام به گام به مباحث پیشرفته مانند تشخیص بیماری از روی سیگنال مغزی، و طراحی سیستم های واسط مغز کامپیوتر مبتنی بر EEG آموزش داده شده است.
💡 جمع‌بندی:
و نکته اخر اینکه برای وارد شدن به دنیای EEG بهتره اول با مفاهیم پایه با EEG آشنا شوید که شامل نحوه ثبت سیگنال مغزی، پیش پردازش سیگنال مغزی (که لازمش آشنایی با انواع نویز و نحوه حذف آنها هست) و روشهای استخراج ویژگی (زمان، فرکانس، زمان-فرکانس) میشود. فردی که این مباحث رو به خوبی بلد باشه در هر حوزه ای راحتتر میتونه مطالعات خودش رو پیش ببره
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
برای پردازش سیگنال های مغزی (EEG) داشتن دانش پایه بسیار میتواند کمک کننده باشد.
آشنا بودن با مباحثی مانند ساختار مغز، فرایند تولید امواج مغزی، نحوه ثبت سیگنال EEG، انواع نویزها در سیگنالهای مغزی و نحوه حذف آنها و روشهای استخراج ویژگی، در درک و پردازش اصولی سیگنال مغزی و طراحی الگوریتمها بسیار میتوانند مفید باشند.
در این پست چندین وبسایت مفید و معتبر را معرفی میکنم که میتونند به درک بهتر مفاهیم پایه و پیش پردازش سیگنال مغزی EEG کمک زیادی کنند.
✅ اگر تازه با EEG آشنا شده اید یا قصد دارید یادگیری رو از پایه شروع کنید، این منابع میتونند نقطه شروع مناسبی باشند.
🔹آموزش مفاهیم پایه EEG
🌐 learningeeg.com
این وبسایت به صورت ساده و تصویری مفاهیم پایه‌ای EEG رو توضیح میدهد. از نحوه ثبت سیگنال شروع میکند و بعدش سیستم 10-20 رو توضیح میدهد و در ادامه هم نویزهای رایج و آرتیفکتها در EEG رو به صورت تصویری توضیح میدهد. در آخر هم اطلاعاتی درباره سیگنال EEG در بیماران مبتلا به صرع ارائه میدهد که برای افرادی که میخواهند روی این بیماری کار کنند میتواند مفید باشد. به طور کل انیمیشن‌ها و تصاویر این سایت به درک شهودی مطالب کمک زیادی می‌کنند.
🔹وبسایت رسمی EEGLAB
🌐 sccn.ucsd.edu/eeglab
در این سایت، ابزار EEGLAB به طور کامل معرفی شده و مستندات و ویدیوهای آموزشی آقای Arnold Delorme، خالق EEGLAB، در دسترس هستند. البته ویدیوها کمی تخصصی هستند و فرض شده مخاطب با مفاهیم اولیه آشنایی دارد. با این حال، این وبسایت مرجع اصلی یادگیری EEGLAB محسوب میشود.
🔹آموزش تحلیل و لیبل گذاری مولفه‌های ICA در ICALabel
همه افرادی که کار پیش پردازش با EEGLAB انجام داده اند با چالش انتخاب مولفه های ICA روبرو شده اند. این وبسایت اطلاعات خیلی کاربردی ای برای آشنایی با این مولفه ها ارائه داده است.
🌐 آشنایی با مولفه‌های ICA
🌐 تمرین و تحلیل صدها مولفه نمونه (لیبل گذاری شده با متخصصین)
🌐 تست عملی جهت لیبل گذاری مولفه ها (همراه با جواب)
در این مجموعه کاربردی، شما ابتدا با مولفه‌های ICA آشنا میشوید، بعدش تعداد زیادی مولفه که توسط چندین expert لیبل گذاری شده‌اند را تحلیل میکنید، و در نهایت در یک آزمون شرکت میکنید. اگر این سه مرحله را با دقت طی کنید، به دانش کافی برای تشخیص و حذف آرتیفکتها با کمک ICA خواهید رسید.
🔹وبسایت رسمی MNE-Python
🌐 mne.tools/stable/auto_tutorials
این سایت، مستندات رسمی کتابخانه MNE را شامل میشود که یکی از قدرتمندترین ابزارهای تحلیل EEG با پایتون است. در هر بخش از مفاهیم پایه گرفته تا پردازش‌های پیشرفته، همراه با کد و خروجی نمونه توضیح داده شده است.
🔹سایت Neural Data Science in Python
🌐 neuraldatascience.io – EEG section
مخاطب اصلی این وبسایت محققین حوزه علوم اعصاب شناختی و روانشناسی هست و با کمک مستندات این وبسایت افراد یاد میگیرند که چطوری با استفاده از پایتون، داده‌های مغزی رو تحلیل کنند. بخشی از آموزشها به EEG و نحوه کار با MNE اختصاص پیدا کرده، ولی تمرکز اصلی آن بر آموزش مفاهیم داده محور در نوروساینس هست.
🔹 Onlinebme (گروه ما)
🌐https://onlinebme.com/product-category/signal-processing/
گروه ما هم چندین دوره تخصصی برای آموزش پردازش سیگنالهای مغزی (پیش پردازش، استخراج ویژگی و یادگیری ماشین) ارائه داده است که به افراد دید کافی برای انجام تحقیقات عملی روی EEG را میدهد.
آموزشها از سطح پایه شروع شده و به صورت گام به گام به مباحث پیشرفته مانند تشخیص بیماری از روی سیگنال مغزی، و طراحی سیستم های واسط مغز کامپیوتر مبتنی بر EEG آموزش داده شده است.
💡 جمع‌بندی:
و نکته اخر اینکه برای وارد شدن به دنیای EEG بهتره اول با مفاهیم پایه با EEG آشنا شوید که شامل نحوه ثبت سیگنال مغزی، پیش پردازش سیگنال مغزی (که لازمش آشنایی با انواع نویز و نحوه حذف آنها هست) و روشهای استخراج ویژگی (زمان، فرکانس، زمان-فرکانس) میشود. فردی که این مباحث رو به خوبی بلد باشه در هر حوزه ای راحتتر میتونه مطالعات خودش رو پیش ببره
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
Learningeeg
Learning EEG
An interactive, modular course for learning how to read electroencephalograms (EEG).
Onlinebme
Python-Challenge-week05.pdf
سلام
وقت بخیر
تمرینات دور ششم، هفته دیگه در کانال قرار میگیره تا دوستان فرصت بکنند تمرینات جلسات قبل رو تکمیل کنند.
وقت بخیر
تمرینات دور ششم، هفته دیگه در کانال قرار میگیره تا دوستان فرصت بکنند تمرینات جلسات قبل رو تکمیل کنند.
Onlinebme
سلام وقت بخیر تمرینات دور ششم، هفته دیگه در کانال قرار میگیره تا دوستان فرصت بکنند تمرینات جلسات قبل رو تکمیل کنند.
Python-Challenge-week06.pdf
1.9 MB
🔥 چالش 10 هفته ای یادگیری پایتون: هفته ششم
💡مهارتهای مورد نیاز برای انجام تمرینات و پروژه های هفته ششم
◾️ تسلط بر با الگوریتم های شناسایی الگو-یادگیری ماشین
☑️ 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
💡مهارتهای مورد نیاز برای انجام تمرینات و پروژه های هفته ششم
◾️ تسلط بر با الگوریتم های شناسایی الگو-یادگیری ماشین
☑️ 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
Onlinebme
Python-Challenge-week06.pdf
G-means.pdf
980.2 KB
💡مقاله G-MEANS برای خوشه بندی داده های که تعداد خوشه ها معلوم نیست.
✅این الگوریتم به صورت سلسله مراتبی داده رو خوشه بندی میکنه و تعداد خوشه هارو هم خودش با رویکرد جالبی که داره پیدا میکنه👌
@Onlinebme
✅این الگوریتم به صورت سلسله مراتبی داده رو خوشه بندی میکنه و تعداد خوشه هارو هم خودش با رویکرد جالبی که داره پیدا میکنه👌
@Onlinebme
Onlinebme
Python-Challenge-week06.pdf
Ensemble Learning-Book.pdf
15.5 MB
💡کتاب خیلی خوب برای یادگیری یادگیری جمعی 👌
@Onlinebme
@Onlinebme
Onlinebme
Ensemble Learning-Book.pdf
برای مباحث دیگه هم کتاب و مقاله زیاد بود ولی واقعیتش گفتم قرار دادنشون اینجا صرفا شما رو سردرگم میکند. بدون تعارف بخوام بگم، دوره یادگیری ماشین عصاره این مقالات و کتابها هست و واقعا فکر نمیکنم دوره ای چه در منابع ایرانی و چه منابع خارجی مباحث یادگیری ماشین-شناسایی الگو را تا این میزان گسترده و جزئی آموزش داده باشند.
من در این دوره سعی کرده بودم تمام مباحث رو براساس مطالعاتم در چندسال که از منابع مختلفی (کتاب و مقاله) یاد گرفته بودم آماده کنم و در اختیار شما قرار بدهم. یادمه فقط ضبط این دوره 8 ماه طول کشید. تهیه این تمرینات باعث شد یه مروری بر اون روزها داشته باشم.
پیشنهاد میکنم اگه میخواهید پایه قوی در بحث یادگیری ماشین و یادگیری عمیق داشته باشید سرفرصت مناسب این دوره رو نگاه کنید که پایه و اساس تمام مباحث مرتبط با هوش مصنوعی هست.
موفق باشید 💐
من در این دوره سعی کرده بودم تمام مباحث رو براساس مطالعاتم در چندسال که از منابع مختلفی (کتاب و مقاله) یاد گرفته بودم آماده کنم و در اختیار شما قرار بدهم. یادمه فقط ضبط این دوره 8 ماه طول کشید. تهیه این تمرینات باعث شد یه مروری بر اون روزها داشته باشم.
پیشنهاد میکنم اگه میخواهید پایه قوی در بحث یادگیری ماشین و یادگیری عمیق داشته باشید سرفرصت مناسب این دوره رو نگاه کنید که پایه و اساس تمام مباحث مرتبط با هوش مصنوعی هست.
موفق باشید 💐
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
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!
به امید روزهایی آرامتر، که دوباره بتوانیم نفس راحت بکشیم...
@Onlinebme
Onlinebme
🎯 فهرست مطالب دوره EEGLAB 🔹 نصب و راه‌اندازی EEGLAB 🔹 خواندن و ذخیره سازی سیگنال EEG 🔹 تصویرسازی سیگنال EEG (حوزه زمان، طیف فرکانسی، توپوگرافی) 🔹 ریسمپلینگ سیگنال EEG 🔹 فیلترینگ سیگنال EEG 🔹 نحوه Re-referencing 🔹 درونیابی کانالهای EEG 🔹 حذف آرتیفکتهای…
✅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
💡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
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…
✅ 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
🔷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
YouTube
Automatic preprocessing pipeline for EEG (HAPPE): how to install HAPPE in MATLAB
نحوه نصب و راه اندازی تولباکس HAPPE در متلب برای پیش پردازش خودکار سیگنال EEG
تولباکس HAPPE یک ابزار بسیار کارامد برای پردازش خودکار سیگنال مغزی توسط محققین هاروارد ارائه شده است. در این ویدیو توضیح میدهیم که چطور میتوان HAPPE را دانلود و در متلب راه اندازی…
تولباکس HAPPE یک ابزار بسیار کارامد برای پردازش خودکار سیگنال مغزی توسط محققین هاروارد ارائه شده است. در این ویدیو توضیح میدهیم که چطور میتوان HAPPE را دانلود و در متلب راه اندازی…
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…
💡اینم نتیجه پیش پردازش خودکار با HAPPE
Onlinebme
✅ 📌مطالعه جدید ما در زمینه HybridBCI Title | Spectrum-Enhanced TRCA (SE-TRCA): A novel approach for direction detection in SSVEP-based BCI Authors | AmirMohammad Mijani, Mohammad Norizadeh Cherloo, Haoteng Tang, Liang Zhan Journal | Computers in Biology…
Please open Telegram to view this post
VIEW IN TELEGRAM
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
☑️ 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
GitHub
GitHub - Mohammad-Norizadeh-Cherloo/SSVEP-Toolbox: The first study to review and benchmark 19 template-based SSVEP detection methods…
The first study to review and benchmark 19 template-based SSVEP detection methods (CCA, MSI, TRCA, CORRCA), providing clear descriptions, flowcharts, MATLAB code, and 4 key findings essential for d...