هوش مصنوعی در پردازش داده‌های پزشکی

1.1. Course introduction

00:16′

2.1. design machine learning system

00:21′

3.1. example of machine learning application

00:22′

4.1. model selection

00:26′

5.1. machine leaning evaluation

00:17′

6.1. perfotmance evaluation metrics

00:26′

7.1. ROC curves

00:17′

1.2. Multi Layer Perceptrom(mlp)

00:26′

2.2. Main step of the training process of Mlp

00:24′

3.2. clustring

00:25′

1.3. intoduction to deep learning

00:21′

2.3. convolutional neural network (CNN)

00:25′

3.3. pre trained CNN models

00:21′

4.3. transfer learning

00:24′

5.3. RNN and LSTM in medical data processing

00:21′

6.3. auto encoder (AE)

00:23′

7.3. generative adversarial network

00:29′

1.4. Combining Pattern Classifiers(1)

00:27′

2.4. Combining Pattern Classifiers(2)

00:30′

1.5. Application of AI in Neuroscience(1)

00:23′

2.5. Application of AI in Neuroscience(2)

00:26′

1.6. EEG processing by deep learning

00:21′

2.6. application of EEG processing by deep learning

00:26′

3.6. fMRI processing by deep learning

00:22′

4.6. Classification of Nonalcoholic Fatty Liver Grades

00:24′

5.6. Diagnosis of severity and stage of COVID-19 patients

00:21′

6.6. Review related articles

00:35′

1.7. تشخیص میزان عمق بیهوشی به کمک استخراج ویژگی های زمانی و فرکانسی از سیگنال EEG

00:20′

2.7. پیش بینی بروز آلزایمر با استفاده از دادگان کلینیکی ADNI – پیش پردازش دیتاست ADNI

00:20′

3.7. پیش بینی بروز آلزایمر با استفاده از دادگان کلینیکی ADNI - طبقه بندی دیتاست ADNI

00:28′

4.7. تشخیص تومور از روی عکس های MRI – مقدمات pytorch برای ساختن پیکربندی شبکه های عمیق

00:29′

5.7. تشخیص تومور از روی عکس های MRI – طبقه بندی عکس های MRI

00:22′

6.7. بخش بندی عکس های MRI برای جداسازی ناحیه توموری – توضیح دیتاست و ساختار شبکه UNET

00:28′

7.7. بخش بندی عکس های MRI برای جداسازی ناحیه توموری - آگمنت کردن دیتاست و آموزش UNET

00:22′

8.7. ساخت داده های سنتز شده به کمک شبکه های عمیق در تشخیص اسکیزوفرنی – چگونگی تولید اسپکتوگرام

00:25′

9.7. ساخت داده های سنتز شده به کمک شبکه های عمیق در تشخیص اسکیزوفرنی – تولید عکس های سنتز شده 1

00:20′

10.7. ساخت داده های سنتز شده به کمک شبکه های عمیق در تشخیص اسکیزوفرنی – تولید عکس های سنتز شده 2

00:28′

11.7. ساخت داده های سنتز شده به کمک شبکه های عمیق در تشخیص اسکیزوفرنی – طبقه بندی عکس های اسپکتوگرام قبل و بعد از سنتز

00:21′

12.7. طبقه بندی افراد سالم و افسرده به کمک تصاویر ویولت مستخرج از سیگنال EEG – پیش پردازش دیتاست و تولید عکس های مبتنی بر تبدیل ویولت پیوسته

00:17′

13.7. طبقه بندی افراد سالم و افسرده به کمک تصاویر ویولت مستخرج از سیگنال EEG – طبقه بندی عکس های ویولت به کمک ساختار های Pretrained CNN

00:25′

14.7. طبقه بندی افراد سالم و افسرده به کمک تصاویر ویولت مستخرج از سیگنال EEG – طبقه بندی عکس های ویولت به کمک ساختار CNN-LSTM

00:16′