هوش مصنوعی در پردازش داده‌های پزشکی

1.1. Course introduction

16:36

2.1. design machine learning system

21:41

3.1. example of machine learning application

22:29

4.1. model selection

26:11

5.1. machine leaning evaluation

17:11

6.1. perfotmance evaluation metrics

26:35

7.1. ROC curves

17:33

1.2. Multi Layer Perceptrom(mlp)

26:35

2.2. Main step of the training process of Mlp

24:09

3.2. clustring

25:23

1.3. intoduction to deep learning

21:58

2.3. convolutional neural network (CNN)

25:00

3.3. pre trained CNN models

21:45

4.3. transfer learning

24:48

5.3. RNN and LSTM in medical data processing

21:54

6.3. auto encoder (AE)

23:29

7.3. generative adversarial network

29:02

1.4. Combining Pattern Classifiers(1)

27:47

2.4. Combining Pattern Classifiers(2)

30:18

1.5. Application of AI in Neuroscience(1)

23:41

2.5. Application of AI in Neuroscience(2)

26:57

1.6. EEG processing by deep learning

21:54

2.6. application of EEG processing by deep learning

26:31

3.6. fMRI processing by deep learning

22:31

4.6. Classification of Nonalcoholic Fatty Liver Grades

24:50

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

21:18

6.6. Review related articles

35:56

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

20:42

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

20:04

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

28:45

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

29:57

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

22:58

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

28:50

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

22:19

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

25:09

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

20:32

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

28:25

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

21:15

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

17:57

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

25:23

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

16:54