هوش مصنوعی در پردازش داده‌های پزشکی

1.1. Course introduction

16

2.1. design machine learning system

21

3.1. example of machine learning application

22

4.1. model selection

26

5.1. machine leaning evaluation

17

6.1. perfotmance evaluation metrics

26

7.1. ROC curves

17

1.2. Multi Layer Perceptrom(mlp)

26

2.2. Main step of the training process of Mlp

24

3.2. clustring

25

1.3. intoduction to deep learning

21

2.3. convolutional neural network (CNN)

25

3.3. pre trained CNN models

21

4.3. transfer learning

24

5.3. RNN and LSTM in medical data processing

21

6.3. auto encoder (AE)

23

7.3. generative adversarial network

29

1.4. Combining Pattern Classifiers(1)

27

2.4. Combining Pattern Classifiers(2)

30

1.5. Application of AI in Neuroscience(1)

23

2.5. Application of AI in Neuroscience(2)

26

1.6. EEG processing by deep learning

21

2.6. application of EEG processing by deep learning

26

3.6. fMRI processing by deep learning

22

4.6. Classification of Nonalcoholic Fatty Liver Grades

24

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

21

6.6. Review related articles

35

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

20

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

20

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

28

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

29

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

22

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

28

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

22

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

25

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

20

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

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

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

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

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

16