تحلیل EEG/ERP با پایتون و MNE: یک دوره مقدماتی
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- درک مبانی داده الکتروفیزیولوژی
- شروع کار با پایتون
- کسب تخصص در تحلیل داده الکتروفیزیولوژی در حوزه فرکانس
- یادگیری شناسایی و تحلیل ERPs
- کسب مهارتهای عملی برای انجام تحلیل زمان-فرکانس با استفاده از پایتون و کتابخانه MNE
پیشنیازهای دوره
- بدون نیاز به مهارت برنامهنویسی. تنها پیشنیاز نرمافزاری، آناکوندا است که یک توزیع محبوب پایتون برای سادهسازی مدیریت بستهها و راهاندازی محیط است. نیازی نیست آن را از قبل نصب کرده باشید، زیرا در طول دوره چگونگی نصب و استفاده از آن را آموزش خواهیم داد. بنابراین تنها چیزی که نیاز دارید یک کامپیوتر و یک کیبورد است!
توضیحات دوره
چه در این زمینه تازهکار باشید و چه به دنبال بهبود مهارتهای خود، این دوره دروازه ورود شما به درک مبانی تحلیل داده EEG است.
سفری در تاریخچه EEG: به ما در یک بررسی شگفتانگیز در مورد منشاهای داده EEG، از زمان پیدایش آن تا تکنیکهای پیشرفته امروزی، بپیوندید.
ثبت داده EEG: الزامات ثبت داده EEG با کیفیت بالا و ویژگیهای یک داده خوب EEG را بیاموزید. با مبانی آرتیفکتها، تشخیص انواع مختلف نویزها آشنا شوید و کاهش نویز را از طریق تکنیکهای مختلف فیلترینگ به صورت عملی مشاهده کنید.
تحلیلهای حوزه فرکانس و حوزه زمان: پیچیدگیهای تحلیلهای حوزه فرکانس و زمان را ابهامزدایی کنید. فرکانسهای مختلف مغزی را بشناسید، تحلیل فرکانس انجام دهید، تحلیل حوزه زمان و پتانسیلهای وابسته به رویداد (ERPs) را بررسی کرده و به دنیای تحلیل زمان-فرکانس قدم بگذارید.
پایتون برای تحلیل EEG: با مبانی پایتون، نصب آناکوندا، اصول کدنویسی و رسم نمودار داده آشنا شوید. MNE-Python را نصب کرده و سفر خود را به دنیای تحلیل EEG آغاز کنید.
پیشپردازش با MNE-Python: کتابخانه MNE-Python را برای پیشپردازش داده EEG بررسی کنید. داده را ایمپورت کرده، یک بررسی به دست آورید، فیلترینگ را پیادهسازی کنید، کانالهای نامناسب را حذف کرده و تحلیل کامپوننت های مستقل را برای حذف نویز انجام دهید.
تحلیل فرکانس با پایتون و MNE: از تابع PSD در MNE برای تحلیل فرکانس استفاده کنید. نمودارهای باندهای فرکانسی و نقشههای توپوگرافیک خیرهکننده بصری ایجاد کنید تا اسرار پنهان در داده EEG را بررسی نمایید.
بررسی ERPs مهم: پتانسیلهای وابسته به رویداد ضروری مانند کامپوننت های P300 و N170 و همچنین کامپوننت های مرتبط با زبان را بررسی کنید. اهمیت و کاربردهای آنها را در تحلیل EEG درک کنید.
تحلیل ERP و زمان-فرکانس در پایتون و MNE: به هنر مصورسازی پتانسیلهای وابسته به رویداد با استفاده از پایتون مسلط شوید. از MNE برای تفسیر آنها استفاده کنید و به رسم و تفسیر تحلیلهای زمان-فرکانس بپردازید.
چرا این دوره را انتخاب کنید:
این دوره برای مبتدیان طراحی شده و یک گذار روان از مبانی به تکنیکهای پیشرفته تحلیل EEG را فراهم میکند. با تمرینهای عملی کدنویسی پایتون و مثالهای کاربردی با استفاده از MNE-Python، مهارتهای عملی را کسب خواهید کرد که برای هر کسی که به دنبال مهارت در تحلیل داده EEG است، ضروری میباشد.
در این سفر آموزشی به ما بپیوندید و بیایید با هم اسرار EEG را کشف کنیم! هم اکنون در این دوره شرکت کنید تا ماجراجویی خود را در تحلیل EEG آغاز نمایید.
این دوره برای چه کسانی مناسب است؟
- این دوره برای طیف متنوعی از یادگیرندگان که به تحلیل داده الکتروفیزیولوژی علاقه دارند، صرفنظر از پیشینه یا تجربه آنها، در نظر گرفته شده است.
- تازهکاران در حوزه الکتروفیزیولوژی: افرادی که در زمینه الکتروفیزیولوژی تازهکار هستند و میخواهند مبانی و جنبههای عملی تحلیل داده را درک کنند، این دوره را یک نقطه شروع عالی خواهند یافت.
- دانشجویان و پژوهشگران: دانشجویان کارشناسی و کارشناسی ارشد، و همچنین پژوهشگران در زمینههایی مانند روانشناسی، علوم اعصاب، علوم شناختی یا رشتههای مرتبط که میخواهند تحلیل داده الکتروفیزیولوژی را در مطالعات یا پروژههای تحقیقاتی خود بگنجانند.
- ذهنهای کنجکاو: افرادی که به طور کلی به مغز، فرآیندهای شناختی یا کاربردهای تحلیل داده در تحقیقات علمی علاقه دارند، این دوره را تعاملی و آموزنده خواهند یافت.
تحلیل EEG/ERP با پایتون و MNE: یک دوره مقدماتی
-
تاریخی کوتاه 07:25
-
منشاء داده EEG 10:24
-
چگونه EEG را ضبط کنیم؟ 15:35
-
EEG خوب چیست؟ 13:29
-
انواع مختلف فرکانسهای مغز 18:34
-
تحلیل فرکانس 18:29
-
تحلیل دامنه زمان و ERP 21:27
-
تحلیل زمان-فرکانس 07:58
-
انواع مختلف نویزها 15:13
-
سمفونی نویزها در عمل 04:51
-
فیلترها 13:37
-
نصب ANACONDA 03:09
-
مبانی کدنویسی - متغیرها 28:12
-
مبانی کدنویسی - دیکشنری 15:44
-
کار با توابع 18:29
-
دستورات کنترلی 05:51
-
پلاتینگ 09:26
-
نصب MNE 02:40
-
ایمپورت کردن و بررسی داده EEG با MNE 14:12
-
فیلتر کردن داده با MNE 11:22
-
ذخیره مراحل در فایلها 03:10
-
حذف آرتیفکتها با در نظر گرفتن ICA 20:27
-
حذف دستی آرتیفکتهای باقیمانده 07:50
-
ایمپورت کردن EEG در پایتون 07:53
-
تحلیل فرکانس در پایتون با FFT 07:48
-
تحلیل فرکانس در MNE 11:34
-
ساخت نقشههای توپوگرافیکی فرکانس سفارشی 10:30
-
زمانبندی محرکها در مغز 09:17
-
کامپوننت P300 11:15
-
کامپوننت N170 09:37
-
کامپوننت های مربوط به زبان 16:56
-
مسائل ERP مرتبط با سن و رشد 04:51
-
داده EEG مبتنی بر آزمایش 13:30
-
مصورسازی آزمایشهای تکی در پایتون 10:28
-
محاسبه میانگین ERPs در پایتون 03:58
-
ساختار داده EEG با شرایط جداگانه 03:36
-
افزودن برچسبها به داده EEG پیوسته در MNE 12:48
-
ساخت اپکها از رویدادها برای MNE 11:04
-
محاسبه و مصورسازی ERPs در MNE 14:38
-
محاسبه و مصورسازی زمان-فرکانس در MNE 09:41
-
کلمات پایانی 02:36
-
موارد پیشرفتهتر با ChatGPT 02:39
-
مثال 02:28
مشخصات آموزش
تحلیل EEG/ERP با پایتون و MNE: یک دوره مقدماتی
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:همه سطوح
- تعداد درس:43
- مدت زمان :07:52:30
- حجم :3.04GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy