اپلیکیشن اندرویدی فلش‌کارت آموزشی پردازش سیگنال‌های زیستی با پایتون

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پردازش سیگنال‌های زیستی با پایتون

موضوع کلی: برنامه‌نویسی سخت‌افزار-محور

موضوع میانی: برنامه‌نویسی برای دستگاه‌های هوشمند ورزشی پیشرفته

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر سیگنال‌های زیستی و کاربردهای آن‌ها
• 2. نمونه‌برداری و بازسازی سیگنال‌های پیوسته
• 3. مفاهیم اساسی پردازش سیگنال دیجیتال
• 4. تبدیل فوریه و کاربرد آن در تحلیل سیگنال‌های زیستی
• 5. فیلترهای دیجیتال: طراحی و پیاده‌سازی
• 6. فیلترهای میانگین متحرک و میانه
• 7. فیلترهای FIR و IIR: مقایسه و کاربردها
• 8. طراحی فیلترهای دیجیتال با استفاده از پنجره‌گذاری
• 9. روش‌های تخمین توان طیفی سیگنال‌ها
• 10. تبدیل موجک و کاربرد آن در تحلیل سیگنال‌های غیرایستا
• 11. پردازش سیگنال‌های الکتروکاردیوگرام (ECG): مبانی و چالش‌ها
• 12. تشخیص پیک‌های QRS در سیگنال ECG
• 13. استخراج ویژگی‌های ECG برای تشخیص آریتمی‌ها
• 14. پردازش سیگنال‌های الکتروانسفالوگرام (EEG): مبانی و چالش‌ها
• 15. تشخیص فرکانس‌های غالب در سیگنال EEG
• 16. استخراج ویژگی‌های EEG برای تشخیص اختلالات عصبی
• 17. پردازش سیگنال‌های الکترومایوگرام (EMG): مبانی و چالش‌ها
• 18. تشخیص فعالیت‌های عضلانی از روی سیگنال EMG
• 19. استخراج ویژگی‌های EMG برای تحلیل حرکات
• 20. پردازش سیگنال‌های تنفسی: مبانی و چالش‌ها
• 21. تشخیص الگوی تنفسی و ارزیابی سلامت ریه
• 22. پردازش سیگنال‌های فشار خون: مبانی و چالش‌ها
• 23. تشخیص ناهنجاری‌های فشار خون
• 24. پردازش سیگنال‌های پالس اکسی‌متری: مبانی و چالش‌ها
• 25. تشخیص اشباع اکسیژن خون
• 26. پردازش سیگنال‌های بیوالکتریکی چشمی (EOG): مبانی و چالش‌ها
• 27. تشخیص حرکات چشم و خواب
• 28. روش‌های حذف نویز از سیگنال‌های زیستی
• 29. استفاده از فیلترهای تطبیقی برای حذف نویز
• 30. روش‌های تحلیل مولفه‌های مستقل (ICA)
• 31. روش‌های تحلیل همبستگی کانونی (CCA)
• 32. مفاهیم اساسی یادگیری ماشین و کاربرد آن در پردازش سیگنال‌های زیستی
• 33. دسته‌بندی سیگنال‌های زیستی با استفاده از ماشین بردار پشتیبان (SVM)
• 34. دسته‌بندی سیگنال‌های زیستی با استفاده از شبکه‌های عصبی
• 35. تشخیص خودکار بیماری‌ها با استفاده از یادگیری ماشین
• 36. ارزیابی عملکرد مدل‌های یادگیری ماشین
• 37. پردازش سیگنال‌های تصویری پزشکی: مبانی و چالش‌ها
• 38. پردازش تصاویر MRI و CT Scan
• 39. پردازش تصاویر اولتراسوند
• 40. پردازش تصاویر رادیولوژی
• 41. استخراج ویژگی از تصاویر پزشکی
• 42. تحلیل تصاویر پزشکی با استفاده از یادگیری عمیق
• 43. کاربرد پایتون در پردازش سیگنال‌های زیستی: معرفی کتابخانه‌ها
• 44. numpy و scipy برای پردازش سیگنال
• 45. matplotlib و seaborn برای مصورسازی داده‌ها