انجمن فناوری‌های هوشمند پزشکی

25 January 2023 15:59

#ScienceDaily

When grandpa can’t hear words at a noisy holiday gathering, too many brain cells may be firing at once
اکثر افراد پس از سن 65 سالگی دچار نوعی از دست دادن شنوایی می شوند و دانشمندان مدت‌هاست که کاهش شنوایی مرتبط با افزایش سن را با آسیب یا از بین رفتن سلول‌های مویی در گوش داخلی مرتبط می‌دانند.
محققان پزشکی جانز هاپکینز به دنبال پاسخی در مورد نحوه عملکرد مغز در رابطه با کم شنوایی مرتبط با افزایش سن بودند.
کانولد و تیمشان فعالیت 8078 سلول مغزی یا نورون را در ناحیه مغزی قشر شنوایی 12 موش پیر (16 تا 24 ماهه) و 10 موش جوان (2 تا 6 ماهه) ثبت کردند.
ابتدا موش ها را شرطی کردند که با شنیدن صدایی، آب را لیس بزنند؛ سپس همان تمرین را در حین پخش نویز سفید انجام دادند.
همچنین از تکنیکی به نام تصویربرداری دو فوتونی برای بررسی قشر شنوایی استفاده کردند که این روش از فلورسانس برای شناسایی و اندازه گیری فعالیت صدها نورون به طور همزمان استفاده می کند.
نتایج نشان داد که بدون سر و صدای محیط، موش‌های پیر نیز مانند موش‌های جوان با شنیدن صدا، فوران آب را لیس می‌زدند.
زمانی که نویز سفید اضافه شد، به طور کلی موش‌های پیر در تشخیص صدا و لیسیدن بدتر از موش‌های جوان بودند.
همچنین با توجه به عملکرد مدارهای مغزی سالم که در حضور نویز محیط به درستی کار می‌کردند، مشخص شده است که با شنیدن صدای نویر سفید برخی از فعالیت‌های عصبی افزایش می‌یابد و همزمان، سایر نورون‌ها سرکوب  یا خاموش می‌شوند.
با این حال، در اکثر موش‌های پیر، تعادل به سمت داشتن نورون‌های فعال تغییر می‌کند و نورون‌هایی که باید در حضور نویز زیاد خاموش شوند، نتوانستند این کار را انجام دهند.
به گفته محققان، موش‌های جوان می‌توانند اثرات سر و صدای محیط را بر فعالیت عصبی سرکوب کنند در حالی که موش‌های پیر قابلیت کمتری دارند.
از سوی دیگر، کانولد معتقد است که به دلیل پتانسیل یادگیری انعطاف‌پذیر مغز پستانداران، ممکن است راه‌هایی برای آموزش مغز برای تمرکز روی صدای مشخص در میان صداهای نویزی وجود داشته باشد.
برای ترسیم دقیق ارتباط بین ناتوانی در غیرفعال شدن نورون های خاص و کاهش شنوایی در میان صدای محیط و نحوه تغییر آنها با افزایش سن، به تحقیقات بیشتری نیاز است.

منبع خبر:
https://www.bme.jhu.edu/news-events/news/when-grandpa-cant-hear-words-at-a-noisy-holiday-gathering-too-many-brain-cells-may-be-firing-at-once

————————-
🆔@MIT_TUMS
🆔@ssrc_news
LinkedIn : AMTEI

انجمن فناوری‌های هوشمند پزشکی

18 January 2023 09:33

🦿Magnetomicrometry-Based Control

#EMG
#neuroprosthesis
#ScienceDaily

🆔@MIT_TUMS
🆔@ssrc_news
LinkedIn : AMTEI

انجمن فناوری‌های هوشمند پزشکی

20 January 2023 14:59

#توسعه_فردی
#معرفی_کتاب
کتاب کار عمیق نوشته آقای دکتر Cal Newport (استاد علوم کامپیوتر در دانشگاه Georgetown) دارای محتوای کاربردی و موثری برای انجام موفقیت‌آمیز کار و پژوهش به خصوص برای دانشجویان، اساتید و کار آفرینان است. در این کتاب، ابتدا به مزایای کار عمیق و اثر آن در خلق محصولات ارزشمند می‌پردازد و سپس به روش‌های کاربردی برای انجام کار عمیق می‌پردازد. به خصوص در زمانیکه فضای مجازی باعث می‌شود کارهای غیر عمیق زیادی انجام دهیم و بخش زیادی از زمان ما را بگیرد، مطالعه چنین کتابی و راهکارهای آن خیلی مفید است.
نسخه صوتی این کتاب ارزشمند در #طاقچه وجود دارد که کیفیت مناسبی دارد.
لینک خبر:
https://www.linkedin.com/posts/mohammad-reza-mohammadi-3b1baa15a_agpaepaezabraehaetahyaeq-aefaepaeqaggaev-activity-7006910825781198849-1PFQ?utm_source=share&utm_medium=member_desktop
————————-
@MIT_TUMS
@ssrc_news
LinkedIn: AMTEI

انجمن فناوری‌های هوشمند پزشکی

14 January 2023 20:10

#Science_in_use
🔴 فهرست دوره های مقدماتی و پیشرفته یادگیری ماشین که به صورت رایگان در YouTube در دسترس هستند.😉
- 👨‍🏫 Andrew Ng CS229 ML
- 🏰 MIT: Deep Learning for Art
- ⛪️ Stanford CS230: Deep Learning
- 🧑🏻‍💻👩🏻‍💻Practical Deep Learning for Coders
- ⛪️ Stanford CS224W: Machine Learning with Graphs
-🏆Probabilistic Machine Learning
- 🎓 MIT 6.S191: Introduction to Deep Learning
- 🎯UC Berkeley CS 182: Deep Learning
- 🎯 UC Berkeley Deep Unsupervised Learning
- 🤵‍♂️Yann Lecun's NYU Deep Learning SP21L
- ⛪️ Stanford CS25 - Transformers United
-♦️Hugging Face NLP Course
- ⛪️ Stanford CS224N: Natural Language Processing with Deep Learning
- 🧠 CMU Neural Nets for NLP
- ⛪️ Stanford CS224U: Natural Language Understanding
- ⚜️CMU Advanced NLP
- 🔏CMU Multilingual NLP
- ⛪️ Stanford CS231N: Convolutional Neural Networks for Visual Recognition
- 🏛 Michigan Deep Learning for Computer Vision
- 🚀 AMMI Geometric Deep Learning Course
- 🕍 UC Berkeley CS 285 Deep Reinforcement Learning
- 🧩 Intro to Deep Learning and Generative Models
- ⛪️ Stanford CS330: Deep Multi-Task and Meta Learning
منبع:
https://github.com/dair-ai/ML-YouTube-Courses
————————-
🆔 @MIT_TUMS
🆔 @ssrc_news
🌐 AMTEI