Biyopotansiyel Sinyallerin İşlenmesinde Yapay Zeka ve MATLAB Uygulamaları

Kursumuz 2 Eylül 2025 Günü Prof. Dr. Nazmi YARAŞ, Doç. Dr. Deniz KANTAR GÜL ve Dr. Serkan USLU tarafından düzenlenecektir. Kontenjan 20 kişi ile sınırlı olup gerekli ilginin görülmesi halinde 1 Eylül Tarihi için de düzenlenmesi planlanmıştır.
Bize göndereceğiniz mailde başvurduğunuz kurs adını lütfen belirtiniz. 
Detaylar için linke tıklayınız.
Kurs hakkında daha detaylı bilgi için sayfanın altına bakabilirsiniz.
 

Biyopotansiyel sinyaller, canlı organizmaların fizyolojik ve patolojik durumlarını değerlendirmede kritik öneme sahip bilgi kaynaklarıdır. Bu sinyaller, hücresel düzeydeki elektriksel aktivitelerin makro ölçekte gözlemlenmesini sağlayarak, biyolojik sistemlerin işleyişine dair derinlemesine anlayış geliştirmemize olanak tanır. Günümüzde yapay zeka teknolojilerindeki hızlı gelişmeler, bu değerli biyolojik verilerin analiz edilmesinde devrim niteliğinde yenilikler sunmaktadır. Geleneksel analiz yöntemlerinin sınırlarını aşan yapay zeka algoritmaları, biyopotansiyel sinyallerdeki karmaşık örüntüleri tespit ederek, daha önce keşfedilmemiş ilişkileri ortaya çıkarmakta ve klinik tanı süreçlerine yeni boyutlar kazandırmaktadır.

Bu kapsamlı kursumuz, biyopotansiyel sinyallerin (EKG, EMG, EEG) temel prensiplerinden başlayarak, bu sinyallerin yapay zeka teknikleriyle nasıl analiz edilebileceğine dair teorik bilgi ve pratik uygulamaları bir araya getirmektedir. Katılımcılar, bir günlük yoğun program boyunca, biyopotansiyel sinyallerin oluşum mekanizmalarını, kayıt tekniklerini ve sinyal işleme yöntemlerini öğrenecek, ardından bu sinyallerden anlamlı özellikler çıkarma tekniklerini keşfedeceklerdir. Kursun ikinci yarısında, makine öğrenmesi ve derin öğrenme algoritmalarının biyopotansiyel sinyallere uygulanması konusunda hem teorik bilgi hem de MATLAB ortamında gerçek zamanlı uygulama deneyimi kazanacaklardır.

Kursumuz, sabah ve öğleden sonra olmak üzere beş oturumdan oluşan interaktif bir yapıda tasarlanmıştır:

Sabah oturumlarında, katılımcılar öncelikle biyopotansiyel sinyallerin temel prensipleri ve klinik önemi hakkında kapsamlı bir giriş alacaklardır. Ardından, bu sinyallerden anlamlı özellikler çıkarma teknikleri üzerine odaklanılacaktır (zaman ve frekans yöntemleri, istatistiksel parametreler, dalgacık dönüşümü vb.). Son sabah oturumunda ise, yapay zeka kavramı, makine öğrenmesi ve derin öğrenme algoritmaları arasındaki farklar ve bu algoritmaların biyomedikal veri analizindeki potansiyel uygulamaları detaylı olarak incelenecektir.

Öğleden sonraki uygulamalı oturumlarda, katılımcılar MATLAB ortamında gerçek biyopotansiyel sinyaller üzerinde çalışma fırsatı bulacaklardır. İlk olarak, önceden hazırlanmış araç kutuları (toolbox) ve özgün kodlama teknikleri kullanarak, sabah oturumlarında öğrendikleri özellik çıkarım yöntemlerini uygulayacak ve çeşitli makine öğrenmesi algoritmalarını (karar ağaçları, destek vektör makineleri, rastgele ormanlar vb.) bu özellikler üzerinde eğiteceklerdir. Son oturumda ise, derin öğrenme alanında devrim yaratan evrişimli sinir ağları (CNN) mimarisini tasarlayacak, eğitecek ve elde edilen sonuçları yorumlama becerisi kazanacaklardır.

Bu kurs sonunda katılımcılar:
 
  • Biyopotansiyel sinyallerin oluşum mekanizmaları, kayıt teknikleri ve klinik önemini içeren temel kavramları derinlemesine kavrayacak;
  • Farklı sinyal işleme teknikleri kullanarak biyopotansiyel sinyallerden anlamlı özellikler çıkarma konusunda teorik bilgi ve pratik deneyim kazanacak;
  • Yapay zeka algoritmalarının çalışma prensiplerini anlayarak, kendi araştırma alanlarına en uygun algoritmaları seçme ve uygulama yetkinliği geliştirecek;
  • MATLAB ortamında biyopotansiyel sinyallerin analizi için hem klasik makine öğrenmesi hem de modern derin öğrenme tekniklerini uygulama becerisine sahip olacak;
  • Elde ettikleri sonuçları bilimsel olarak yorumlama ve klinik karar verme süreçlerine entegre etme konusunda kapsamlı bir bakış açısı edineceklerdir.

Bu kurs, biyofizik, biyomedikal mühendisliği, nöroloji, kardiyoloji ve fizyoloji alanlarında çalışan araştırmacılar, klinisyenler ve lisansüstü öğrenciler için ideal bir öğrenme fırsatı sunmaktadır.
 

 

Bilgi

Okunma Sayısı: 49
Eklenme Tarihi: 12.06.2025 16:17:31
Güncelleme Tarihi: 12.06.2025 16:30:37

Paylaş