[Βιοιατρική Τεχνολογία] Εργασία 2018

[Thmmy.gr portal]

  Thmmy.gr portal
   Forum
   Downloads
   Ενεργ. Λογαριασμού
   Επικοινωνία
  
  Χρήσιμα links
   Σελίδα τμήματος
   Βιβλιοθήκη Τμήματος
   Elearning
   Φοιτητικά fora
   Πρόγραμμα Λέσχης
   Πρακτική Άσκηση
   Ηλεκτρονική Εξυπηρέτηση Φοιτητών
   Διανομή Συγγραμμάτων
   Ψηφιακό Καταθετήριο Διπλωματικών
   Πληροφορίες Καθηγητών
   Instagram @thmmy.gr
   mTHMMY
  
  Φοιτητικές Ομάδες
   ACM
   Aristurtle
   ART
   ASAT
   BEAM
   BEST Thessaloniki
   EESTEC LC Thessaloniki
   EΜΒ Auth
   IAESTE Thessaloniki
   IEEE φοιτητικό παράρτημα ΑΠΘ
   SpaceDot
   VROOM
   Panther
  

THMMY.gr Web

Helios_MultiScribbles2SMF Default ThemeSMFone_Blue

[Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads]

Είσαι πρωτοετής;... Καλώς ήρθες! Μπορείς να βρεις πληροφορίες εδώ. Βοήθεια για τους καινούργιους μέσω χάρτη.

Κατεβάστε εδώ το Android Application για εύκολη πρόσβαση στο forum.

Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads με προσοχή στα ονόματα των αρχείων!

[Αντιστοίχηση Μαθημάτων ΝΠΣ με ΠΠΣ]

Επίσημη ενημέρωση για Αντιστοίχηση Μαθημάτων ΝΠΣ με ΠΠΣ και η συζήτηση στο forum.

[fibonacci]

Ουσιαστικα θα πρεπει να ταυτισεις ποια απο τα spikes της προσεγγισης σου ανταποκρινονται οντως στα πραγματικα spikes. Για παραδειγμα σε υπερθεση εμεις θα βρισκουμε ενα απο τα 2 spike (εστω το 1ο) και πρεπει να θεωρησουμε το αμεσως επομενο το οποιο εχει διεγερθει πολυ κοντα στον χρονο με το προηγουμενο ως spike που δε ταυτισαμε. Νομιζω το μεγαλυτερο λαθος της ασκησης ειναι που οι χρονοι SpikeTimes ειναι τελειως τυχαιοι-δεν εχουν σημειο αναφορας απο το spike. Ο Πετραντωνακης ελεγε οτι αυτοι οι χρονοι αναφερονται στο σημειο που περναει το Τhreashold. Εχω βρει χρονους SpikeTimes που ειναι αλλοτε 20 αλλοτε 25  αλλοτε 30 πισω απο το T. Αυτο δημιουργει μεγαλο προβκημα στην ταυτιση καθως οι δικοι μας χρονοι δε θα ειναι ουτως οι αλλως ιδιοι με τους δικους του και σε τετοιες περιπτωσεις η οταν 2 spike βρισκονται πολυ κοντα στο χρονο η ταυτιση ειναι δυσκολη.

άρα αν αντιστοιχίσεις ένα spike σου με ένα του πίνακα spikeTimes και η  αυτό έχει κάποια απόσταση από το αμέσως επόμενο spike που εσύ θεωρείς αρκετά μικρή μετράς +1 σωστά εντοπισμένο spike ή το βάζεις στο θόρυβο. Επίσης, στην περίπτωση του overlap αν καταλαβαίνω καλά μας συμφέρει να εντοπίζουμε τις κορυφές μόνο με την findpeaks; Γιατί είχα βρει μια ταχύτερη εκτέλεση που εντόπιζε τις στιγμές που ξεπερνιόταν το threshold, πραγμα που μπορεί βέβαια να αφήσει έξω spikes που μπορεί να είναι πολύ κοντινά .

[tuboflo]

Ναι ουσιαστικα πρεπει καθε φορα που βρισκεις στο διανυσμα (spikeTimes) 2 πολυ κοντινα spike να προσπερνας το 2ο (+1) αφου δε μπορεις να το υπολογισεις,τουλαχιστον ετσι καταλαβα εγω. οποτε δε θα μπορεσεις ποτε να βρεις ολα τα πραγματικα σπαικς του πετραντωνακη σωστα θα βρισκεις παντα λιγοτερα απο 3410 πχ για το data eval 1. η findpeaks πως μπορει να βρει 2 πολυ κοντινες κορυφες? δε θα βρισκει παντα την πιο ψηλη? και μεις εχουμε γραψει κωδικα για να καταχωρει ως χρονο του σπαικ τον χρονο που περναει το θρεσχολντ.

[Silencer]

Παιδιά ποιός είναι ο εμπειρικός κανόνας που εσείς εντοπίσατε; Γιατί στα πιο μετά αποτελέσματα στο δεύτερο κομμάτι και έχοντας αφαιρέσει τις κορυφές από τα overlap καταλήγω με πολύ μικρό αριθμό spikes. Σχεδόν 1/3 από αυτόν που έχει ο πετραντωνάκης.

[chrimili]

Εγώ από τα πρώτα 8 data βρήκα το κατάλληλο κ το οποίο δίνει τον σωστό αριθμό κορυφών.και μετά έκανα παρεμβολή στα σημεία 8 σημεία (median(data),σωστό κ) και βγάζεις ένα πολυώνυμο 8ου βαθμού..κρατησα έως 3ου βαθμού

[fibonacci]

Με ποια λογική χειρίζεστε τα overlapped spikes ; Εγώ ας πούμε, εξετάζω αν δυο γειτονικά κελιά του spikeTimes απέχουν το πολύ 64 samples οπότε και θεωρώ ότι  υπάρχει επικάλυψη. Έτσι βγάζω περίπου 300-400 overlapped spikes για τα Data_Eval_x αρχεία. Βέβαια, αν ρίξω αυτό το όριο στα 32 samples υπολογίζω τα μισά σχεδόν σε αριθμό. Τι είναι το πιο σωστό ;

Επίσης, έναν παρόμοιο κανόνα ακολουθώ για την αντιστοίχιση των spikeTimes με τα spikeTimesEst, εκεί σταθερά ψάχνω για διαφορά με 64 samples.

Σε όλες τι περιπτώσεις έχω καλό accuracy στο classification των spikes που απομένουν, δηλαδή 90% περίπου για το καθαρότερο σήμα και 60-67% για το πιο θορυβώδες ; 

Βγάζετε παρόμοια νούμερα ;

[AB_Kingbird]

Εγώ το έκανα ως εξής:

 Καταρχάς, βάσει του εμπειρικού κανόνα, στο Data_Eval_E_1, μου βγάζει 3371 spikes ενώ στην πραγματικότητα είναι 3410.

 Ύστερα, για να τα κατηγοροποιήσω, πήρα τους πίνακες spikeTimes και spikeTimesEst που έχει βρει και (αφού παρατήρησα κάποιες χρονικές διαφορές ανάμεσα στους πίνακες spikesTimes & spikesTimesEst) το έβαλα να αφαιρεί μία τιμή του spikeTimesEst από ΟΛΕΣ τις τιμές του πίνακα spikeTimes. Αν η έβρισκε μία διαφορά που άνηκε στο εύρος [15,30], τότε σημαίνει πως αυτό ειναι όντως spike, και χρησιμοποιώντας τον πίνακα spikeClasses, έβαζα τα 64 δείγματα της κυματομορφής του σε νέο πίνακα του αντίστοιχου νευρώνα.

 Από τα 3371 spikes που βρήκα, με τον αλγόριθμο που έκανα, κατάφερα να κατηγοροποιήσω τα 3347 που μου φαίνεται ένα καλό ποσοστό.

Έχω 2 απορίες πάντως:
1) Τι εννοεί πρώτο ακρότατο; Εγώ έκανα στοίχιση όπως ένας συνάδελφος έκανε παραπάνω, βάσει των μεγίστων. Το πρώτο ακρότατο ποιό είναι; Το σημείο που περνάει πρώτη φορα το threshold T;

2) Το διάνυσμα group για το (2.5) ερώτημα, πως θα πρέπει να είναι; Εγώ το έκανα ως διάνυσμα π.χ. [1x3711] που κάθε τιμή είναι 1, 2 ή 3, αλλά το MyClassify μου βγάζει ένα error:

"Error using MyClassify (line 2)
Not enough input arguments."

Καμία βοήθεια;

[fibonacci]

Εγώ το έκανα ως εξής:

 Καταρχάς, βάσει του εμπειρικού κανόνα, στο Data_Eval_E_1, μου βγάζει 3371 spikes ενώ στην πραγματικότητα είναι 3410.

 Ύστερα, για να τα κατηγοροποιήσω, πήρα τους πίνακες spikeTimes και spikeTimesEst που έχει βρει και (αφού παρατήρησα κάποιες χρονικές διαφορές ανάμεσα στους πίνακες spikesTimes & spikesTimesEst) το έβαλα να αφαιρεί μία τιμή του spikeTimesEst από ΟΛΕΣ τις τιμές του πίνακα spikeTimes. Αν η έβρισκε μία διαφορά που άνηκε στο εύρος [15,30], τότε σημαίνει πως αυτό ειναι όντως spike, και χρησιμοποιώντας τον πίνακα spikeClasses, έβαζα τα 64 δείγματα της κυματομορφής του σε νέο πίνακα του αντίστοιχου νευρώνα.

 Από τα 3371 spikes που βρήκα, με τον αλγόριθμο που έκανα, κατάφερα να κατηγοροποιήσω τα 3347 που μου φαίνεται ένα καλό ποσοστό.

Έχω 2 απορίες πάντως:
1) Τι εννοεί πρώτο ακρότατο; Εγώ έκανα στοίχιση όπως ένας συνάδελφος έκανε παραπάνω, βάσει των μεγίστων. Το πρώτο ακρότατο ποιό είναι; Το σημείο που περνάει πρώτη φορα το threshold T;

2) Το διάνυσμα group για το (2.5) ερώτημα, πως θα πρέπει να είναι; Εγώ το έκανα ως διάνυσμα π.χ. [1x3711] που κάθε τιμή είναι 1, 2 ή 3, αλλά το MyClassify μου βγάζει ένα error:

"Error using MyClassify (line 2)
Not enough input arguments."

Καμία βοήθεια;

2) η MyClassify θέλει το διάνυσμα group να είναι στήλη. Οπότε αφού το έκανες γραμμή μπορείς απλά να το περνάς στην συνάρτηση ως group' που είναι ο ανάστροφος

1) εγώ απλά υπολογίζω max και min βλέπω πιο είναι πρώτο χρονικά  και κεντράρω το παράθυρο του spike σε αυτό. έτσι πήρα την εικόνα που έχω συνάψει για το Data_Eval_1. Βλέπεις ότι τα παράθυρα που έχουν καθαρή την κυματομορφή του spike έχουν στοιχιστεί καλά, ενώ υπάρχει θόρυβος που κάθετε όπως να ναι και στο δεξί μέρος τις εικόνας μετά τα πρώτα ακροτατα θεωρώ ότι αυτές οι κυματώσεις είναι από τα overlapped spikes που πιάνει το παράθυρο που κόβεις το spike.

Ελπίζω να σε βοήθησα. Όσον αφορά την αντιστοίχιση νομίζω ότι πάνω κάτω λειτουργούμε παρόμοια, κι εγώ τέτοιους αριθμούς βγάζω.

[AB_Kingbird]

Σε ευχαριστώ πολύ!
Επειδή είναι συνάρτηση μάλλον πρέπει να την τρέξεις κάπως διαφορετικά, δηλαδή με τα ορίσματα της, γιατί το είχα δοκιμάσει και αυτό με την στήλη. Μόλις την έτρεξα και μου έβγαλε ένα (απογοητευτικό) 40% ποσοστό. 

Όσον αφορά τη στοίχιση, και εγώ έτσι ξεκίνησα, με ακρότατα και πότε εμφανίζεται το καθένα, αλλά παρατήρησα ότι μπορεί σε ενα σύνολο 64 δειγμάτων να υπάρχει προηγουμένως ένα άλλο spike.

Ο τρόπος που έχω βάλει να αποθηκεύει τις κυματομορφές, είναι να παίρνει τα -31 προηγούμενα δείγματα και τα 32 επόμενα. Έτσι, για να βεβαιωθώ ότι θα κεντράρει στο ακρότατο της εκάστοτε κυματομορφής, περιόρισα την αναζήτηση ελαχίστων ή μεγίστων στα δείγματα που ανήκουν στο εύρος [20,40]. Ελπίζω να είναι σωστό.

Για το ερώτημα 2.3, που λέει για τις κορυφές που βρίσκουμε οι οποίες δεν είναι όντως κορυφές αλλά θόρυβος, πως θα βρούμε τον πραγματικό αριθμό; Σε μερικά Data_Eval_E, βρίσκω λιγότερα spikes από όσα πραγματικά είναι.

Αυτά. Ευχαριστώ και πάλι και ΚΑΛΕΣ ΓΙΟΡΤΕΣ !

[dinis]

Παιδιά στο ερώτημα 1.2 πως βρίσουμε σωστά τον αριθμό των κορυφών ?

Πχ αν πάρουμε πόσες τιμές από το data περνάνε το κατώφλι Τ τότε δεν μετράς κορυφές απλά μετράς σημεία. Επίσης θα πρέπει να λάβουμε υπ όψιν και τις αρνητικές κορυφές ?

[AB_Kingbird]

Παιδιά στο ερώτημα 1.2 πως βρίσουμε σωστά τον αριθμό των κορυφών ?

Πχ αν πάρουμε πόσες τιμές από το data περνάνε το κατώφλι Τ τότε δεν μετράς κορυφές απλά μετράς σημεία. Επίσης θα πρέπει να λάβουμε υπ όψιν και τις αρνητικές κορυφές ?

Μας είπε μόνο θετικές κορυφές να ψάχνουμε.Τα είδη των spikes είναι είτε ζεύγη θετικών και αρνητικών κορυφών, είτε απλά μία θετική κορυφή.

Θα πρέπει να βρεις έναν τρόπο να μην μετράς τα σημεία, αλλά τις κορυφές.

[mprizou]

Παιδιά στο ερώτημα 1.2 πως βρίσουμε σωστά τον αριθμό των κορυφών ?

Πχ αν πάρουμε πόσες τιμές από το data περνάνε το κατώφλι Τ τότε δεν μετράς κορυφές απλά μετράς σημεία. Επίσης θα πρέπει να λάβουμε υπ όψιν και τις αρνητικές κορυφές ?

τις αρνητικες κορυφες δε χρειαζεται να τις λαβεις υποψιν
για να βρεις σωστα τον αριθμο των κορυφων λαβε υποψιν σου πως τα "επομενα σημεια που περνανε και αυτα το κατωφλι" ενος σημειου που περναει το κατωφλι ανηκουν στην ιδια κορυφη

[dinis]

Κάτι τέτοιο υπέθεσα και εγώ απλά ήθελα να σιγουρευτώ, έγινε ευχαριστώ 

[yolanda]

Παιδια ειμαι στο ερωτημα 2.4 και αφου εχω βρει ποιες απο τις κορυφες ειναι οντως σωστες, τις εχω βαλει σε εναν πινακα spikesEstNew(l,p), οπου l ειναι η καθε κορυφη και p ειναι ο αριθμος των 64 δειγματων. Παω να τις απεικονισω με τον ιδιο τροπο που απεικονισα και τις κορυφες στο ερωτημα 2.2, δηλαδη με 64 δειγματα και απεικονιζονται τελεια. Και απο το γραφημα βλεπω οτι καποιες φορες περνανε και απο το μηδεν. Οταν ομως παω να υπολογισω ποσες φορες περνανε απο το 0, κανω δηλαδη
if spikesEstNew(l,p)==0
     num_of_zeros=num_of_zeros+1;
end
δεν μπαινει καν μεσα στην if.
σας περναει καμια λυση απο το μυαλο;

α επισης εχω βρει σωστες κορυφες 1176 ενω αυτος εχει συνολικα 3410. Ειμαι κατω απο το 30% τις εκατο. Καλα δεν ειναι;

[Haarp]

Παιδια ειμαι στο ερωτημα 2.4 και αφου εχω βρει ποιες απο τις κορυφες ειναι οντως σωστες, τις εχω βαλει σε εναν πινακα spikesEstNew(l,p), οπου l ειναι η καθε κορυφη και p ειναι ο αριθμος των 64 δειγματων. Παω να τις απεικονισω με τον ιδιο τροπο που απεικονισα και τις κορυφες στο ερωτημα 2.2, δηλαδη με 64 δειγματα και απεικονιζονται τελεια. Και απο το γραφημα βλεπω οτι καποιες φορες περνανε και απο το μηδεν. Οταν ομως παω να υπολογισω ποσες φορες περνανε απο το 0, κανω δηλαδη
if spikesEstNew(l,p)==0
     num_of_zeros=num_of_zeros+1;
end
δεν μπαινει καν μεσα στην if.
σας περναει καμια λυση απο το μυαλο;

Για την if μπορείς να ελέγξεις με τα γειτονικά δείγματα εάν υπάρχει εναλλαγή στο πρόσημο

[yolanda]

Για την if μπορείς να ελέγξεις με τα γειτονικά δείγματα εάν υπάρχει εναλλαγή στο πρόσημο

αυτο εκανα γιατι τελικα κανενα δειγμα δεν ηταν ακριβως στο 0 οποτε για αυτο μου εβγαζε συνολικο αριθμο 0. θενκιου!!!