دکتر مینا امیری

m_amiri@iut.ac.ir

درباره من

خلاصه

پژوهشگر برجسته در زمینه هوش مصنوعی، یادگیری عمیق، رایانش ابری، مدل‌های زبانی بزرگ، بینایی ماشین، پردازش سیگنال و تصویر (زیستی)، علم داده، برنامه‌نویسی و آمار.

تجربه بالا در کار در تیم‌های چندرشته‌ای، مشارکتی و متنوع از مهندسان و پزشکان.

چندین مقاله در زمینه یادگیری ماشین، یادگیری عمیق و پردازش سیگنال در ژورنال‌های معتبر، و داور چندین ژورنال علمی.

مهارت‌های ارتباطی و ارائه مؤثر (سخنران دوره در دانشگاه کنکوردیا، تدریس خصوصی دوره‌های مختلف در دانشگاه مک‌گیل، شرکت در بیش از ۲۰ کنفرانس و جلسه بین‌المللی مختلف).

تحصیلات

دکترای مهندسی پزشکی
۲۰۱۳ - ۲۰۱۸
دانشگاه مک‌گیل
کارشناسی ارشد مهندسی پزشکی
۲۰۱۰ - ۲۰۱۲
دانشگاه صنعتی شریف
کارشناسی مهندسی برق
۲۰۰۶ - ۲۰۱۰
دانشگاه صنعتی شریف

تجربیات پژوهشی

استادیار
از سپتامبر ۲۰۲۴
  • تدریس دروس کارشناسی و کارشناسی ارشد در گروه مهندسی کامپیوتر.
  • انجام پژوهش و نظارت بر پروژه‌ها و پایان‌نامه‌های دانشجویان در زمینه یادگیری عمیق، مدل‌های زبانی بزرگ و بینایی ماشین.
دانشگاه صنعتی اصفهان
دانشمند پژوهشگر یادگیری ماشین، Paravision
۲۰۲۲ - ۲۰۲۴
  • توسعه، ارزیابی و استقرار هوش مصنوعی مولد (Generative AI) و مدل‌های زبانی بزرگ.
  • پیاده‌سازی، آموزش و ارزیابی مدل تشخیص وسایل نقلیه، و مشارکت در توسعه نسخه‌های OpenVino TensorRT و ONNX از مدل.
  • کار بر روی پروژه ردیابی اشیاء و اتمام فاز تحقیق، و طراحی یک پایپ‌لاین برای آموزش.
  • آماده‌سازی و تشریح پروتکل جمع‌آوری داده برای پروژه های تشخیص و ردیابی وسایل نقلیه. همکاری نزدیک با تیم‌های مدیریت داده و حقوقی شرکت برای تسهیل فرآیند جمع‌آوری داده‌ها.
دانشمند پژوهشگر، Zetane Systems Inc
۲۰۲۰ - ۲۰۲۲
  • مشارکت فعال در توسعه موتور Zetane Insight، نرم‌افزاری برای گشایش جعبه سیاه هوش مصنوعی، بازرسی مدل‌های یادگیری عمیق، و ارائه هوش مصنوعی قابل توضیح.
  • کار بر روی چندین پروژه بینایی ماشین (تشخیص سه‌بعدی اشیاء در خودروهای خودران با استفاده از لیدار و تصاویر RGB، بخش‌بندی تصاویر ماهواره‌ای، بخش‌بندی و طبقه‌بندی تصاویر پزشکی).
  • ارائه نتایج پروژه‌ها و همچنین موتور Zetane Insight و Zetane Protector در کنفرانس‌های مختلف، از جمله World Summit AI، Big Data and AI، Deep learning Meetup.
  • کار بر روی مدل‌های پردازش زبان طبیعی (تبدیل متن به تصویر، طبقه‌بندی متن).
  • کسب تجربه بالا در پلتفرم‌های یادگیری عمیق، لینوکس، کندا، ژوپیتر نوت‌بوک، کانتینر داکر، Weights and Biases، کنترل نسخه (گیت)، رایانش ابری، SPSS و غیره.
پژوهشگر فوق دکترا
۲۰۱۸ - ۲۰۲۰
  • توسعه یک رویکرد یادگیری عمیق دو مرحله‌ای برای بهبود بخش‌بندی تصویر، ابتدا با تشخیص ناحیه مورد علاقه و سپس بخش‌بندی آن ناحیه.
  • تجزیه و تحلیل استراتژی‌های مختلف انتقال یادگیری (Transfer Learning)، با تنظیم دقیق لایه‌های مختلف یک U-Net برای یافتن بهترین استراتژی برای بخش‌بندی تصاویر.
  • راهنمایی یک دانشجوی دکترا برای توسعه یک مدل یادگیری عمیق برای طبقه‌بندی انواع مختلف بافت با استفاده از تصاویر فراصوتی، و همچنین توسعه یک شبکه ردیابی حرکت بلادرنگ.
  • توسعه یک Unet سه‌بعدی برای بخش‌بندی تصاویر حجمی مغز در صورت کمبود تصاویر، با استفاده از تکنیک‌های نوین افزایش داده.
دانشگاه کنکوردیا (استاد راهنما: پروفسور ریواز)

انتشارات و ارائه‌ها

لینک گوگل اسکالر: مشاهده در گوگل اسکالر

اچ-ایندکس (h-index) = ۱۲

چکیده‌ها و ارائه‌های منتخب

  • B. Behboodi, M. Amiri, R. Brooks, H. Rivaz breast lesion segmentation with limited data: simulation data can be used as auxiliary annotation, IEEE international symposium on biomedical imaging (ISBI 2020).
  • M. Amiri, A. Tehrani, H. Rivaz, A Pilot Study on Scatterer Density Classification of Ultrasound Images Using Deep Neural Networks, IEEE EMBC 2020.
  • A. Tehrani, M. Amiri, H. Rivaz, Real-time and High Quality Ultrasound Elastography Using Convolutional Neural Network by Incorporating Analytic Signal, IEEE EMBC 2020.
  • M. Amiri, R. Brooks, H.Rivaz, Fine tuning U-Net for ultrasound image segmentation: which layers?, 22nd International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI), MIL3ID workshop, 2019, Shenzhen, PRC.
  • M. Amiri, Cross-frequency coupling in EEG signal: a general overview, scientific lecture conducted by Tabriz University, 2019.
  • M. Amiri, Machine-learning applications in EEG signal analysis, scientific lecture conducted by “women in artificial intelligence” group, McGill University, 2019 (invited).
  • M. Amiri, Relationships of HFOs and other EEG patterns in epileptic patients, lecture conducted by University of Montreal, 2018 (invited).
  • M. Amiri, HFOs in the EEG signal of epileptic patients, scientific lecture conducted by Sharif University of technology, 2017.
  • M. Amiri, HFOs role in localising seizure-onset-zone, scientific lecture conducted by Isfahan University, 2017.
  • M. Amiri, B. Frauscher, J. Gotman, Phase-amplitude coupling during sleep in patients with focal epilepsy, 2nd international workshop on HFOs, 2016, Freiburg, DE.
  • M. Amiri, B. Frauscher, J. Gotman, Phase-amplitude coupling during sleep in patients with focal epilepsy, 70th annual meeting of Eastern Association of Electroencephalographers, 2016, Montreal, CA.
  • M. Amiri, B. Frauscher, J. Gotman, Cross frequency coupling during sleep in patients with focal epilepsy, 69th annual meeting of American Epilepsy Society (AES, 2015), Philadelphia, PA.
  • M. Amiri, J. Gotman, High Frequency Oscillations and spikes: separating oscillations from broad band activities, 68th annual meeting of American Epilepsy Society (AES, 2014), Seattle, WA.
  • M. Amiri, EEG signal: a general overview, lecture conducted from student experimental research forum, McGill University, 2014.
  • M. Amiri, E. Zahedi, F. Behnia, Autoregressive modelling of the Photoplethysmogram AC signal amplitude changes after flow-mediated dilation in healthy and diabetic subjects, IEEE Proceedings of 19th Iranian Conference on Biomedical Engineering (ICBME, 2012), Iran.
  • M. Amiri, M. Afzali, B. V. Vahdat, comparison of different electrocardiogram signal power line denoising methods based on SNR improvement, IEEE Proceedings of 19th Iranian Conference on Biomedical Engineering (ICBME, 2012), Iran.

جوایز و افتخارات

  • دریافت فلوشیپ فوق دکترا Horizon، دانشگاه کنکوردیا، زمستان ۲۰۱۸.
  • دریافت جایزه سفر GREAT، دانشگاه مک‌گیل، تابستان ۲۰۱۸.
  • دریافت کمک هزینه دانشجویی Savoy، تابستان ۲۰۱۷.
  • دریافت جایزه Descarries-Savoy برای بهترین انتشارات، تابستان ۲۰۱۷.
  • دریافت جایزه McGill MedStar به پاس تحقیقات عالی انجام شده در دانشکده پزشکی دانشگاه مک‌گیل، پاییز ۲۰۱۶.
  • دریافت جایزه برتری مهندسی پزشکی در دانشگاه مک‌گیل، تابستان ۲۰۱۶.
  • دریافت جایزه سفر Simon Groom برای شرکت در جلسات مرتبط با صرع، پاییز ۲۰۱۵ و تابستان ۲۰۱۸.

عضویت در انجمن‌ها و کمیته‌ها

  • داور مجله Medical Physics
  • داور مجله Journal of Medical and Biological Engineering (JMBE)
  • داور IEEE Transactions on Medical Imaging (TMI)
  • داور IEEE Transactions on Biomedical Engineering (TBME)
  • داور مجله Epilepsy Research
  • داور مجله PLOS ONE
  • داور کنفرانس بین‌المللی Medical Image Computing and Computer Assisted Intervention (MICCAI)
  • عضو هیئت اجرایی

تیم و پروژه‌ها

پروژه: مدل زبان بزرگ برای تشخیص پزشکی

توسعه یک سیستم مبتنی بر LLM برای پشتیبانی از تشخیص اولیه پزشکی.

اعضای تیم: علی کریمی (دانشجوی دکترا)، سارا محمدی (دانشجوی کارشناسی ارشد)

  • بررسی استراتژی‌های مختلف تنظیم دقیق (fine-tuning) برای متون بالینی.
  • ارزیابی عملکرد بر روی مجموعه‌داده‌های دقت تشخیص.
پروژه: ردیابی بلادرنگ اشیاء در وسایل نقلیه خودران

پیاده‌سازی و بهینه‌سازی یک پایپ‌لاین ردیابی بلادرنگ اشیاء با استفاده از یادگیری عمیق.

اعضای تیم: رضا احمدی (دانشجوی دکترا)، نرگس فتحی (دانشجوی کارشناسی ارشد)

  • تمرکز بر کارایی و پایداری برای سیستم‌های تعبیه‌شده.
  • همکاری با یک گروه پژوهشی محلی در زمینه خودرو.
پروژه: بخش‌بندی تصاویر ماهواره‌ای برای برنامه‌ریزی شهری

به‌کارگیری تکنیک‌های یادگیری عمیق برای بخش‌بندی معنایی تصاویر ماهواره‌ای.

اعضای تیم: زهرا حسینی (پژوهشگر کارشناسی)

  • توسعه مدل‌ها برای طبقه‌بندی کاربری اراضی.
  • کار با داده‌های ماهواره‌ای با وضوح بالا.

اخبار

دانشجوی دکترای جدید به آزمایشگاه پیوست!
۱۴ تیر ۱۴۰۴

به دانشجوی دکترای جدیدمان، امیر خان، خوش‌آمد می‌گوییم که در زمینه به‌کارگیری یادگیری عمیق در تصویربرداری پزشکی برای تشخیص زودهنگام بیماری‌ها فعالیت خواهد کرد.

مقاله پذیرفته شد: "CNN نوین برای حذف نویز تصویر"
۳۰ خرداد ۱۴۰۴

مقاله ما با عنوان "شبکه عصبی کانولوشنی نوین برای حذف کارآمد نویز تصویر" برای انتشار در IEEE Transactions on Image Processing پذیرفته شد. به تیم تبریک می‌گوییم!

کارگاه هوش مصنوعی در مراقبت‌های بهداشتی
۲۰ اردیبهشت ۱۴۰۴

دکتر امیری در کارگاه "هوش مصنوعی در مراقبت‌های بهداشتی" یک سخنرانی دعوت شده ارائه داد و چالش‌ها و فرصت‌های ادغام مدل‌های زبان بزرگ در عمل بالینی را مورد بحث قرار داد.