هوش مصنوعی در تصویربرداری پزشکی

این کتاب که توسط نویسندگانی با بیش از یک دهه تجربه در طراحی و توسعه سیستم‌های هوش مصنوعی (AI) در تصویربرداری پزشکی نوشته شده است، خوانندگان را در درک یکی از هیجان‌انگیزترین زمینه‌های امروزی راهنمایی می‌کند.

پس از توضیح مقدماتی تکنیک‌های یادگیری ماشین کلاسیک، اصول یادگیری عمیق به روشی ساده و در عین حال جامع توضیح داده می‌شود. این کتاب سپس با دیدگاهی تاریخی از چگونگی توسعه هوش مصنوعی پزشکی در زمان ادامه می‌دهد، و توضیح می‌دهد که کدام برنامه‌ها پیروز شده‌اند و کدامیک شکست خورده‌اند، از دوران سیستم‌های تشخیص به کمک رایانه تا برنامه‌های پیشرفته کنونی در یادگیری عمیق امروز، که در حال شروع به نمایش هستند. عملکرد همتراز با کارشناسان بالینی

در بخش آخر، این کتاب دیدگاهی در مورد پیچیدگی اعتبارسنجی برنامه های کاربردی هوش مصنوعی برای استفاده تجاری ارائه می دهد، مفهوم اخیراً معرفی شده نرم افزار را به عنوان یک دستگاه پزشکی، و همچنین شیوه های خوب و ملاحظات مربوطه برای آموزش و آزمایش یادگیری ماشین را توضیح می دهد. سیستم هایی برای استفاده پزشکی مشکلات باز در اعتبار سنجی برای استفاده عمومی از سیستم هایی که به طور مداوم از طریق داده های جدید تکامل می یابند نیز بررسی شده است.

این کتاب برای دانشجویان فارغ التحصیل در رشته های فیزیک پزشکی، مهندسی زیست پزشکی و علوم کامپیوتر، علاوه بر محققان و متخصصان پزشکی فعال در حوزه تصویربرداری پزشکی، که مایل به درک بهتر این فناوری ها و آینده این رشته هستند، جالب خواهد بود.

امکانات:

یک نمای کلی در دسترس و در عین حال دقیق از این زمینه

موضوع داغ و در حال رشد را بررسی می کند

دیدگاهی بین رشته ای ارائه می دهد

فهرست مطالب

فصل 1. مبانی یادگیری ماشین

فصل 2. مقدمه ای بر یادگیری عمیق

فصل 3. کاربرد هوش مصنوعی در تصویربرداری پزشکی

فصل 4. طراحی سیستم های هوش مصنوعی برای تمرین بالینی

فصل 5. چشم اندازهای آینده

نویسنده

زندگینامه

لیا مورا دارای مدرک دکترا است. مدرک مهندسی کامپیوتر از Politecnico di Torino، ایتالیا. در سال 2006، او به im3D ملحق شد تا راه حل های تشخیصی به کمک رایانه برای تشخیص زودهنگام سرطان و غربالگری ایجاد کند. از سال 2014 تا 2017، او به عنوان مدیر ارشد علمی im3D، نظارت بر توسعه فناوری تا آزمایش بالینی و تأیید نظارتی را بر عهده داشت. در این کتاب، او تجربه یک دهه خود را در توسعه تحقیقات تصویربرداری پزشکی به اشتراک می گذارد. در حال حاضر، تحقیقات او بر بینایی مصنوعی و یادگیری ماشین و همچنین کاربردهای آنها از صنعت تا مراقبت های بهداشتی متمرکز است. او مقالات و پتنت های متعددی را در زمینه های مهندسی، علوم کامپیوتر و رادیولوژی تألیف کرده است.

سیلویا دلسانتو تجربه خود را در تجزیه و تحلیل تصویر زیست پزشکی در دوره دکتری خود آغاز می کند. در موسسه پلی تکنیک تورین، جایی که او سیستم‌هایی را برای اندازه‌گیری خودکار روی تصاویر عروقی ایالات متحده توسعه می‌دهد. در سال‌های بعد، او الگوریتم‌های بینایی کامپیوتر و یادگیری ماشین را توسعه می‌دهد که در سیستم‌های تجاری تشخیص به کمک رایانه یکپارچه شده‌اند و در طراحی و مدیریت مطالعات اعتبارسنجی بالینی در مقیاس بزرگ همکاری می‌کند. او از سال 2017 تا 2018 تحقیقات im3D را رهبری می کند. در حال حاضر، او علایق تحقیقاتی خود را به سایر برنامه های کاربردی صنعتی گسترش داده است. او مقالات متعددی در زمینه های مهندسی، رادیولوژی و کارآزمایی بالینی تالیف کرده است.

Loredana Correale دکترای خود را در رشته فیزیک از دانشگاه رم "La Sapienza" دریافت کرد. او مدل‌های سیستم‌های بی‌نظم، عینک چرخشی، استنتاج آماری و ترکیبی را مطالعه کرده است. از سال 2006، او یک محقق در im3D بوده است. علایق تحقیقاتی او شامل تصویربرداری پزشکی تشخیص با کمک کامپیوتر (CAD) و داده کاوی در روش های مختلف مانند تصویربرداری سینه و روده بزرگ/CTC است. در im3D، او به طور فعال در طراحی و تجزیه و تحلیل آزمایش‌های تصویربرداری در مقیاس بزرگ مشارکت می‌کند تا بینش جدیدی در مورد مزایا و چالش‌های کاربرد سیستم‌های CAD در جمعیت بالینی به دست آورد. او مقالات متعددی در زمینه انکولوژی، رادیولوژی و کارآزمایی بالینی تالیف کرده است.

بررسی ها

"هوش مصنوعی در آستانه ادغام با عمل بالینی است، بنابراین این کار توسط Morra (دانشگاه پلی تکنیک تورین) و همکارانش Delsanto و Correale به موقع است و مکمل کارهای دیگر در این زمینه است. نویسندگان تنها در 112 صفحه، خوانایی ارائه می دهند. ، توصیف سطح بالایی از تکنیک های یادگیری ماشین و پوشش حوزه های مختلف از تشخیص به کمک رایانه گرفته تا شبکه های عصبی و یادگیری عمیق. این کتاب فهرستی چشمگیر از 264 مرجع را ارائه می دهد که تا زمان انتشار وجود دارد.

علاوه بر توصیف نمونه‌های خاص در قالب مطالعات موردی، نویسندگان بحث ارزشمندی را در مورد چالش‌هایی که برای معرفی هوش مصنوعی در عمل پزشکی استاندارد باید برطرف شوند، ارائه می‌کنند و راه‌هایی را برای دستیابی به آن پیشنهاد می‌کنند. نوشتار مختصر و به خوبی سازماندهی شده است... در حالی که ریاضیات گنجانده شده در فصل های مقدماتی برای افراد ناآشنا نیست، بقیه کتاب برای دانشجویان در سطح کارشناسی ارشد و مطمئناً برای پزشکان بسیار قابل دسترس خواهد بود. توصیه شده. دانشجویان فارغ التحصیل، اساتید و متخصصان."