Application of Deep Learning Methods in Healthcare and Medical Science

این جلد اطلاعات به‌روز فراوانی در مورد پیشرفت‌ها و کاربردهای یادگیری عمیق در مراقبت‌های بهداشتی و پزشکی ارائه می‌کند، و بینش و درک عمیقی از برنامه‌های کاربردی جدید ارائه می‌کند که به سؤالات سخت تشخیص بیماری، پیشگیری، و ایمن سازی این جلد به کاربردهای یادگیری عمیق برای چالش‌های عمده پزشکی مانند تشخیص و شناسایی سرطان، خفگی هنگام تولد در نوزادان، ناهنجاری‌های کلیوی، تقسیم‌بندی گلبول‌های سفید خون، تشخیص رتینوپاتی دیابتی، و تشخیص، پیشگیری و ایمن‌سازی کووید-۱۹ می‌پردازد. این جلد درباره کاربردهای یادگیری عمیق در تشخیص، تشخیص، معاینه و ارزیابی فشرده، توالی یابی ژنومی، شبکه های عصبی کانولوشنال برای تشخیص و پردازش تصویر، و موارد دیگر برای مسائل بهداشتی مانند مشکلات کلیوی، تومورهای مغزی، آسیب ریه و سرطان سینه بحث می کند. نویسندگان به ML برای تقسیم بندی تومور مغزی، در سی تی اسکن ریه، در دستگاه های دیجیتال اشعه ایکس، و برای سیستم های لجستیکی و حمل و نقل برای ارائه موثر مراقبت های بهداشتی نگاه می کنند.

The volume provides a wealth of up-to-date information on developments and applications of deep learning in healthcare and medicine, providing deep insight and understanding of novel applications that address the tough questions of disease diagnosis, prevention, and immunization. The volume looks at applications of deep learning for major medical challenges such as cancer detection and identification, birth asphyxia among neonates, kidney abnormalities, white blood cell segmentation, diabetic retinopathy detection, and Covid-19 diagnosis, prevention, and immunization. The volume discusses applications of deep learning in detection, diagnosis, intensive examination and evaluation, genomic sequencing, convolutional neural networks for image recognition and processing, and more for health issues such as kidney problems, brain tumors, lung damage, and breast cancer. The authors look at ML for brain tumor segmentation, in lung CT scans, in digital X-ray devices, and for logistic and transport systems for effective delivery of healthcare.