دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Artificial Intelligence and Machine Learning for Digital Pathology: State-of-the-Art and Future Challenges
دانلود کتاب هوش مصنوعی و یادگیری ماشین برای آسیب‌شناسی دیجیتال: چالش‌های جدید و آینده
مشخصات کتاب
Artificial Intelligence and Machine Learning for Digital Pathology: State-of-the-Art and Future Challenges
ویرایش: [1st ed.] نویسندگان: Andreas Holzinger, Randy Goebel, Michael Mengel, Heimo Müller سری: Lecture Notes in Computer Science 12090 ISBN (شابک) : 9783030504014, 9783030504021 ناشر: Springer International Publishing;Springer سال نشر: 2020 تعداد صفحات: XII, 341 [351] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 50 Mb
قیمت کتاب (تومان) : 49,000
در صورت تبدیل فایل کتاب Artificial Intelligence and Machine Learning for Digital Pathology: State-of-the-Art and Future Challenges به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب هوش مصنوعی و یادگیری ماشین برای آسیب‌شناسی دیجیتال: چالش‌های جدید و آینده نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب هوش مصنوعی و یادگیری ماشین برای آسیب‌شناسی دیجیتال: چالش‌های جدید و آینده
هوش مصنوعی مبتنی بر داده (AI) و یادگیری ماشین (ML) در آسیب شناسی دیجیتال، رادیولوژی و پوست بسیار امیدوارکننده است. در موارد خاص، به عنوان مثال، یادگیری عمیق (DL)، حتی بیش از عملکرد انسان. با این حال، در زمینه پزشکی برای یک متخصص انسانی مهم است که نتیجه را تأیید کند. در نتیجه، نیاز به شفافیت و قابلیت ردیابی مجدد راه‌حل‌های پیشرفته وجود دارد تا آنها را برای حمایت از تصمیم‌گیری اخلاقی مسئولانه پزشکی قابل استفاده کند. علاوه بر این، داده های بزرگ برای آموزش مورد نیاز است که طیف گسترده ای از انواع بیماری های انسانی را در سیستم های مختلف اندام پوشش می دهد. این مجموعه داده‌ها باید با معیارهای نظارتی و با کیفیت بالا مطابقت داشته باشند و باید به خوبی برای ML در سطح بیمار، نمونه و تصویر توضیح داده شوند. در اینجا بانک‌های زیستی نقش مرکزی و آینده را در ارائه مجموعه‌های بزرگی از نمونه‌ها و داده‌های با کیفیت بالا و مشروح خوب بازی می‌کنند. چالش‌های اصلی یافتن بانک‌های زیستی حاوی نمونه‌های «مناسب برای هدف»، ارائه متا داده‌های مرتبط با کیفیت، دسترسی به داده‌ها و حاشیه‌نویسی‌های پزشکی استاندارد، و اسکن انبوه کل اسلایدها از جمله راه‌حل‌های مدیریت داده کارآمد است.
توضیحاتی درمورد کتاب به خارجی
Data driven Artificial Intelligence (AI) and Machine Learning (ML) in digital pathology, radiology, and dermatology is very promising. In specific cases, for example, Deep Learning (DL), even exceeding human performance. However, in the context of medicine it is important for a human expert to verify the outcome. Consequently, there is a need for transparency and re-traceability of state-of-the-art solutions to make them usable for ethical responsible medical decision support. Moreover, big data is required for training, covering a wide spectrum of a variety of human diseases in different organ systems. These data sets must meet top-quality and regulatory criteria and must be well annotated for ML at patient-, sample-, and image-level. Here biobanks play a central and future role in providing large collections of high-quality, well-annotated samples and data. The main challenges are finding biobanks containing ‘‘fit-for-purpose’’ samples, providing quality related meta-data, gaining access to standardized medical data and annotations, and mass scanning of whole slides including efficient data management solutions.
فهرست مطالب
Front Matter ....Pages i-xii
Expectations of Artificial Intelligence for Pathology (Peter Regitnig, Heimo Müller, Andreas Holzinger)....Pages 1-15
Interpretable Deep Neural Network to Predict Estrogen Receptor Status from Haematoxylin-Eosin Images (Philipp Seegerer, Alexander Binder, René Saitenmacher, Michael Bockmayr, Maximilian Alber, Philipp Jurmeister et al.)....Pages 16-37
Supporting the Donation of Health Records to Biobanks for Medical Research (Horst Pichler, Johann Eder)....Pages 38-55
Survey of XAI in Digital Pathology (Milda Pocevičiūtė, Gabriel Eilertsen, Claes Lundström)....Pages 56-88
Sample Quality as Basic Prerequisite for Data Quality: A Quality Management System for Biobanks (Christiane Hartfeldt, Verena Huth, Sabrina Schmitt, Bettina Meinung, Peter Schirmacher, Michael Kiehntopf et al.)....Pages 89-94
Black Box Nature of Deep Learning for Digital Pathology: Beyond Quantitative to Qualitative Algorithmic Performances (Yoichi Hayashi)....Pages 95-101
Towards a Better Understanding of the Workflows: Modeling Pathology Processes in View of Future AI Integration (Michaela Kargl, Peter Regitnig, Heimo Müller, Andreas Holzinger)....Pages 102-117
OBDEX – Open Block Data Exchange System (Björn Lindequist, Norman Zerbe, Peter Hufnagl)....Pages 118-135
Image Processing and Machine Learning Techniques for Diabetic Retinopathy Detection: A Review (Sarni Suhaila Rahim, Vasile Palade, Andreas Holzinger)....Pages 136-154
Higher Education Teaching Material on Machine Learning in the Domain of Digital Pathology (Klaus Strohmenger, Christian Herta, Oliver Fischer, Jonas Annuscheit, Peter Hufnagl)....Pages 155-174
Classification vs Deep Learning in Cancer Degree on Limited Histopathology Datasets (Pedro Furtado)....Pages 175-194
Biobanks and Biobank-Based Artificial Intelligence (AI) Implementation Through an International Lens (Zisis Kozlakidis)....Pages 195-203
HistoMapr™: An Explainable AI (xAI) Platform for Computational Pathology Solutions (Akif Burak Tosun, Filippo Pullara, Michael J. Becich, D. Lansing Taylor, S. Chakra Chennubhotla, Jeffrey L. Fine)....Pages 204-227
Extension of the Identity Management System Mainzelliste to Reduce Runtimes for Patient Registration in Large Datasets (Norman Zerbe, Christopher Hampf, Peter Hufnagl)....Pages 228-245
Digital Image Analysis in Pathology Using DNA Stain: Contributions in Cancer Diagnostics and Development of Prognostic and Theranostic Biomarkers (Soufiane El Hallani, Calum MacAulay, Martial Guillaud)....Pages 246-263
Assessment and Comparison of Colour Fidelity of Whole Slide Imaging Scanners (Norman Zerbe, Alexander Alekseychuk, Peter Hufnagl)....Pages 264-278
Deep Learning Methods for Mitosis Detection in Breast Cancer Histopathological Images: A Comprehensive Review (Nassima Dif, Zakaria Elberrichi)....Pages 279-306
Developments in AI and Machine Learning for Neuroimaging (Shane O’Sullivan, Fleur Jeanquartier, Claire Jean-Quartier, Andreas Holzinger, Dan Shiebler, Pradip Moon et al.)....Pages 307-320
Fuzzy Image Processing and Deep Learning for Microaneurysms Detection (Sarni Suhaila Rahim, Vasile Palade, Ibrahim Almakky, Andreas Holzinger)....Pages 321-339
Back Matter ....Pages 341-341
نظرات کاربران
کتاب های تصادفی
دانلود کتاب Apprendre a cooperer: repenser la formation
دانلود کتاب Peirce and Biosemiotics: A Guess at the Riddle of Life
دانلود کتاب The notorious Luke Short : sporting man of the Wild West
