Artificial Intelligence in Medical Imaging: Opportunities, Applications and Risks

این کتاب یک مرور کلی از تکامل مداوم در کاربرد هوش مصنوعی (AI) در مراقبت‌های بهداشتی و رادیولوژی ارائه می‌کند و به خوانندگان این امکان را می‌دهد تا بینش عمیق‌تری نسبت به پیشینه فناوری هوش مصنوعی و تأثیرات فناوری‌های جدید و نوظهور بر پزشکی به دست آورند. تصویربرداری پس از مقدمه‌ای در مورد تغییر دهنده‌های بازی در رادیولوژی مانند فناوری یادگیری عمیق، سیر تکاملی فناوری هوش مصنوعی در علوم محاسباتی و محاسبات تصویر پزشکی با توضیح اصول اولیه و انواع و زیرشاخه‌های هوش مصنوعی شرح داده می‌شود. بخش های بعدی به استفاده از نشانگرهای زیستی تصویربرداری، توسعه و اعتبار سنجی برنامه های کاربردی هوش مصنوعی، و جنبه ها و مسائل مختلف مربوط به نقش رو به رشد داده های بزرگ در رادیولوژی می پردازد. سپس کاربردهای بالینی مختلف هوش مصنوعی در زندگی واقعی برای بخش‌های مختلف بدن مشخص می‌شود و توانایی آن‌ها در افزودن ارزش به شیوه‌های رادیولوژی روزانه را نشان می‌دهد. بخش پایانی بر تأثیر هوش مصنوعی بر رادیولوژی و پیامدهای آن برای رادیولوژیست ها، به عنوان مثال در رابطه با آموزش، تمرکز دارد. این کتاب که توسط رادیولوژیست ها و متخصصان فناوری اطلاعات نوشته شده است، برای رادیولوژیست ها، فیزیکدانان پزشکی/بالینی، متخصصان فناوری اطلاعات و متخصصان انفورماتیک تصویربرداری از ارزش بالایی برخوردار خواهد بود.

This book provides a thorough overview of the ongoing evolution in the application of artificial intelligence (AI) within healthcare and radiology, enabling readers to gain a deeper insight into the technological background of AI and the impacts of new and emerging technologies on medical imaging. After an introduction on game changers in radiology, such as deep learning technology, the technological evolution of AI in computing science and medical image computing is described, with explanation of basic principles and the types and subtypes of AI. Subsequent sections address the use of imaging biomarkers, the development and validation of AI applications, and various aspects and issues relating to the growing role of big data in radiology. Diverse real-life clinical applications of AI are then outlined for different body parts, demonstrating their ability to add value to daily radiology practices. The concluding section focuses on the impact of AI on radiology and the implications for radiologists, for example with respect to training. Written by radiologists and IT professionals, the book will be of high value for radiologists, medical/clinical physicists, IT specialists, and imaging informatics professionals.