دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Artificial Intelligence in PET/CT Oncologic Imaging
دانلود کتاب هوش مصنوعی در تصویربرداری انکولوژیک PET/CT
مشخصات کتاب
Artificial Intelligence in PET/CT Oncologic Imaging
ویرایش: [1st ed. 2022] نویسندگان: John A. Andreou (editor), Paris A. Kosmidis (editor), Athanasios D. Gouliamos (editor) سری: ISBN (شابک) : 3031100891, 9783031100895 ناشر: Springer سال نشر: 2022 تعداد صفحات: 165 زبان: English فرمت فایل : 7Z (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 39 Mb
قیمت کتاب (تومان) : 50,000
در صورت تبدیل فایل کتاب Artificial Intelligence in PET/CT Oncologic Imaging 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 در تصویربرداری انکولوژیک PET/CT 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 در تصویربرداری انکولوژیک PET/CT
این کتاب کاربردهای هوش مصنوعی را ارائه می دهد که ممکن
است در تشخیص بیماری، تعریف خصوصیات بافتی (خوش خیم در مقابل
بدخیم)، مرحله بندی و ارتباط با نشانگرهای زیستی مولکولی کمک
کند.
در ابتدا به عنوان یک وسیله قرار داده شد. برای فنوتیپ‌سازی و کمی‌سازی مولکولی غیرتهاجمی در دهه 1970، پیشرفت‌های تکنولوژیکی PET در دهه 2000 باعث ایجاد علاقه مجدد به کمی‌سازی شد که طی پنج سال گذشته افزایش یافته است. این پیشرفت موازی با توسعه سیستم‌های هوش مصنوعی (AI) برای سرطان‌شناسی است که هدف آن ارائه بهترین درمان ممکن برای بیماران مبتلا به سرطان ریه، پستان، مغز، پروستات، کبد و سایر انواع سرطان است.
فصل ها مروری بر استفاده از هوش مصنوعی در تصویربرداری PET/CT برای انواع مختلف سرطان ارائه می دهند و این ابزاری ارزشمند به ویژه برای پزشکان پزشکی هسته ای و انکولوژیست ها خواهد بود.
توضیحاتی درمورد کتاب به خارجی
This book presents artificial intelligence applications
that may help in detecting disease, defining tissue
characterization (benign vs malignant), staging and correlation
with molecular biomarkers.
Originally positioned as a means for noninvasive molecular phenotyping and quantification in the 1970s, PET's technological improvements in the 2000s generated renewed interest in quantification, which has grown over the last five years. This progress is parallel with the development of Artificial intelligence (AI) systems for Oncology which aim at providing the best possible treatment to patients suffering from lung, breast, brain, prostate, liver and other types of cancer.
The chapters provide an overview of the use of AI in PET/CT imaging for various types of cancer, and it will be an invaluable tool especially for nuclear medicine physicians and oncologists.
