Artificial Intelligence/Machine Learning in Nuclear Medicine and Hybrid Imaging: Using ANSI C and the Arduino Development Environment

این کتاب شامل توضیحات مفصلی درباره فناوری‌ها و مفاهیم اساسی مورد استفاده در هوش مصنوعی (AI) و یادگیری ماشین (ML) در زمینه پزشکی هسته‌ای و تصویربرداری ترکیبی است. تیم متنوعی از نویسندگان، از جمله پیشگامان در این زمینه و کارشناسان محترم از موسسات پیشرو بین المللی، بینش، نظرات و دیدگاه های خود را در مورد این موضوع هیجان انگیز به اشتراک می گذارند.
گستره وسیعی از کاربردهای بالینی مورد بحث قرار گرفته است، از کاربردهای مغزی گرفته تا نشانه های بدن، و همچنین کاربرد AI و ML برای شرایط قلبی عروقی. این کتاب همچنین تأثیر بالقوه ترانوستیک ها را در نظر می گیرد. برای ایجاد تعادل بین کاربردهای سنگین فناوری و بیماری خاص، همچنین مسائل اخلاقی/حقوقی، واقعیت‌های اقتصادی و عامل انسانی، پزشک را مورد بحث قرار می‌دهد. اگرچه این بحث مبتنی بر تحقیقات و نتایج نیست، اما بینش‌های مهمی در مورد پیامدهای این که چگونه هوش مصنوعی و ML می‌توانند پزشکی هسته‌ای و عملکرد تصویربرداری ترکیبی را متحول کنند، ارائه می‌کند. این کتاب به‌جای تصویربرداری پزشکی به طور کلی، منبع ارزشمندی برای پزشکان پزشکی هسته‌ای، رادیولوژیست‌ها، فیزیکدانان، مدیران تصویربرداری پزشکی و فن‌آوران پزشکی هسته‌ای به طور یکسان ارائه می‌کند.

This book includes detailed explanations of the underlying technologies and concepts used in Artificial Intelligence (AI) and Machine Learning (ML) in the context of nuclear medicine and hybrid imaging. A diverse team of authors, including pioneers in the field and respected experts from leading international institutions, share their insights, opinions and outlooks on this exciting topic.
A wide range of clinical applications are discussed, from brain applications to body indications, as well as the applicability of AI and ML for cardio-vascular conditions. The book also considers the potential impact of theranostics. To balance the technology-heavy and disease-specific applications, it also discusses ethical / legal issues, economic realities and the human factor, the physician. Though this discussion is not based on research and outcomes, it provides important insights into the ramifications of how AI and ML could transform Nuclear Medicine and Hybrid Imaging practice.
As the first work highlighting the role of these concepts specifically in this field, rather than for medical imaging in general, this book offers a valuable resource for Nuclear Medicine Physicians, Radiologists, Physicists, Medical Imaging Administrators and Nuclear Medicine Technologists alike.