Assessing COVID-19 and Other Pandemics and Epidemics using Computational Modelling and Data Analysis

این کتاب به طور جامع مبحث COVID-19 و سایر بیماری های همه گیر و تجزیه و تحلیل داده های همه گیر را با استفاده از مدل سازی محاسباتی پوشش می دهد. بیومدیکال و انفورماتیک سلامت یک زمینه تحقیقاتی نوظهور در تلاقی علم اطلاعات، علوم کامپیوتر و مراقبت های بهداشتی است. عصر جدید همه‌گیری‌ها و اپیدمی‌ها به دلیل داده‌های پزشکی فراوان و به راحتی در دسترس که امکان تجزیه و تحلیل بیشتر را فراهم می‌کند، فرصت‌ها و چالش‌های عظیمی را به همراه دارد. هدف از تحقیقات بیماری های همه گیر و همه گیر، تضمین مراقبت های بهداشتی با کیفیت بالا، کارآمد، درمان بهتر و کیفیت زندگی با تجزیه و تحلیل کارآمد داده های پزشکی و مراقبت های بهداشتی فراوان از جمله داده های بیمار، پرونده الکترونیک سلامت (EHRs) و سبک زندگی است. در گذشته، داشتن متخصصان حوزه برای توسعه مدل‌هایی برای پزشکی یا مراقبت‌های بهداشتی یک الزام رایج بود. با این حال، پیشرفت‌های اخیر در الگوریتم‌های یادگیری بازنمایی به ما این امکان را می‌دهد که الگو و نمایش داده‌های داده‌شده را به‌طور خودکار برای توسعه چنین مدل‌هایی یاد بگیریم. کاوی تصویر پزشکی، یک حوزه تحقیقاتی جدید (به دلیل حجم زیاد تصاویر پزشکی) به طور فزاینده ای تولید و به صورت دیجیتالی ذخیره می شود. این تصاویر عمدتاً به صورت: توموگرافی کامپیوتری (CT)، اشعه ایکس، تصویربرداری پزشکی هسته ای (PET، SPECT)، تصویربرداری رزونانس مغناطیسی (MRI) و سونوگرافی هستند. تصاویر زیست پزشکی بیماران را می توان با استفاده از تکنیک های داده کاوی دیجیتالی کرد و ممکن است در پاسخ به چندین سوال مهم و حیاتی مرتبط با مراقبت های بهداشتی کمک کند. تصویر کاوی در پزشکی می تواند به کشف روابط جدید بین داده ها و افشای اطلاعات جدید و مفیدی کمک کند که می تواند برای دانشمندان و پزشکان زیست پزشکی مفید باشد.

ارزیابی COVID-19 و سایر بیماری های همه گیر و همه گیر با استفاده از مدل سازی محاسباتی. و تجزیه و تحلیل داده ها نقش حیاتی در بهبود زندگی انسان در پاسخ به همه گیری ها و اپیدمی ها خواهد داشت. رویکردهای پیشرفته برای کاربردهای پزشکی و بهداشتی مبتنی بر داده کاوی برای محققان و پزشکان شاغل در بیوپزشکی، انفورماتیک سلامت، و هوش مصنوعی بسیار ارزشمند خواهد بود.

This book comprehensively covers the topic of COVID-19 and other pandemics and epidemics data analytics using computational modelling. Biomedical and Health Informatics is an emerging field of research at the intersection of information science, computer science, and health care. The new era of pandemics and epidemics bring tremendous opportunities and challenges due to the plentiful and easily available medical data allowing for further analysis. The aim of pandemics and epidemics research is to ensure high-quality, efficient healthcare, better treatment and quality of life by efficiently analyzing the abundant medical, and healthcare data including patient’s data, electronic health records (EHRs) and lifestyle. In the past, it was a common requirement to have domain experts for developing models for biomedical or healthcare. However, recent advances in representation learning algorithms allow us to automatically learn the pattern and representation of the given data for the development of such models. Medical Image Mining, a novel research area (due to its large amount of medical images) are increasingly generated and stored digitally. These images are mainly in the form of: computed tomography (CT), X-ray, nuclear medicine imaging (PET, SPECT), magnetic resonance imaging (MRI) and ultrasound. Patients’ biomedical images can be digitized using data mining techniques and may help in answering several important and critical questions related to health care. Image mining in medicine can help to uncover new relationships between data and reveal new and useful information that can be helpful for scientists and biomedical practitioners.

Assessing COVID-19 and Other Pandemics and Epidemics using Computational Modelling and Data Analysis will play a vital role in improving human life in response to pandemics and epidemics. The state-of-the-art approaches for data mining-based medical and health related applications will be of great value to researchers and practitioners working in biomedical, health informatics, and artificial intelligence..