Computational Medicine in Data Mining and Modeling

این کتاب مروری بر انواع تکنیک های آماری، ریاضی و علوم کامپیوتری معاصر را ارائه می دهد که برای افزایش دانش در حوزه پزشکی استفاده می شود. نویسندگان بر روی اعمال داده کاوی در حوزه پزشکی تمرکز می کنند، از جمله استخراج مجموعه داده های بالینی که معمولاً در سوابق پزشکی بیمار یافت می شود، تصویر کاوی، کاوی پزشکی، داده کاوی و یادگیری ماشینی که برای داده های ژنتیکی عمومی و موارد دیگر اعمال می شود. این کار همچنین رفتار مدل‌سازی سلول‌های سرطانی، مدل‌های محاسباتی چند مقیاسی و شبیه‌سازی جریان خون از طریق عروق را با استفاده از مدل‌های خاص بیمار معرفی می‌کند. نویسندگان تکنیک های مختلف تصویربرداری مورد استفاده برای تولید مدل های خاص بیمار را پوشش می دهند. این در نرم افزار دینامیک سیالات محاسباتی برای تجزیه و تحلیل جریان سیال استفاده می شود. مطالعات موردی در پایان هر فصل ارائه شده است. متخصصان و محققان با پیشینه کمی، پزشکی محاسباتی در داده کاوی و مدل سازی را به عنوان مرجع مفید خواهند یافت. دانش‌آموزان سطح پیشرفته‌ای که در رشته‌های علوم کامپیوتر، ریاضیات، آمار و زیست‌پزشکی تحصیل می‌کنند نیز این کتاب را به‌عنوان کتاب مرجع یا کتاب درسی ثانویه ارزشمند می‌دانند.

This book presents an overview of a variety of contemporary statistical, mathematical and computer science techniques which are used to further the knowledge in the medical domain. The authors focus on applying data mining to the medical domain, including mining the sets of clinical data typically found in patient’s medical records, image mining, medical mining, data mining and machine learning applied to generic genomic data and more. This work also introduces modeling behavior of cancer cells, multi-scale computational models and simulations of blood flow through vessels by using patient-specific models. The authors cover different imaging techniques used to generate patient-specific models. This is used in computational fluid dynamics software to analyze fluid flow. Case studies are provided at the end of each chapter. Professionals and researchers with quantitative backgrounds will find Computational Medicine in Data Mining and Modeling useful as a reference. Advanced-level students studying computer science, mathematics, statistics and biomedicine will also find this book valuable as a reference or secondary text book.