Deep Learning for Biomedical Data Analysis: Techniques, Approaches, and Applications

این کتاب اولین مروری بر یادگیری عمیق (DL) برای تجزیه و تحلیل داده های زیست پزشکی است. جدیدترین تکنیک ها و رویکردها در این زمینه را با پوشش وسیع و عمق کافی برای استفاده عملی برای حرفه ای ها بررسی می کند. این کتاب اطلاعات اساسی و فنی کافی در مورد این تکنیک ها، رویکردها و مشکلات مربوط به آن را بدون شلوغ کردن ذهن خواننده ارائه می دهد. این نتایج آخرین تحقیقات در زمینه DL برای تجزیه و تحلیل داده های زیست پزشکی را ارائه می دهد. تکنیک ها و رویکردهای ارائه شده در این کتاب به مهم ترین و/یا جدیدترین موضوعات مطرح شده در این زمینه می پردازد. آنها نظریه بنیادی هوش مصنوعی (AI)، یادگیری ماشینی (ML) و DL را با کاربردهای عملی در زیست شناسی و پزشکی ترکیب می کنند. مطمئناً فهرست موضوعات مطرح شده در این کتاب جامع نیست، اما این عناوین مفاهیم تکنیک ها و رویکردهای ارائه شده را در سایر موضوعات در تجزیه و تحلیل داده های زیست پزشکی روشن می کند. این کتاب به لطف DL، تعادلی بین پوشش نظری و عملی طیف گسترده ای از مسائل در زمینه تجزیه و تحلیل داده های زیست پزشکی پیدا می کند. چند کتاب منتشر شده در مورد DL برای تجزیه و تحلیل داده های زیست پزشکی یا بر موضوعات خاص تمرکز دارند یا فاقد عمق فنی هستند. فصول ارائه شده در این کتاب از نظر کیفیت و مرتبط بودن انتخاب شدند. این کتاب همچنین آزمایش‌هایی را ارائه می‌کند که مروری کیفی و کمی در زمینه تجزیه و تحلیل داده‌های زیست‌پزشکی ارائه می‌دهد.

خواننده نیاز به آشنایی با هوش مصنوعی، ML و DL دارد و در مورد تکنیک ها و رویکردهایی که به مهم ترین و/یا جدیدترین موضوعاتی که در زمینه DL برای تجزیه و تحلیل داده های زیست پزشکی. او هم مبانی پشت تکنیک‌ها و رویکردهای DL و هم کاربردهای آن‌ها را در داده‌های زیست‌پزشکی کشف خواهد کرد. این کتاب همچنین می تواند به عنوان یک کتاب مرجع برای دوره های تحصیلات تکمیلی در بیوانفورماتیک، هوش مصنوعی، ML و DL باشد. هدف این کتاب نه تنها محققان و متخصصان حرفه‌ای است، بلکه دانشجویان تحصیلات تکمیلی، دانشجویان ارشد و محققان جوان را نیز هدف قرار می‌دهد. این کتاب مطمئناً راه را به سمت تکنیک ها و رویکردهای جدید برای دستیابی به اکتشافات جدید نشان خواهد داد.

This book is the first overview on Deep Learning (DL) for biomedical data analysis. It surveys the most recent techniques and approaches in this field, with both a broad coverage and enough depth to be of practical use to working professionals. This book offers enough fundamental and technical information on these techniques, approaches and the related problems without overcrowding the reader's head. It presents the results of the latest investigations in the field of DL for biomedical data analysis. The techniques and approaches presented in this book deal with the most important and/or the newest topics encountered in this field. They combine fundamental theory of Artificial Intelligence (AI), Machine Learning (ML) and DL with practical applications in Biology and Medicine. Certainly, the list of topics covered in this book is not exhaustive but these topics will shed light on the implications of the presented techniques and approaches on other topics in biomedical data analysis. The book finds a balance between theoretical and practical coverage of a wide range of issues in the field of biomedical data analysis, thanks to DL. The few published books on DL for biomedical data analysis either focus on specific topics or lack technical depth. The chapters presented in this book were selected for quality and relevance. The book also presents experiments that provide qualitative and quantitative overviews in the field of biomedical data analysis. 

The reader will require some familiarity with AI, ML and DL and will learn about techniques and approaches that deal with the most important and/or the newest topics encountered in the field of DL for biomedical data analysis. He/she will discover both the fundamentals behind DL techniques and approaches, and their applications on biomedical data. This book can also serve as a reference book for graduate courses in Bioinformatics, AI, ML and DL. The book aims not only at professional researchers and practitioners but also graduate students, senior undergraduate students and young researchers. This book will certainly show the way to new techniques and approaches to make new discoveries.