Deep Learning in Healthcare: Paradigms and Applications

این کتاب مروری جامع بر یادگیری عمیق (DL) در کاربردهای پزشکی و مراقبت های بهداشتی، از جمله مبانی و پیشرفت های فعلی در تجزیه و تحلیل تصویر پزشکی، روش های پیشرفته DL برای تجزیه و تحلیل تصویر پزشکی و واقعی ارائه می دهد. -سیستم های تشخیص بالینی به کمک کامپیوتر مبتنی بر یادگیری عمیق جهان.

یادگیری عمیق (DL) یکی از تکنیک های کلیدی هوش مصنوعی (AI) است و امروزه نقش مهمی در بسیاری از حوزه های دانشگاهی و صنعتی ایفا می کند. . DL شامل استفاده از یک شبکه عصبی با چندین لایه (ساختار عمیق) بین ورودی و خروجی است و مزیت اصلی آن این است که می تواند به طور خودکار ویژگی های مبتنی بر داده، بسیار نماینده و سلسله مراتبی را یاد بگیرد و استخراج و طبقه بندی ویژگی ها را در یک شبکه انجام دهد. DL را می توان برای مدل سازی یا شبیه سازی یک سیستم یا فرآیند هوشمند با استفاده از داده های آموزشی مشروح استفاده کرد.

به تازگی، DL به طور گسترده در کاربردهای پزشکی مانند مدل سازی آناتومیک، تشخیص تومور، طبقه بندی بیماری ها، به کمک رایانه استفاده شده است. تشخیص و برنامه ریزی جراحی این کتاب برای دانشجویان و محققان علوم کامپیوتر و مهندسی، متخصصان پزشکی و هر کسی که علاقه مند به استفاده از تکنیک های DL است در نظر گرفته شده است.

This book provides a comprehensive overview of deep learning (DL) in medical and healthcare applications, including the fundamentals and current advances in medical image analysis, state-of-the-art DL methods for medical image analysis and real-world, deep learning-based clinical computer-aided diagnosis systems.

Deep learning (DL) is one of the key techniques of artificial intelligence (AI) and today plays an important role in numerous academic and industrial areas. DL involves using a neural network with many layers (deep structure) between input and output, and its main advantage of is that it can automatically learn data-driven, highly representative and hierarchical features and perform feature extraction and classification on one network. DL can be used to model or simulate an intelligent system or process using annotated training data.

Recently, DL has become widely used in medical applications, such as anatomic modelling, tumour detection, disease classification, computer-aided diagnosis and surgical planning. This book is intended for computer science and engineering students and researchers, medical professionals and anyone interested using DL techniques.