Machine Learning and Medical Imaging

یادگیری ماشین و تصویربرداری پزشکی پیشرفته ترین روش های یادگیری ماشین را در تجزیه و تحلیل تصویر پزشکی ارائه می دهد. ابتدا الگوریتم‌های یادگیری ماشینی پیشرفته را در تصویربرداری پزشکی خلاصه می‌کند که شامل نه تنها مدل‌سازی احتمالی کلاسیک و روش‌های یادگیری، بلکه پیشرفت‌های اخیر در یادگیری عمیق، نمایش/کدگذاری پراکنده و هش داده‌های بزرگ است. در بخش دوم، گروه‌های تحقیقاتی پیشرو در سراسر جهان طیف گسترده‌ای از روش‌های یادگیری ماشین را با کاربرد در روش‌های مختلف تصویربرداری پزشکی، حوزه‌های بالینی و اندام‌ها ارائه می‌کنند.

روش‌های تصویربرداری زیست‌پزشکی شامل اولتراسوند، تصویربرداری تشدید مغناطیسی ( MRI)، توموگرافی کامپیوتری (CT)، بافت شناسی و تصاویر میکروسکوپی. اندام های مورد نظر در ریه، کبد، مغز و پروستات قرار دارند، در حالی که یک درمان برای بررسی ارتباط ژنتیکی نیز وجود دارد. یادگیری ماشین و تصویربرداری پزشکی یک مرجع ایده آل برای محققان تصویربرداری پزشکی، دانشمندان و مهندسان صنعت، دانشجویان پیشرفته کارشناسی و کارشناسی ارشد، و پزشکان است.

• کاربرد برش را نشان می دهد. -تکنیک های یادگیری ماشین لبه برای مشکلات تصویربرداری پزشکی
• مجموعه ای از برنامه های تصویربرداری پزشکی از جمله تشخیص به کمک رایانه، پرتودرمانی هدایت شده با تصویر، تشخیص نقطه عطف، ژنومیک تصویربرداری، و کانکتومیک مغز را پوشش می دهد
• ویژگی ها فصل‌های مستقل با بررسی ادبیات کامل
• توسعه تکنیک‌های یادگیری ماشینی آینده و کاربرد بیشتر تکنیک‌های موجود را ارزیابی می‌کند

Machine Learning and Medical Imaging presents state-of- the-art machine learning methods in medical image analysis. It first summarizes cutting-edge machine learning algorithms in medical imaging, including not only classical probabilistic modeling and learning methods, but also recent breakthroughs in deep learning, sparse representation/coding, and big data hashing. In the second part leading research groups around the world present a wide spectrum of machine learning methods with application to different medical imaging modalities, clinical domains, and organs.

The biomedical imaging modalities include ultrasound, magnetic resonance imaging (MRI), computed tomography (CT), histology, and microscopy images. The targeted organs span the lung, liver, brain, and prostate, while there is also a treatment of examining genetic associations. Machine Learning and Medical Imaging is an ideal reference for medical imaging researchers, industry scientists and engineers, advanced undergraduate and graduate students, and clinicians.

• Demonstrates the application of cutting-edge machine learning techniques to medical imaging problems
• Covers an array of medical imaging applications including computer assisted diagnosis, image guided radiation therapy, landmark detection, imaging genomics, and brain connectomics
• Features self-contained chapters with a thorough literature review
• Assesses the development of future machine learning techniques and the further application of existing techniques