Machine Learning in Clinical Neuroscience: Foundations and Applications (Acta Neurochirurgica Supplement, 134)

ویرایش: [1st ed. 2022] 
نویسندگان: Victor E. Staartjes (editor),  Luca Regli (editor),  Carlo Serra (editor)  
سری:  
ISBN (شابک) : 3030852911, 9783030852917 
ناشر: Springer 
سال نشر: 2021 
تعداد صفحات: 368
[343] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 18 Mb 

قیمت کتاب (تومان) : 48,000



این کتاب با معرفی همه جنبه‌های مرتبط یادگیری ماشین به روشی قابل دسترس، شکاف بین دانشمندان داده و پزشکان را پر می‌کند و مطمئناً کاربردهای جدید و بی‌نظیر یادگیری ماشین را در علوم اعصاب بالینی تقویت خواهد کرد. این کتاب با برقراری ارتباط بین دانش و شهودات بنیادی ابتدا قبل از پیشرفت به موضوعات پیشرفته‌تر و خاص‌تر، به خوبی برای پزشکان بدون تجربه قبلی یادگیری ماشینی مناسب است.

نوشته شده توسط طیف وسیعی از کتاب‌ها. گروه‌های با تجربه جهانی یادگیری ماشین، این کتاب برای پزشکانی است که علاقه‌مند به تسلط بر مبانی یادگیری ماشین هستند و می‌خواهند تحقیقات یادگیری ماشین خود را شروع کنند.

این جلد در دو بخش اصلی تشکیل شده است: بخش اول به طور منحصر به فرد تمام مفاهیم اصلی در یادگیری ماشین بالینی را از ابتدا معرفی می کند و شامل دستورالعمل های گام به گام در مورد چگونگی توسعه صحیح و اعتبارسنجی مدل های پیش بینی بالینی است. . همچنین شامل مبانی روش شناختی و مفهومی سایر کاربردهای یادگیری ماشین در علوم اعصاب بالینی، مانند کاربردهای یادگیری ماشین در تصویربرداری عصبی، پردازش زبان طبیعی و تجزیه و تحلیل سری های زمانی است. بخش دوم مروری بر برخی از کاربردهای پیشرفته این متدولوژی ها ارائه می دهد.

آزمایشگاه هوش ماشین در علوم اعصاب بالینی (MICN) در بخش جراحی مغز و اعصاب بیمارستان دانشگاه زوریخ، کاربردهای بالینی هوش ماشینی را برای بهبود مراقبت از بیمار در علوم اعصاب بالینی مطالعه می کند. این گروه بر تجزیه و تحلیل های تشخیصی، پیش آگهی و پیش بینی کننده تمرکز دارد که با افزایش عینیت و شفافیت برای بیماران به تصمیم گیری کمک می کند. دیگر علایق عمده اعضای گروه ما در تصویربرداری پزشکی و کاربردهای بینایی ماشین حین عمل است.

This book bridges the gap between data scientists and clinicians by introducing all relevant aspects of machine learning in an accessible way, and will certainly foster new and serendipitous applications of machine learning in the clinical neurosciences. Building from the ground up by communicating the foundational knowledge and intuitions first before progressing to more advanced and specific topics, the book is well-suited even for clinicians without prior machine learning experience.

Authored by a wide array of experienced global machine learning groups, the book is aimed at clinicians who are interested in mastering the basics of machine learning and who wish to get started with their own machine learning research. 

The volume is structured in two major parts: The first uniquely introduces all major concepts in clinical machine learning from the ground up, and includes step-by-step instructions on how to correctly develop and validate clinical prediction models. It also includes methodological and conceptual foundations of other applications of machine learning in clinical neuroscience, such as applications of machine learning to neuroimaging, natural language processing, and time series analysis. The second part provides an overview of some state-of-the-art applications of these methodologies.

The Machine Intelligence in Clinical Neuroscience (MICN) Laboratory at the Department of Neurosurgery of the University Hospital Zurich studies clinical applications of machine intelligence to improve patient care in clinical neuroscience. The group focuses on diagnostic, prognostic and predictive analytics that aid in decision-making by increasing objectivity and transparency to patients. Other major interests of our group members are in medical imaging, and intraoperative applications of machine vision.