Tracking and Preventing Diseases with Artificial Intelligence

این کتاب مروری بر نحوه استفاده از تکنیک‌های یادگیری ماشین و داده‌کاوی برای ردیابی و پیشگیری از بیماری‌ها ارائه می‌کند. چندین جنبه مانند شناسایی سطح استرس فرد از گفتارش، تشخیص خودکار بیماری از تصاویر اشعه ایکس، تشخیص هوشمند گلوکوم از داده‌های معاینه بالینی چشم، پیش‌بینی ژن‌های کدکننده پروتئین از داده‌های ژنوم بزرگ، بیماری را پوشش می‌دهد. تشخیص از طریق تجزیه و تحلیل میکروسکوپی سلول‌های خون، بازیابی اطلاعات از پرونده الکترونیکی پزشکی با استفاده از رویکردهای شناسایی موجودیت نام‌گذاری‌شده، و پیش‌بینی تداخلات دارو-هدف.

این کتاب برای دانشمندان علوم رایانه با مدرک لیسانس مناسب است. علوم کامپیوتر. این کتاب منبعی ایده‌آل به‌عنوان کتاب مرجع برای آموزش دوره‌های تحصیلات تکمیلی هوش مصنوعی برای پزشکی یا هوش مصنوعی برای مراقبت‌های بهداشتی است. محققانی که در حوزه‌های چند رشته‌ای کار می‌کنند از این کتاب برای کشف پیشرفت‌های جاری استفاده می‌کنند. این کتاب علاوه بر کاربرد آن در دانشگاه، جزئیات کافی در مورد الگوریتم‌های پیشرفته‌ای که حوزه‌های مختلف زیست‌پزشکی را مورد توجه قرار می‌دهند، ارائه می‌کند، به طوری که می‌تواند توسط پزشکان صنعتی که می‌خواهند تکنیک‌های هوش مصنوعی را برای تجزیه و تحلیل بیماری‌ها پیاده‌سازی کنند، مورد استفاده قرار گیرد. مؤسسات پزشکی از این کتاب به‌عنوان ماده مرجع استفاده می‌کنند و به متخصصان پزشکی آموزش می‌دهند که چگونه تکنیک‌های پیشرفته هوش مصنوعی و ML به تشخیص و پیش‌بینی بیماری‌ها کمک می‌کنند.

This book presents an overview of how machine learning and data mining techniques are used for tracking and preventing diseases. It covers several aspects such as stress level identification of a person from his/her speech, automatic diagnosis of disease from X-ray images, intelligent diagnosis of Glaucoma from clinical eye examination data, prediction of protein-coding genes from big genome data, disease detection through microscopic analysis of blood cells, information retrieval from electronic medical record using named entity recognition approaches, and prediction of drug-target interactions.

The book is suitable for computer scientists having a bachelor degree in computer science. The book is an ideal resource as a reference book for teaching a graduate course on AI for Medicine or AI for Health care. Researchers working in the multidisciplinary areas use this book to discover the current developments. Besides its use in academia, this book provides enough details about the state-of-the-art algorithms addressing various biomedical domains, so that it could be used by industry practitioners who want to implement AI techniques to analyze the diseases. Medical institutions use this book as reference material and give tutorials to medical experts on how the advanced AI and ML techniques contribute to the diagnosis and prediction of the diseases.