یادگیری عمیق در تحلیل تصاویر پزشکی ۲۰۲۴
Deep Learning in Medical Image Analysis 2024

این کتاب به عنوان یک مرجع طراحی شده و یک نمای کلی جامع از دانش مفهومی و عملی در مورد یادگیری عمیق در تکنیک‌های پردازش تصویر پزشکی ارائه می‌دهد. شرایط پس از همه‌گیری، اهمیت پزشکان، تجزیه و تحلیل پزشکی و تشخیص سریع بیماری‌ها را به ما می‌آموزد. این کتاب تصویری از وضعیت تحقیقات کنونی بین یادگیری عمیق، پردازش تصویر پزشکی و مراقبت‌های بهداشتی با تأکید ویژه بر نجات جان انسان‌ها ارائه می‌دهد. فصل‌ها طیف وسیعی از فناوری‌های پیشرفته مربوط به نظارت بر سلامت بیمار، پیش‌بینی بیماری‌ها از داده‌های ژنومی، تشخیص رویدادهای مصنوعی در داده‌های نظارت بر علائم حیاتی و مدیریت بیماری‌های مزمن را پوشش می‌دهند. این کتاب:

* مقدمه‌ای ایده‌آل برای پردازش تصویر در پزشکی ارائه می‌دهد و بر ارتباط بالینی و الزامات ویژه این زمینه تأکید دارد.
* اصول کلیدی را با پیاده‌سازی الگوریتم‌ها از ابتدا و استفاده از اسکریپت‌های ساده MATLAB®/Octave با داده‌های تصویر ارائه می‌کند.
* نمای کلی از فیزیک پردازش تصویر پزشکی را در کنار بحث در مورد قالب‌های تصویر و ذخیره‌سازی داده‌ها، تبدیل شدت، فیلتر کردن تصاویر و کاربردهای تبدیل فوریه، تبدیل‌های فضایی سه‌بعدی، رندرینگ حجم، ثبت تصویر و بازسازی توموگرافی ارائه می‌دهد.
* بر کاربردهای بالقوه جدید تکنیک‌های یادگیری ماشین برای حل مشکلات مهم در کاربردهای تصویربرداری زیست‌پزشکی تأکید دارد.

این کتاب برای دانشجویان، محققان و متخصصان فناوری زیست‌پزشکی و تجزیه و تحلیل داده‌های مراقبت‌های بهداشتی مناسب است.

This book is designed as a reference text and provides a comprehensive overview of conceptual and practical knowledge about deep learning in medical image processing techniques. The post-pandemic situation teaches us the importance of doctors, medical analysis, and diagnosis of diseases in a rapid manner. This book provides a snapshot of the state of current research between deep learning, medical image processing, and health care with special emphasis on saving human life. The chapters cover a range of advanced technologies related to patient health monitoring, predicting diseases from genomic data, detecting artefactual events in vital signs monitoring data, and managing chronic diseases. This book

• Delivers an ideal introduction to image processing in medicine, emphasizing the clinical relevance and special requirements of the field
• Presents key principles by implementing algorithms from scratch and using simple MATLAB®/Octave scripts with image data
• Provides an overview of the physics of medical image processing alongside discussing image formats and data storage, intensity transforms, filtering of images and applications of the Fourier transform, three-dimensional spatial transforms, volume rendering, image registration, and tomographic reconstruction
• Highlights the new potential applications of machine learning techniques to the solution of important problems in biomedical image applications

This book is for students, scholars, and professionals of biomedical technology and healthcare data analytics.