این کتاب که اکنون در ویرایش دوم بهطور گسترده اصلاح شده و بهروزرسانی شده است، مروری جامع از یادگیری ماشینی و یادگیری عمیق و نقش آنها در انکولوژی، فیزیک پزشکی و رادیولوژی ارائه میکند. خوانندگان پوشش جامعی از نظریه، روشها و کاربردهای مصور در این زمینهها را خواهند یافت. بخش مقدماتی یادگیری ماشینی و عمیق را توضیح میدهد، روشهای یادگیری را مرور میکند، ارزیابی عملکرد را مورد بحث قرار میدهد و ابزارهای نرمافزار و حفاظت از دادهها را بررسی میکند. بخشهای فردی دقیق سپس به استفاده از ماشین و یادگیری عمیق برای تجزیه و تحلیل تصویر پزشکی، برنامهریزی درمان و تحویل، مدلسازی نتیجه و پشتیبانی تصمیم اختصاص داده میشود. منابع برای کاربردهای مختلف در هر فصل ارائه شده است و کد برنامه در صورت لزوم برای اهداف توضیحی گنجانده شده است. این کتاب برای دانشجویان و دستیاران فیزیک پزشکی، رادیولوژی و انکولوژی بسیار ارزشمند خواهد بود و همچنین برای پزشکان مجرب، محققان و اعضای جوامع کاربردی یادگیری ماشین جذاب خواهد بود.
Machine and Deep Learning in Oncology, Medical Physics and Radiology 2022
89,000 تومان
دانلود کتاب پزشکی یادگیری ماشینی و عمیق در انکولوژی، فیزیک پزشکی و رادیولوژی
نویسنده |
Issam El Naqa, Martin J. Murphy |
---|---|
انتشارات |
Springer International Publishing |
زبان |
English |
تاریخ انتشار |
2022-02-03 |
تعداد صفحهها |
513 |
نوع فایل |
|
حجم |
16 Mb |
سال انتشار |
2022 |
This book, now in an extensively revised and updated second edition, provides a comprehensive overview of both machine learning and deep learning and their role in oncology, medical physics, and radiology. Readers will find thorough coverage of basic theory, methods, and demonstrative applications in these fields. An introductory section explains machine and deep learning, reviews learning methods, discusses performance evaluation, and examines software tools and data protection. Detailed individual sections are then devoted to the use of machine and deep learning for medical image analysis, treatment planning and delivery, and outcomes modeling and decision support. Resources for varying applications are provided in each chapter, and software code is embedded as appropriate for illustrative purposes. The book will be invaluable for students and residents in medical physics, radiology, and oncology and will also appeal to more experienced practitioners and researchers and members of applied machine learning communities.