یادگیری ماشین و یادگیری عمیق در بهبود کارایی سیستم های مراقبت های بهداشتی ۲۰۲۲
Machine Learning and Deep Learning in Efficacy Improvement of Healthcare Systems 2022

هدف از انفورماتیک پزشکی، بهبود امید به زندگی، تشخیص بیماری ها و کیفیت زندگی است. دستگاه های پزشکی با تکثیر، تحرک و چابکی خود، انقلابی در مراقبت های بهداشتی ایجاد کرده و منجر به عصر مدرن یادگیری ماشین، یادگیری عمیق و اینترنت اشیاء پزشکی (IoMT) شده اند. این کتاب ابعاد مختلف کاربردهای هوش محاسباتی را آشکار کرده و استفاده از آن را در حل مسائل مختلف زیست پزشکی و بهداشتی در دنیای واقعی توضیح می دهد. این کتاب مفاهیم اساسی تکنیک های یادگیری ماشین و یادگیری عمیق را در یک سیستم مراقبت های بهداشتی شرح می دهد. هدف از این کتاب، تشریح چگونگی استفاده از روش های یادگیری عمیق برای اطمینان از پردازش داده با کیفیت بالا، تجزیه و تحلیل تصویر و سیگنال پزشکی و بهبود کاربردهای مراقبت های بهداشتی است. این کتاب همچنین ابعاد مختلف کاربردهای هوش محاسباتی را بررسی کرده و استفاده از آن را در حل مسائل گوناگون زیست پزشکی و بهداشتی دنیای واقعی نشان می دهد. افزون بر این، بخش مراقبت های بهداشتی را با پیشرفت های نوآورانه در تئوری، رویکردهای تحلیلی، شبیه سازی عددی، تحلیل آماری، مدل سازی، استقرار پیشرفته، مطالعات موردی، نتایج تحلیلی، ساختاربندی محاسباتی و پیشرفت های قابل توجه در زمینه یادگیری ماشین و یادگیری عمیق در کاربردهای مراقبت های بهداشتی آشنا می سازد.

ویژگی ها

• ابعاد مختلف کاربردهای هوش محاسباتی را بررسی کرده و استفاده از آن را در حل مسائل گوناگون زیست پزشکی و بهداشتی دنیای واقعی نشان می دهد.
• راهنمایی هایی را در توسعه سیستم های تشخیصی مبتنی بر هوش، مدل های کارآمد و ماشین های مقرون به صرفه ارائه می دهد.
• آخرین یافته های تحقیقاتی، راه حل های مربوط به مسائل نگران کننده و چارچوب های نظری مرتبط در زمینه یادگیری ماشین و یادگیری عمیق برای سیستم های مراقبت های بهداشتی را ارائه می دهد.
• تجارب و یافته های مربوط به طراحی پروتکل، نمونه سازی اولیه، ارزیابی تجربی، بستر های آزمایشی واقعی و توصیف تجربی مسائل مربوط به قابلیت همکاری امنیتی و حریم خصوصی در برنامه های کاربردی مراقبت های بهداشتی را شرح می دهد.
• تاثیرات فعلی و آینده همه گیری ها را بررسی و تشریح کرده و با استفاده از تحلیل های پیشرفته، خطر را در مراقبت های بهداشتی کاهش می دهد.

این کتاب برای دانشجویان، محققان، متخصصان و سیاست گذاران فعال در زمینه های بهداشت عمومی و بخش مراقبت های بهداشتی در نظر گرفته شده است. دانشمندان و متخصصان فناوری اطلاعات نیز این کتاب را برای قرار گرفتن در معرض تحقیقات و ایده های جدید در زمینه یادگیری ماشین و یادگیری عمیق مفید خواهند یافت.

The goal of medical informatics is to improve life expectancy, disease diagnosis and quality of life. Medical devices have revolutionized healthcare and have led to the modern age of machine learning, deep learning and Internet of Medical Things (IoMT) with their proliferation, mobility and agility. This book exposes different dimensions of applications for computational intelligence and explains its use in solving various biomedical and healthcare problems in the real world. This book describes the fundamental concepts of machine learning and deep learning techniques in a healthcare system. The aim of this book is to describe how deep learning methods are used to ensure high-quality data processing, medical image and signal analysis and improved healthcare applications. This book also explores different dimensions of computational intelligence applications and illustrates its use in the solution of assorted real-world biomedical and healthcare problems. Furthermore, it provides the healthcare sector with innovative advances in theory, analytical approaches, numerical simulation, statistical analysis, modelling, advanced deployment, case studies, analytical results, computational structuring and significant progress in the field of machine learning and deep learning in healthcare applications.

FEATURES

• Explores different dimensions of computational intelligence applications and illustrates its use in the solution of assorted real-world biomedical and healthcare problems
• Provides guidance in developing intelligence-based diagnostic systems, efficient models and cost-effective machines
• Provides the latest research findings, solutions to the concerning issues and relevant theoretical frameworks in the area of machine learning and deep learning for healthcare systems
• Describes experiences and findings relating to protocol design, prototyping, experimental evaluation, real testbeds and empirical characterization of security and privacy interoperability issues in healthcare applications
• Explores and illustrates the current and future impacts of pandemics and mitigates risk in healthcare with advanced analytics

This book is intended for students, researchers, professionals and policy makers working in the fields of public health and in the healthcare sector. Scientists and IT specialists will also find this book beneficial for research exposure and new ideas in the field of machine learning and deep learning.