یادگیری ماشین و یادگیری عمیق در تحلیل داده‌های تصویربرداری عصبی ۲۰۲۴
Machine Learning and Deep Learning in Neuroimaging Data Analysis 2024

یادگیری ماشین (ML) و یادگیری عمیق (DL) به ابزاری ضروری در مراقبت‌های بهداشتی تبدیل شده‌اند. این روش‌ها قادر به پردازش حجم عظیمی از داده‌ها برای یافتن الگوها هستند و در روش‌هایی برای مدیریت و درک داده‌های بهداشتی، اعم از پرونده‌های الکترونیکی سلامت یا تصاویر پزشکی، به کار گرفته می‌شوند. این کتاب بررسی می‌کند که چگونه ML/DL می‌تواند به متخصصان مغز و اعصاب در شناسایی، طبقه‌بندی یا پیش‌بینی مشکلات عصبی که نیاز به تصویربرداری عصبی دارند، کمک کند. الگوریتم‌های یادگیری نظارت‌شده، با توانایی مدل‌سازی مجموعه‌داده‌های با ابعاد بالا، می‌توانند در مرتبط‌سازی تصاویر مغزی با مشاهدات رفتاری یا بالینی کمک کنند و یادگیری بدون نظارت می‌تواند ساختارها/الگوهای پنهان را در تصاویر آشکار سازد. این کتاب که متخصصان هوش مصنوعی (AI) و همچنین پزشکان را گرد هم آورده است، اکثر مشکلات عصبی را که از تصویربرداری عصبی برای تشخیص استفاده می‌کنند، به همراه مطالعات موردی و مسیرهایی برای تحقیقات آینده پوشش می‌دهد.

Machine learning (ML) and deep learning (DL) have become essential tools in healthcare. They are capable of processing enormous amounts of data to find patterns and are also adopted into methods that manage and make sense of healthcare data, either electronic healthcare records or medical imagery. This book explores how ML/DL can assist neurologists in identifying, classifying or predicting neurological problems that require neuroimaging. With the ability to model high-dimensional datasets, supervised learning algorithms can help in relating brain images to behavioral or clinical observations and unsupervised learning can uncover hidden structures/patterns in images. Bringing together artificial intelligence (AI) experts as well as medical practitioners, these chapters cover the majority of neuro problems that use neuroimaging for diagnosis, along with case studies and directions for future research.