کتاب Deep Learning for Medical Image Analysis

کتاب Deep Learning for Medical Image Analysis, 2nd Edition (یادگیری عمیق برای تجزیه و تحلیل تصویر پزشکی، ویرایش دوم) کاربرد علم یادگیری عمیق (Deep Learning) را در تصویربرداری پزشکی با استفاده از مثال بیان می‌کند.

در ادامه مقدمه‌ای از کتاب Deep Learning for Medical Image Analysis را از زبان نویسنده شرح خواهیم داد.

مقدمه‌ای بر کتاب Deep Learning for Medical Image Analysis:

Deep Learning for Medical Image Analysis، نسخه دوم یک منبع یادگیری عالی برای محققان دانشگاهی و صنعتی و دانشجویان فارغ‌التحصیل است که دوره‌های یادگیری ماشین و یادگیری عمیق را برای بینایی کامپیوتر و محاسبات و تحلیل تصویر پزشکی می‌گذرانند.

یادگیری عمیق راه حل‌های هیجان‌انگیزی برای مشکلات تجزیه و تحلیل تصویر پزشکی ارائه می‌دهد و یک روش کلیدی برای کاربرد‌های آینده است. این کتاب درک روشنی از اصول و روش‌های شبکه‌های عصبی و مفاهیم یادگیری عمیق ارائه می‌دهد و نشان می‌دهد که چگونه الگوریتم‌هایی که یادگیری عمیق را به عنوان یک مؤلفه اصلی ادغام می‌کنند در تشخیص تصویر پزشکی، تقسیم‌بندی، ثبت و تجزیه و تحلیل به کمک رایانه اعمال می‌شوند.

• مشکلات رایج تحقیقاتی در تجزیه و تحلیل تصویر پزشکی و چالش‌های آن‌ها را پوشش می‌دهد.
• آخرین روش‌های یادگیری عمیق و تئوری‌های پشت رویکرد‌های تجزیه و تحلیل تصویر پزشکی را شرح می‌دهد.
• نحوه اعمال الگوریتم‌ها در طیف وسیعی از حوزه‌های کاربردی از جمله قلبی، عصبی و عملکردی، کولونوسکوپی، کاربرد‌های OCTA و ارزیابی مدل را آموزش می‌دهد.
• شامل یک پیشگفتار نوشته نیکلاس آیاچی است.

بیشتر بخوانید: کتاب Medical Management of Thyroid Disease

سرفصل‌های کتاب Deep Learning for Medical Image Analysis:

• Cover image
• Title page
• Table of Contents
• Copyright
• Contributors
• Foreword
• Part 1: Deep learning theories and architectures
  • Chapter 1: An introduction to neural networks and deep learning
  • Chapter 2: Deep reinforcement learning in medical imaging
  • Chapter 3: CapsNet for medical image segmentation
  • Chapter 4: Transformer for medical image analysis
• Part 2: Deep learning methods
  • Chapter 5: An overview of disentangled representation learning for MR image harmonization
  • Chapter 6: Hyper-graph learning and its applications for medical image analysis
  • Chapter 7: Unsupervised domain adaptation for medical image analysis
• Part 3: Medical image reconstruction and synthesis
  • Chapter 8: Medical image synthesis and reconstruction using generative adversarial networks
  • Chapter 9: Deep learning for medical image reconstruction
• Part 4: Medical image segmentation, registration, and applications
  • Chapter 10: Dynamic inference using neural architecture search in medical image segmentation
  • Chapter 11: Multi-modality cardiac image analysis with deep learning
  • Chapter 12: Deep learning-based medical image registration
  • Chapter 13: Data-driven learning strategies for biomarker detection and outcome prediction in Autism from task-based fMRI
  • Chapter 14: Deep learning in functional brain mapping and associated applications
  • Chapter 15: Detecting, localizing and classifying polyps from colonoscopy videos using deep learning
  • Chapter 16: OCTA segmentation with limited training data using disentangled representation learning
• Part 5: Others
  • Chapter 17: Considerations in the assessment of machine learning algorithm performance for medical imaging
• Index

جهت دانلود کتاب Deep Learning for Medical Image Analysis می‌توانید پس از پرداخت، دریافت کنید.