Machine Learning in Medical Imaging and Computer Vision
Obrazy medyczne mogą podkreślać różnice między zdrową i niezdrową tkanką, a następnie mogą być oceniane przez pracownika służby zdrowia w celu zidentyfikowania stadium i rozprzestrzeniania się choroby, aby można było ustalić ścieżkę leczenia. Ponieważ techniki uczenia maszynowego stają się coraz bardziej powszechne w opiece zdrowotnej, algorytmy mogą być szkolone w celu identyfikacji zdrowych lub niezdrowych tkanek i szybkiego rozróżnienia między nimi. Modele statystyczne mogą być wykorzystywane do przetwarzania wielu obrazów tego samego typu w ułamku czasu potrzebnego człowiekowi do oceny tej samej ilości, oszczędzając czas i pieniądze, pomagając lekarzom w ich ocenie.
Niniejsza książka omawia procesy ekstrakcji cech, dokonuje przeglądu metod głębokiego uczenia dla zadań segmentacji medycznej, przedstawia algorytmy optymalizacji i techniki regularyzacji, ilustruje systemy klasyfikacji i wyszukiwania obrazów oraz podkreśla narzędzia rozpoznawania tekstu, teorię gier i wykrywanie dezinformacji w celu poprawy świadczenia opieki zdrowotnej.
Uczenie maszynowe w obrazowaniu medycznym i wizji komputerowej przedstawia najnowocześniejsze badania nad integracją nowych i powstających technologii w dziedzinie przetwarzania i analizy obrazowania medycznego. Książka ta nakreśla przyszłe kierunki zwiększania wydajności konwencjonalnych modeli obrazowania w celu osiągnięcia lepszej wydajności w diagnozowaniu, a także w charakteryzowaniu złożonych stanów patologicznych.
Książka skierowana jest do badaczy i naukowców zarówno ze środowisk akademickich, jak i przemysłowych w dziedzinie informatyki i inżynierii, uczenia maszynowego, przetwarzania obrazu i technologii opieki zdrowotnej oraz dziedzin pokrewnych.