Apprendimento automatico nell'imaging medico e nella visione artificiale

Titolo originale:

Machine Learning in Medical Imaging and Computer Vision

Contenuto del libro:

Le immagini mediche possono evidenziare le differenze tra i tessuti sani e quelli non sani e queste immagini possono essere valutate da un professionista sanitario per identificare lo stadio e la diffusione di una malattia, in modo da stabilire un percorso di cura. Grazie alle tecniche di apprendimento automatico sempre più diffuse nel settore sanitario, gli algoritmi possono essere addestrati per identificare i tessuti sani o non sani e distinguerli rapidamente. I modelli statistici possono essere utilizzati per elaborare numerose immagini dello stesso tipo in una frazione del tempo che impiegherebbe un essere umano per valutare la stessa quantità, risparmiando tempo e denaro per aiutare i medici nella loro valutazione.

Questo libro discute i processi di estrazione delle caratteristiche, esamina i metodi di deep learning per i compiti di segmentazione medica, delinea gli algoritmi di ottimizzazione e le tecniche di regolarizzazione, illustra i sistemi di classificazione e recupero delle immagini e mette in evidenza gli strumenti di riconoscimento del testo, la teoria dei giochi e il rilevamento della disinformazione per migliorare l'assistenza sanitaria.

Machine Learning in Medical Imaging and Computer Vision fornisce lo stato dell'arte della ricerca sull'integrazione di tecnologie nuove ed emergenti per l'elaborazione e l'analisi delle immagini mediche. Il libro delinea le direzioni future per aumentare l'efficienza dei modelli di imaging convenzionali per ottenere migliori prestazioni nelle diagnosi e nella caratterizzazione di condizioni patologiche complesse.

Il libro si rivolge a un pubblico di ricercatori e scienziati del mondo accademico e industriale nel campo dell'informatica e dell'ingegneria, dell'apprendimento automatico, dell'elaborazione delle immagini e delle tecnologie sanitarie, nonché a coloro che operano in campi correlati.