Sztuczna inteligencja w kardiologii

Ten podręcznik zapewnia dogłębną analizę tego w jaki sposób algorytmy uczenia maszynowego mogą być skutecznie stosowane do wykrywania i klasyfikowania chorób serca. Wypełnia lukę między opieką zdrowotną a inteligencją obliczeniową prezentując podstawy teoretyczne praktyczne implementacje i rzeczywiste zastosowania uczenia maszynowego w kardiologii. Zaczynając od przeglądu chorób sercowo-naczyniowych i ich globalnego wpływu książka zagłębia się w podstawowe cechy medyczne i zbiory danych istotne dla chorób serca. Następnie systematycznie bada różne techniki uczenia maszynowego - w tym drzewa decyzyjne maszyny wektorów nośnych sieci neuronowe k-najbliższych sąsiadów metody zespołowe i głębokie uczenie się - oraz ich role w modelowaniu predykcyjnym. Każdy rozdział zawiera szczegółowe wyjaśnienia algorytmów wskaźniki oceny modeli (takie jak dokładność precyzja wycofanie wynik F1 i ROC-AUC) oraz studia przypadków wykorzystujące publicznie dostępne zbiory danych takie jak zbiór danych Cleveland Heart Disease. Omówiono również kwestie etyczne prywatność danych i wyzwania związane z wdrożeniem klinicznym. Ten podręcznik służy jako cenne źródło informacji dla studentów badaczy naukowców zajmujących się danymi i pracowników służby zdrowia.