Aprendizaje automático práctico y multicriterio

Este libro proporciona una base ideal para que los lectores comprendan la aplicación de técnicas de inteligencia artificial (IA) y aprendizaje automático (ML) a sistemas expertos en el sector de la salud. Comienza con una introducción al tema y presenta capítulos que explican progresivamente la teoría de la toma de decisiones que ayuda a resolver problemas que tienen múltiples criterios que pueden afectar el resultado de una decisión. Se incluyen aspectos clave de la asignatura como el aprendizaje automático en la salud, técnicas de predicción, modelos matemáticos y clasificación de problemas de salud junto con capítulos que profundizan en temas avanzados en ciencia de datos (deep-learning, redes neuronales artificiales, etc.) y prácticas. ejemplos (epidemiología de la influenza y análisis del tratamiento del retinoblastoma).

Características principales:


Recomendado: ¿Qué es el Big data?.


– Presenta a los lectores los conceptos básicos de IA y ML en sistemas expertos para el cuidado de la salud.

– Se centra en un enfoque de resolución de problemas del tema.

– Proporciona información sobre la teoría relevante de la toma de decisiones y la ciencia de datos utilizada en la industria de la salud.

– Incluye aplicaciones prácticas de IA y ML para lectores avanzados

– Incluye referencias bibliográficas para lectura adicional

La referencia es una fuente accesible de conocimiento sobre sistemas de apoyo a la toma de decisiones multicriterio en el sector sanitario para consultores médicos, responsables de la formulación de políticas sanitarias, investigadores en el campo de la biotecnología médica, la oncología y la investigación y el desarrollo farmacéutico.

La aplicación da un resultado de clasificación basado en los criterios seleccionados, sus valores correspondientes y los pesos asignados. El libro también contendrá varias aplicaciones prácticas de cómo la teoría de la toma de decisiones podría usarse para resolver problemas relacionados con la selección de las mejores alternativas.

Sobre el editor:

Dr. Ilker Ozsahin tiene una amplia experiencia en dispositivos de imágenes médicas como PET y SPECT y ha estado en la Universidad de Illinois en Urbana-Champaign, Illinois, EE. UU., para trabajar en el crecimiento de nanotubos de carbono. Trabajó en la Universidad Autónoma de Barcelona en España como Ph.D. estudiante para el desarrollo de un escáner PET. Trabajó como asistente de investigación durante seis años en el Departamento de Física de la Universidad de Cukurova en Adana, Turquía. Luego, trabajó en la Escuela de Medicina de Harvard y el Hospital General de Massachusetts como becario postdoctoral. También trabajó en la Universidad de Macao como becario visitante para el diseño e implementación de colimadores SPECT cardíacos y cerebrales de orificios múltiples. Actualmente, como profesor asociado en el Departamento de Ingeniería Biomédica de la Near East University, está trabajando en la simulación de nuevos escáneres PET y SPECT de alta sensibilidad y alta resolución, aplicación de toma de decisiones multicriterio en el cuidado de la salud, así como aprendizaje profundo en imágenes médicas como el Alzheimer para una clasificación de alta precisión y detección temprana.

Dr. Dilber Uzun Ozsahin se graduó del Departamento de Física de la Universidad de Cukurova en 2006. Ha trabajado en el CERN, Ginebra, durante 2008-2010 para mi tesis de maestría. Completó su Ph.D. estudios en 2014 en la Universitat Autonoma de Barcelona, ​​España. En 2015 trabajó en Gordon Center for Medical Imaging, NMMI Radiology Department, Massachusetts General Hospital & Harvard Medical School como postdoctorado. Trabajó en una nueva técnica llamada técnica de barreras ópticas inducidas por láser (LIOB) para mejorar el costo y el rendimiento de los dispositivos de imágenes de medicina nuclear. Ha diseñado un sistema SPECT cardíaco de alto rendimiento de manera rentable utilizando la técnica LIOB. Recientemente, ha estado trabajando en la aplicación de instrumentación biomédica utilizando inteligencia artificial, análisis de decisiones multicriterio en ingeniería y salud e inteligencia artificial en salud. Actualmente, trabaja en la Universidad de Sharjah como profesor asociado.

Palabras clave: Inteligencia artificial y aprendizaje automático, ciencia de datos utilizada en la industria de la salud, técnicas de predicción, modelos matemáticos y clasificación de la atención médica, redes neuronales artificiales, epidemiología de la influenza y análisis del tratamiento del retinoblastoma, respuesta binaria, clasificador en investigación en salud, preferencia del consumidor, econometría, atención médica, Preferencia hospitalaria, función logística, regresión logística, efectos marginales, estimador de máxima verosimilitud, microdatos, elección de hospital privado, función sigmoidea.

Para obtener más información, visite: https://bit.ly/30ArS7o


Descargo de responsabilidad: AAAS y EurekAlert! ¡no somos responsables de la precisión de los comunicados de prensa publicados en EurekAlert! por las instituciones contribuyentes o para el uso de cualquier información a través del sistema EurekAlert.