新書推薦：
《
SDGSAT-1卫星热红外影像图集
》
售價：NT$
2030.0
《
股市趋势技术分析（原书第11版）
》
售價：NT$
1010.0
《
汉匈战争全史
》
售價：NT$
454.0
《
恶的哲学研究（社会思想丛书）
》
售價：NT$
500.0
《
当你沉默时（悬疑推理 反PUA 反家暴 女性独立小说，揭秘情感PUA的真相，女性自我救赎的文学典范）
》
售價：NT$
255.0
《
不止江湖
》
售價：NT$
449.0
《
天才留步！——从文艺复兴到新艺术运动（一本关于艺术天才的鲜活故事集，聚焦艺术史的高光时刻！）
》
售價：NT$
704.0
《
双城史
》
售價：NT$
505.0
|
| 編輯推薦： |
本书共分为五个部分：前景展望、实施策略、人工智能工具、人工智能应用、评估和结果。
本书是具有高度复杂专业知识背景的专家共同努力的结果，感谢他们在更广阔的肿瘤放射治疗领域分享的专业知识。很幸运能与这样一支来自物理学、自然科学、工程学、临床医学、伦理学、评估科学等领域的30多名世界顶级学术和工程专家组成的团队合作，三人行必有我师，我们相互学习，最终协作出版了这本对肿瘤放射治疗学界具有很高参考价值的教材。
|
| 內容簡介： |
|
人工智能是21世纪的先进技术，已广泛应用于人类生活的方方面面。在医学领域，AI也取得了很多进展，但仍面临一些挑战。特别是，AI在临床应用方面存在认识和接受水平参差不齐、研究深度和临床应用广度有显著差异、依赖程度不一等问题。本书为未来AI在肿瘤放射治疗应用中的发展提供了方向和指导。全书共分为六个部分十五个章节，包括AI在放射治疗中的应用现状、基本原理、应用策略、最新模型工具、应用示例、伦理问题及效果评估等方面，为临床医师、放射物理师、放射治疗技师、研究生及科研人员在肿瘤放射治疗工作中研发和应用AI技术提供了富有启发和指导意义的参考教材。
|
| 關於作者： |
文圣基（Seong K Mun），教授，美国弗吉尼亚理工大学阿灵顿健康创新中心主任、开源电子病历联盟 (OSEHRA) 总裁兼首席执行官、美国医学与生物工程院院士。
索尼娅·迪特里希(Sonja Dieterich)，美国加州大学戴维斯分校放射肿瘤学教授。
巩贯忠，副主任技师，山东省肿瘤医院放射物理师，放射物理技术科副主任。澳大利亚悉尼大学访问学者，山东第一医科大学医学物理系副主任，中国生物医学工程学会医学物理分会第二届青年委员会副主任委员，主要从事医学图像处理引导肿瘤精确放疗的基础研究及临床应用工作。
葛红，二级教授/主任医师，博士生导师。国家卫建委突出贡献中青年专家，享受国务院政府津贴专家、中原名医，河南省肿瘤医院放疗科主任，河南省放射治疗中心主任，中国医师协会放疗分会副会长。
薛洁，女，工学博士，特聘教授，博士生导师，东岳学者青年人才，入选山东师范大学青年卓越人才计划。
王少彬，北京医智影科技有限公司创始人&总经理。清华大学微创诊疗与三维影像实验室博士，前日本东芝医疗、佳能医疗中国区部长，姑苏创新创业领军人才，中关村医疗人工智能协会副理事长。
|
| 目錄：
|
目?录
第一篇?前景展望
第1章?2040年的临床肿瘤放射治疗：临床视角下的肿瘤放射治疗的未来 3
1?肿瘤诊断 4
2?到2040年，AI可以通过精确预测改善肿瘤的早期检测精度 5
3?到2040年，基于AI的方法将提高病理学结果判读的质量一致性和可及
?性，并可以通过更大规模的随机数据支持预后和风险分层功能 5
4?到2040年，先进的统计学方法将会推动使用或提供肿瘤分期中的关键
?特征信息 6
5?到2040年，AI将通过改进决策支持系统，为患者确定合适的个体化治
?疗方案，推动以患者为中心的诊疗目标的实现 6
6?到2040年，EHR系统中内置的算法工具将简化审查记录、制定和编制
?规范化文档的过程 6
7?到2040年，AI辅助的自动分割和自动计划设计将会成为临床实践常规，
?可以提高放疗计划设计的质量和速度，这将影响治疗过程监测及治疗
?策略再规划 8
8?到2040年，AI将允许使用多来源数据，帮助医生更好地管理患者的生
?命质量 9
参考文献 9
第2章?2030年肿瘤放射治疗的展望 15
1?概述 16
2?对未来的展望 17
3?肿瘤放射治疗中常用的AI工具包 19
4?进入2030年AI工具的发展轨迹 22
5?结论 26
参考文献 26
第二篇?实施策略
第3章?在医学影像学中应用人工智能的经验教训及其对肿瘤放射治疗的启示 29
1?人工智能生态系统的演变 29
2?不同类型的机器学习工具 32
3?医学影像学的数字化转型和计算机辅助诊断（CAD） 34
4?医学影像学和肿瘤放射治疗学的比较 39
5?医学影像定量分析：新的量化分析工具 40
6?工作流程优化和工作效率改善 41
7?将AI工具整合到工作流程和新的智能管理系统（IMS）中 43
8?机器学习十项实践原则 44
9?结论 44
致谢 45
参考文献 45
第4章?用于人工智能辅助肿瘤放射治疗研究的公开数据库 47
1?概述 48
2?放射治疗和肿瘤影像中的AI 48
3?开放获取式数据库 49
4?无需数据共享的分布式机器学习 50
5?数据获取、策略管理和质量 50
6?注释和标记数据 52
7?其他挑战 53
8?结论 54
参考文献 54
第三篇?AI工具
第5章?肿瘤放射治疗中的影像组学技术与工具 59
1?影像组学的定义和历史 59
2?数据输入和预处理 61
3?分割 63
4?影像组学特征的提取和标准化 64
5?影像组学特征提取工具 65
6?特征选择和降维 67
7?影像组学分析 70
8?结论 72
参考文献 72
第6章?人工智能在肿瘤放射治疗图像自动分割中的应用 79
1?肿瘤放射治疗中图像分割的重要性 79
2?深度学习技术在医学图像分割中的应用概述 81
3?自动分割性能的评估 84
4?临床实践中AI自动分割的挑战 88
5?结论 91
参考文献 92
第7章?肿瘤放射治疗中的知识表示 99
1?概述 99
2?知识表示 101
3?
统一医学语言系统（Unified Medical Language System，UMLS）及其
?构成 104
4?
UMLS的局限性 106
5?
在UMLS之外的KR 108
6?KR支持的医疗自然语言处理NLP 109
7?KR的应用 110
8?KR支持的机器学习 112
9?
人工神经网络（Artificial Neural Networks，ANNs），KR和可解释性 114
10?医学KR的未来 115
11?结论 116
参考文献 116
第8章?肿瘤放射治疗中的自然语言处理 119
1?概述 119
2?什么是自然语言处理（Nature Language Processing，NLP）？ 119
3?医学中的NLP 124
4?肿瘤学中的NLP 127
5?肿瘤放射治疗中的NLP 130
6?结论 133
参考文献 133
第四篇?AI应用
第9章?基于先验知识的放射治疗计划设计：高效可靠的自动化计划设计技术 141
1?概述 141
2?基于先验知识（KBP）的治疗计划设计 142
3?KBP的应用 146
4?结论 147
参考文献 148
第10章?放射治疗计划设计中的人工智能 153
1?概述 153
2?放射治疗计划设计流程和自动化 154
3?放射治疗计划设计中的人工智能方法 157
4?人工智能其他的方法和思考 166
致谢 167
参考文献 167
第11章?人工智能在放射治疗计划设计中的临床应用 173
1?概述 173
2?问题定义、研究范围和数据整理 174
3?技术验证 176
4?临床验证 179
5?临床医生的信任、AI的可解释性和偏差 181
6?AI治疗计划实施的特殊考虑 183
7?质量保证、再训练和维护 184
8?结论 186
参考文献 186
第12章?人工智能在基于患者种族基因分型进行放射治疗毒性风险预测的应用 189
1?概述 190
2?GWAS机器学习方法 191
3?识别与毒性相关的生物因素：机器学习在GWAS中的关键优势 199
4?结论 201
致谢 201
参考文献 202
第13章?影像组学在预后和评估治疗反应中的应用 207
1?影像组学作为预后的辅助手段 208
2?治疗反应预测 211
3?治疗反应追踪 215
4?影像组学作为肿瘤病理信息获取的替代方法 217
5?迄今为止，人工智能在临床影像组学特征开发中的应用现状 219
6?结论与展望 219
参考文献 221
第14章?人工智能如何帮助我们理解和降低肿瘤放射治疗中的错误传递 229
1?概述 229
2?肿瘤放射治疗中的患者安全 231
3?肿瘤放射治疗工作流程：参考时间表的构建 234
4?创建原型统计模型 237
5?了解系统中错误报告的数据：过去和现在 239
6?了解错误报告数据：未来会怎样？ 240
7?人工智能驱动的错误解决系统的设想 243
8?人工智能的挑战和陷阱 246
9?结论 247
参考文献 247
第五篇?评估和结果
第15章?肿瘤放射治疗中的人工智能与伦理 253
1?医学伦理的基本原则 253
2?人工智能在医学和肿瘤放射治疗中的伦理问题 256
3?肿瘤放射治疗中新兴的人工智能工具 260
4?肿瘤放射治疗中人工智能的伦理展望 264
致谢 266
参考文献 266
第16章?人工智能在肿瘤放射治疗中应用的评价 269
1?AI在肿瘤放射治疗中应用的概述 269
2?医疗领域中AI应用的评估框架 270
3?肿瘤放射治疗中AI应用的评估 271
4?结论 274
参考文献 274
中英文词汇对照 277
|
| 內容試閱：
|
原著前言
肿瘤放射治疗作为一个技术密集型医学学科，正在快速革新，其提供了一个丰富的研发平台，使肿瘤放射治疗朝着精准化、个性化的方向发展。人工智能（AI）或深度学习是一项强大的技术，在大数据时代其许多子领域可以解决各类医学问题。AI工具可以在各种临床情境中辅助支持临床决策，提高工作效率，保证治疗精度和安全性，提升专业满意度。
目前已经有了许多非常好的教材用来讲授人工智能的基础知识。关于AI在肿瘤放射治疗中的应用，同行评议的论文数量呈指数级增长。但是，目前尚未有一本教材能够缩小基础教学与前沿研究之间的差距。本书就是针对这个问题而编写的，旨在为肿瘤放射治疗中应用复杂的AI工具奠定基础。
本书编委会希望共同撰写一本教材用于定义AI在肿瘤放射治疗中的应用前景，明确适合应用人工智能的问题，以及引进来自其他领域的AI工具和经验教训，比如医学影像成像，并在肿瘤放射治疗的新学科平台上，使人工智能相关研究及应用成为
可能。
在构思本书内容之初，我们尝试平衡AI科学技术的深度与肿瘤放射治疗应用的广度。本书包括对AI在肿瘤放射治疗学科应用的评估、评价和伦理相关知识。一本优秀的教材取决于编者的专业素养。本书的编写团队为来自世界各地的在人工智能、肿瘤放射治疗和相关领域颇有建树的专家。书中的每一个章节都经过了其他领域的同行评议，通过这一过程实现了跨学科的相互融合，大大增强了知识的相关性及可读性。
本书共分为五个部分：前景展望、实施策略、人工智能工具、人工智能应用、评估和结果。
本书是具有高度复杂专业知识背景的专家共同努力的结果，感谢他们在更广阔的肿瘤放射治疗领域分享的专业知识。很幸运能与这样一支来自物理学、自然科学、工程学、临床医学、伦理学、评估科学等领域的30多名世界顶级学术和工程专家组成的团队合作，三人行必有我师，我们相互学习，最终协作出版了这本对肿瘤放射治疗学界具有很高参考价值的教材。
我和Sonja非常荣幸能成为这本肿瘤放射治疗专业教材的主编，也享受令人如此满意的学习和编辑经历。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
