▶ 이 책은 실전 인공지능에 대해 다룬 도서입니다. 실전 인공지능 의학의 기초적이고 전반적인 내용을 학습할 수 있도록 구성했습니다.
목차
감사의 글ㆍ4
추천의 글ㆍ5
머리말ㆍ8
이 책에 대하여ㆍ10
PART 01 다가오는 미래 의료
제1장 인공지능과 의학, 의료, 의사 / 24
1.1. 현대 의학은 어디로 가고 있는가? / 24
1.2. 인공지능이란 무엇인가? / 31
1.3. 병원의 인공지능은 어떻게 다가올까? / 37
1.4. 인공지능은 의사를 대체할 것인가? / 39
1.5. 의사가 인공지능을 알아야 하는 이유 / 40
PART 02 분류와 예측을 위한 지도 기계학습
제2장 기계학습을 위한 기본기 다지기 / 44
2.1. 기계학습이란 무엇인가? / 44
2.2. 기계가 학습을 할 수 있는 원리 / 47
2.3. 분류와 예측의 문제 / 49
2.4. 중요한 개념과 용어 / 50
2.5. 기계학습과 다른 기법과의 차이 / 55
2.6. 기계 학습이 이루어지는 절차 / 56
2.7. 기계학습을 위한 R의 준비 / 57
2.8. R언어의 기초 / 61
2.9. 이 단원의 마무리 / 67
제3장 직관적이고 빠르게 질병 진단하기 : K-최근접 이웃 방법 / 69
3.1. 비슷한 것끼리 모여 있는 유유상종의 원리 / 70
3.2. 차원의 확장과 거리의 계산 / 73
3.3. 데이터의 정규화와 매개변수 k의 선택 / 75
3.4. 예제 : 세포 모양으로 유방암 진단하기 / 77
3.5. 예제 : 폐암 수술 후 사망 위험군 예측하기 / 86
3.6. k-최근접 이웃 방법의 특징 / 90
3.7. 이 단원의 마무리 / 90
제4장 진단과 예측 근거를 명확하게 설명하기 : 의사 결정 나무 / 91
4.1. 스무고개 게임을 이기는 원리 / 92
4.2. 나무 구조의 기계학습 모델 / 93
4.3. 나무의 모양을 결정하는 정보의 이득과 엔트로피 / 96
4.4. 예제 : 요로 감염 진단 문제 / 100
4.5. 예제 : 홍반성 피부 병변 진단하기 / 104
4.6. 의사 결정 나무의 특징 / 106
4.7. 이 단원의 마무리 / 107
제5장 복잡합 차원의 질병 진단 및 예후 예측 : 서포트 벡터 머신,
인공 신경망 / 108
5.1. 국경선은 어떻게 결정해야할까? / 109
5.2. 데이터를 고차원 공간으로 연결하는 커널 트릭 / 112
5.3. 인공 신경망의 기초 / 113
5.4. 인공 신경망의 구조와 학습 원리 / 117
5.5. 예제 : 자살 고위험군 감별 시스템 만들기(국민건강영양조사 원시자
료 사용) / 122
5.6. 인공 신경망을 이용하는 코드 실습 / 135
5.7. 이 단원의 마무리 / 138
제6장 보다 고성능의 진료 지원 시스템 설계하기 : 성능 평가, 앙상블
학습, 회귀 문제 / 140
6.1. 기계학습에서 반드시 오류가 발생하는 이유 / 141
6.2. 정량적으로 모델 평가하기 / 143
6.3. 교차 검증으로 보다 일반화된 모델 만들기 / 148
6.4. 앙상블 학습으로 똑똑한 인공지능 만들기 / 150
6.5. 회귀 문제 : 저밀도 지방단백질(콜레스테롤) 수치 예측하기 / 153
6.6. 이 단원의 마무리 / 157
PART 03 자율 기계학습과 강화 학습
제7장 스스로 질병군을 찾아내는 인공지능 : K-평균 군집화 / 160
7.1. 답을 모르는 의학 문제 / 161
7.2. 인공지능은 스스로 유방암을 찾아낼 수 있을까? / 161
7.3. 유유상종하는 무리의 범위는 어떻게 정할까? / 164
7.4. 예제 : 간 질환 환자군 찾아내기 / 169
7.5. 군집화를 적용 할 수 있는 의료적 문제 / 171
7.6. 이 단원의 마무리 / 173
제8장 의무 기록에서 미지의 규칙 찾아내기 : 어프라이어리 / 175
8.1. 약물상호작용은 어떻게 발견할 수 있을까? / 176
8.2 연관 분석의 이론적 배경 / 177
8.3. 연관 패턴을 효율적으로 찾아내는 어프라이어리 / 179
8.4. 예제 : 의무기록에서 약물 병용 부작용 찾아내기 / 181
8.5. 임상 의사의 관점에서 규칙의 해석 / 185
8.6. 이 단원의 마무리 / 186
제9장 1차 진료에서의 맞춤 의료, 동적 치료 계획 : 강화학습 / 188
9.1. 1차 진료에서의 인공지능, 만성 질환의 동적 정밀 치료 / 189
9.2. 동적 치료 계획과 SMART 데이터 / 190
9.3. 강화학습은 최적의 동적 치료 계획을 어떻게 찾아내는가? / 194
9.4. Q학습을 이용한 최적 동적 치료 계획 탐색 / 196
9.5. 예제 : 비만 환자의 최적 동적 치료 계획 결정 문제 / 199
9.6. 동적 치료 계획은 어떤 문제에 적용되었는가? / 204
9.7. 이 단원의 마무리 / 207
PART 04 지능적인 탐색과 예측, 응용
제10장 난해한 의료 경영 문제의 가장 좋은 답 찾기 : 유전 알고리즘 / 210
10.1. 최적화란 무엇인가? / 211
10.2. 인공 염색체, 인공 유전자 그리고 지능적 인공 진화 / 213
10.3. 가장 우수한 인공 염색체를 찾는 과정 / 217
10.4. 유전 알고리즘 설계시 고려할 사항 / 219
10.5. 유전 알고리즘은 어떤 문제를 해결할 수 있는가? / 222
10.6. 예제 : 응급 수술 최적 스케줄 만들기 / 223
10.7. 예제 : 원자력병원의 인턴 의사 배치 문제 / 227
10.8. 이 단원의 마무리 / 231
제11장 인공지능 의사와 모호한 언어로 소통하기 : 퍼지 시스템 / 232
11.1. 모호한 인간 의사의 언어, 명확한 컴퓨터 의사의 언어 / 233
11.2. 모호한 표현을 퍼지 집합으로 나타내기 / 234
11.3. 논리 연산으로 퍼지 집합 확장하기 / 236
11.4. 결국 퍼지 논리로 무엇을 할 것인가? / 239
11.5. 의학적 명제를 퍼지 규칙으로 표현하기 / 240
11.6. 퍼지 추론으로 문제 해결하기 / 242
11.7. 예제 : 퍼지 시스템으로 신생아 사망 위험률 추정하기 / 248
11.8. 이 단원의 마무리 / 256
제12장 기계학습을 이용한 의료영상의 재발견 : 의료영상체학 / 257
12.1. 의료영상에 숨겨진 비밀 / 258
12.2. 의료영상체학은 어떤 문제를 해결할 수 있을까? / 260
12.3. 영상학적(radiomic) 속성은 어떻게 정의하는가? / 262
12.4. 전체적인 의료영상체학 접근 과정 / 266
12.5. 예제 : MRI 영상에서 교모세포종(glioblastoma) 예후 예측하기 / 269
12.6. 의료영상체학의 한계와 미래 / 278
12.7. 이 단원의 마무리 / 279
PART 05 딥러닝
제13장 딥러닝을 위한 준비 / 282
13.1. 인간을 닮아가는 깊은 수준의 인공지능 / 283
13.2. 딥러닝 인공 신경망의 구조 / 284
13.3. 심층 학습이 이루어지는 원리 / 286
13.4. 파이썬과 텐서플로우 준비하기 / 288
13.5. 딥러닝의 성능 향상을 위한 고민 / 296
13.6. 이 단원의 마무리 / 298
제14장 의료영상을 학습하는 인공지능 : 심층 합성곱 신경망 / 299
14.1. 의사는 처음 보는 의료영상을 어떻게 판독하는가? / 300
14.2. 시각피질의 구조를 닮은 인공 신경망 / 301
14.3. 예제 : 유방촬영술에서 치밀 유방 영상 가려내기 / 306
14.4. 소스 코드 살펴보기 / 312
14.5. 영상 인식 딥러닝에 관한 특별한 주제들 / 322
14.6. 이 단원의 마무리 / 329
제15장 의사의 눈과 귀에 도전하는 특별한 딥러닝 / 331
15.1. 맥락을 기억하는 재귀 신경망 / 332
15.2. 숨은 병변을 찾는 변형 신경망 / 335
15.3. 이미지를 설명하는 하이브리드 신경망 / 336
15.4. 예제 : 자궁경부암 환자의 생존 기간 추정하기 / 337
15.5. 예제 : 보행분석으로 파킨슨병 감별하기 / 345
15.6. 예제 : 초음파 영상에서 완신경총(brachial plexus) 찾기 / 349
15.7. 딥러닝의 미래와 의사의 역할 / 354
연습문제ㆍ355
참고자료ㆍ365
색인(찾아보기)ㆍ369
배송안내 | 배송 비용은 무료배송 상품으로 지정한 상품 및 30,000원 이상 구매하신 고객님께는 무료발송 처리해 드리며, 구매하신 금액이 30,000원 미만 구매하신 고객님께서는 배송비 3,000원을 선불 결제 하셔야 합니다. 배송가능일 : 주문 결제 확인 후 상품과 접수시간에 따라 수도권은 약 2~3일 단, 토, 공휴일, 기념일 및 기타 재난으로 인한 지역 제외이며, 그 외에 기타 지역은 약 3~7일이 소요되며, 도서/산간 및 오지 등 교통이 원활하지 않은 지역은 추가로 1~2일이 더 지연될 수 있습니다. |
---|---|
교환/반품 안내 | [교환/반품이 가능한 경우] 1. 구매자 단순 변심(단, 포장(단상자,스티커 제거) 개봉상품 제외)으로 제품 수령일 기준 7일 이내 2. 제품 수령 후 제품이 주문 내용과 다르거나 제품이 고객님께 인도될 당시 상품이 멸실 또는 훼손된 경우 3. 전자상거래 등에서의 소비자보호에관한법률에 규정되어 있는 소비자 청약철회 가능범위에 해당되는 경우 4. 통신판매업자가 방문판매등에 관한 법률에서 규정하고 있는 광고에 표시하여야 할 사항을 표시하지 아니한 경우 |