دانلود ترجمه مقاله یادگیری ماشین و هوش مصنوعی در خدمت پزشکی

1. مقدمه 2. تعاریف اساسی 3. پذیرش بیمار: به دست آوردن اطلاعات اولیه بیمار 4. رادیولوژی 5. هماتولوژی 6. نورولوژی 7. انکولوژی 8. زیست شناسی سلولی و سلول درمانی 9. کاردیولوژی 10. چشم پزشکی 11. نتیجه گیری

چکیده – انگیزه: در نتیجه روند دیجیتالی شدن سیستم مراقبت های سلامت در سراسر جهان، برآورد شده است که داده های سلامت ایجاد شده به 2314 اگزابایت داده جدید تولید شده در سال 2020 برسد. هدف توسعه مداوم سیستم های هوشمند، ارائه استدلال بهتر و استفاده موثرتر از داده های جمع آوری شده است. این تمرین به تفسیر گذشته نگر، یعنی ارائه نتایج تشخیصی محدود نمی شود. همچنین می توان آن را به تفسیر آینده نگری تعمیم داد که پیش آگهی اولیه را ارائه می دهد. گفته می ‌شود، پزشکانی که می‌ توان توسط این سیستم ‌ها به آن ها کمک کرد، خود را در شکاف بین پرونده‌ های بالینی و بررسی ‌های فنی عمیق می‌ بینند. چیزی که آنها فاقد آن هستند، نقطه شروع روشنی برای نزدیک شدن به دنیای یادگیری ماشینی در پزشکی محسوب می شود. روش‌شناسی و ساختار اصلی: هدف این مقاله ارائه بینشی آسان در مورد هوش مصنوعی (AI) و یادگیری ماشینی (ML) در زمینه پزشکی می باشد که عمدتاً در چند سال گذشته، مور علاقه پزشکان می باشد. بدین منظور، ابتدا مسیرهای توسعه کلی در مورد استفاده از مفهوم هوش مصنوعی و ML در سیستم های مراقبت های سلامت را مورد بحث قرار می دهیم. سپس زمینه ‌هایی از قبیل هماتولوژی، نورولوژی، قلب و عروق، انکولوژی، رادیولوژی، چشم‌پزشکی، زیست‌شناسی سلولی و سلول‌درمانی را فهرست می‌ کنیم که این فناوری ‌ها قبلاً در آن ‌ها مورد آزمایش یا حتی مورد استفاده قرار گرفته‌اند.

Motivation: As a result of the worldwide health care system digitalization trend, the produced healthcare data is estimated to reach as much as 2314 Exabytes of new data generated in 2020. The ongoing development of intelligent systems aims to provide better reasoning and to more efficiently use the data collected. This use is not restricted retrospective interpretation, that is, to provide diagnostic conclusions. It can also be extended to prospective interpretation providing early prognosis. That said, physicians who could be assisted by these systems find themselves standing in the gap between clinical case and deep technical reviews. What they lack is a clear starting point from which to approach the world of machine learning in medicine. Methodology and Main Structure: This article aims at providing interested physicians with an easy-to-follow insight of Artificial Intelligence (AI) and Machine Learning (ML) use in the medical field, primarily over the last few years. To this end, we first discuss the general developmental paths concerning AI and ML concept usage in healthcare systems. We then list fields where these technologies are already being put to the test or even applied such as in Hematology, Neurology, Cardiology, Oncology, Radiology, Ophthalmology, Cell Biology and Cell Therapy.

ترجمه این مقاله در 20 صفحه آماده شده و در ادامه نیز صفحه 11 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.