北美的神经影像学诊所:机器学习和其他人工智能应用

Forghani R,编辑。 Mukherji SK,咨询编辑。 北美神经影像学诊所: 机器学习和其他人工智能应用s. 爱思唯尔2020; 30(4):393-530; $ 397.00

福加尼的封面

机器学习和其他人工智能应用s 是经过精心安排的评论文章集合,不仅概述了人工智能(AI),还概述了神经放射学中的AI。从广泛的历史观点到将AI整合到放射学中的最相关,最现代的技术的细节,其观点不一。它着眼于过去和未来。遍历整个馆藏提供了一种学习AI基础知识及其放射学背景的好方法。

不难想象,许多对AI感兴趣的人可能对未来感兴趣,但不一定对过去感兴趣。幸运的是,为历史背景选择的文章的作者不仅出色地展示了AI的相关历史,而且还以指向AI的潜力和令人兴奋的方式进行了出色的工作。例如,第一篇文章“人工智能简史”涵盖了AI的起源,图灵测试以及将我们带到今天的道路的其他功能,同时还洞悉了期望如何发挥作用。在AI领域的成长和进步中的作用。以此为基础,读者不仅可以学习更多有关AI的基础知识,还可以学习如何成功或失败的舞台。此外,对深度学习和机器学习以及卷积神经网络的作用有简洁有效的解释。这使读者可以准备更详细的技术文章,这些文章将在以后的版本中提供。

大多数以技术为导向的文章都专注于AI的特定应用,其方法及其性能。为此,作者深入研究了卷积神经网络的细节。他们提供了有关它们的设计和功能的解释,文章提供了示例和神经网络的不同排列和操作方式的图示。本卷中的许多课程都达到了适合医生遵循的细节水平,但又深入到足以引导对成为AI发展的功能性贡献者的途径感兴趣的人们,因为AI与放射学进一步交织在一起。在频谱的另一端,有些文章或文章的某些部分只是编码不足。这些既可以令人着迷,又可以抽象。专为这些细节而设计的书的比例似乎是适当平衡的,以使真正有技术倾向的人可以在不使大多数读者不知所措的情况下学习更多。

这本书值得称赞的方面是文章中的插图。个别文章的作者成功地提供了有助于阐明什么是天生深奥的话题的数字。他们将医学成像与用于神经网络的解释性模型相集成,从而为选择翻阅页面的放射科医生奠定了基础。一些图像的打印质量足以弥补一些较小的数字。有足够的对比度可以欣赏医学图像中的细节。值得注意的是,对于那些希望以后重新审视概念的人来说,细读本书中的数字可能还不够。这可能是该主题的副产品,或者表明需要更多插图。

编辑还选择了一些具有更广泛的AI应用程序视野的文章,从而使读者可以了解医学AI的不同领域,而在阅读行业电子邮件,新闻通讯和社交媒体中与AI相关的头条新闻时,这些领域可能使他们脱颖而出。文章“人工智能在神经放射学中的各种应用”提供了可能正在探索中的医师可能不知道的AI的大量应用。其中包括分诊病例,改善教育水平,疾病量化和治疗方案。

毫无疑问,书中更具前瞻性的方面不会像任何技术评论所固有的那样老化。但是目前,它比其他有关学习AI的渠道要好。其格式的内在优势是其功能,可作为医学AI中许多重要声音的介绍。读者不仅会熟悉主题材料,还会熟悉该领域的贡献者及其观点。

本书似乎缺少一个方面,它将统一各个文章中涉及的许多不同概念。序言和前言之外的介绍性章节将有助于为该系列提供统一的声音,否则该系列将变得无指导作用。此外,词汇表在阅读书卷时将是有用的资源,还将为读者的书架上的房地产增加持久价值。

总体, 机器学习和其他人工智能应用s 是为希望在AI方面变得知识渊博的人精心准备的文章汇编。这是理解AI的深思熟虑的捷径,与非引导性网络搜索和在期刊中搜寻文章相比,提供了一种更快的胜任力方法。插图周到且作者博学多才。对于那些意识到自己需要掌握AI才能成功的早期放射科医生来说,这是一本理想的书;对于那些想要保持领先地位的有经验的放射科医生来说,这是一本理想的书。

北美的神经影像学诊所:机器学习和其他人工智能应用
Tags:     
书评
书评 •美国神经放射学杂志

从2009年1月期开始,所有已在 美国神经放射学杂志 现在可以在 AJNR博客。自2010年1月起,书评仅是博客功能,不再出现在印刷版或在线版的 AJNR.

发表评论