مشخصات مقاله:
عنوان فارسی مقاله:
عنوان انگلیسی مقاله:
کلمات کلیدی مقاله:
هوش مصنوعی
مناسب برای رشته های دانشگاهی زیر:
مهندسی کامپیوتر – پزشکی
مناسب برای گرایش های دانشگاهی زیر:
هوش مصنوعی – انفورماتیک پزشکی – قلب و عروق
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
هوش مصنوعی و یادگیری ماشینی چه ارتباطی با آمار دارند؟
چرا علم قلب شناسی باید از هوش مصنوعی استفاده کند؟
یادگیری با سرپرست : دسته بندی و پیش بینی
انتخاب ویژگی
مسائل در یادگیری ماشینی پزشکی
دوراهی در تصمیم گیری
دیکوتومانیا
یک نظر سنجی کوتاه در رابطه با الگوریتم یادگیری ماشینی با سرپرست در علم قلب شناسی
رگرسیون منظم
روش های مبتنی بر درخت
ماشین های بردار پشتیبان
یادگیری بدون سرپرست، شبکه های عصبی و یادگیری عمقی
شبکه های عصبی و یادگیری عمقی
چه چیزی باعث جذابیت روش های یادگیری عمقی شده است؟
یادگیری عمقی در علم قلب شناسی
یادگیری بدون سرپرست
یادگیری تقویتی
پزشکی قلب و عروق، چطور می تواند از یادگیری ماشینی و هوش مصنوعی استفاده کند؟
منابع
قسمتی از مقاله انگلیسی و ترجمه آن:
Abstract
Artificial intelligence and machine learning are poised to influence nearly every aspect of the human condition, and cardiology is not an exception to this trend. This paper provides a guide for clinicians on relevant aspects of artificial intelligence and machine learning, reviews selected applications of these methods in cardiology to date, and identifies how cardiovascular medicine could incorporate artificial intelligence in the future. In particular, the paper first reviews predictive modeling concepts relevant to cardiology such as feature selection and frequent pitfalls such as improper dichotomization. Second, it discusses common algorithms used in supervised learning and reviews selected applications in cardiology and related disciplines. Third, it describes the advent of deep learning and related methods collectively called unsupervised learning, provides contextual examples both in general medicine and in cardiovascular medicine, and then explains how these methods could be applied to enable precision cardiology and improve patient outcomes. (J Am Coll Cardiol 2018;71:2668–79) © 2018 The Authors. Published by Elsevier on behalf of the American College of Cardiology Foundation. This is an open access article under the CC BY license (http://creativecommons.org/licenses/by/4.0/).
چکیده
هوش مصنوعی و یادگیری ماشینی، می توانند تقریبا بر روی تمام ابعاد شرایط انسان تاثیر داشته باشند و دانش قلب شناسی هم از این قاعده مستثنی نیست. این مقاله یک راهنمای خوب برای متخصص های بالینی در رابطه با ابعاد مربوط به هوش مصنوعی و یادگیری ماشینی فراهم می کند و بعضی از کاربرد های انتخابی این روش را در قلب شناسی تا به امروز شناسایی می کند و این موضوع را بررسی می کند که داروهای قلبی عروقی چطور میتوانند از هوش مصنوعی در آینده استفاده کنند. به صورت خاص، این مقاله نخست مفاهیم مدل سازی پیش بینی را که مرتبط با قلب شناسی می باشد را شناسایی می کند مانند گزینش ویژگی و مشکلات رایج مانند دوشعبه سازی نا مناسب. دوم این که ما در این مقاله الگوریتم های رایج مورد استفاده در یادگیری با سرپرست را بررسی می کنیم و کاربرد های انتخاب شده را در قلب شناسی و زمینه های علمی مربوطه، بررسی می کنیم. سوم، ما پیشرفت یادگیری عمقی و روش های مربوطه که به صورت کلی با نام یادگیری بدون سرپرست شناخته می شود را بررسیمی کنیم که نمونه های زمینه ای را در پزشکی عمومی و پزشکی قلب و عروق ارائه می کند و سپس نشان می دهیم که این روش ها را چطور می توان مورد استفاده قرار داد تا موجب بهبود دانش قلب و عروق شد و خروجی های به دست آمده را ارتقا داد.