Overview

Ten podręcznik zapewnia doglębną analizę tego, w jaki sposób algorytmy uczenia maszynowego mogą byc skutecznie stosowane do wykrywania i klasyfikowania chorób serca. Wypelnia lukę między opieką zdrowotną a inteligencją obliczeniową, prezentując podstawy teoretyczne, praktyczne implementacje i rzeczywiste zastosowania uczenia maszynowego w kardiologii. Zaczynając od przeglądu chorób sercowo-naczyniowych i ich globalnego wplywu, książka zaglębia się w podstawowe cechy medyczne i zbiory danych istotne dla chorób serca. Następnie systematycznie bada różne techniki uczenia maszynowego - w tym drzewa decyzyjne, maszyny wektorów nośnych, sieci neuronowe, k-najbliższych sąsiadów, metody zespolowe i glębokie uczenie się - oraz ich role w modelowaniu predykcyjnym. Każdy rozdzial zawiera szczególowe wyjaśnienia algorytmów, wskaźniki oceny modeli (takie jak dokladnośc, precyzja, wycofanie, wynik F1 i ROC-AUC) oraz studia przypadków wykorzystujące publicznie dostępne zbiory danych, takie jak zbiór danych Cleveland Heart Disease. Omówiono również kwestie etyczne, prywatnośc danych i wyzwania związane z wdrożeniem klinicznym. Ten podręcznik sluży jako cenne źródlo informacji dla studentów, badaczy, naukowców zajmujących się danymi i pracowników slużby zdrowia.