近年来,机器学习(ML)、人工智能(AI)和其他数据驱动技术取得了重大进展,在生物医学信息学、健康信息学、医学AI、医疗物品AI (AIoMT)、医疗AI和智能家庭护理等许多领域都取得了令人振奋的进展,将医疗和健康数据分析带入了一个新时代。这是一个神奇的时代,所有这些现代机器学习和数据分析技术的几乎所有应用领域都平等地存在着机遇和挑战。我们很幸运,因为我们现在已经使用不同的先进机器学习技术在医疗诊断和医疗健康服务方面取得了许多最先进的成果。例如,目前许多浅层和深度学习框架和AI技术已经成功地应用于医疗诊断和医疗健康服务。然而,在试图解决复杂问题时,仍有许多挑战需要克服,以获得令人满意的解决方案。例如,从可靠性、伦理、可解释性等角度来看,数据驱动AI和黑盒深度神经网络越来越受到关注。
我们已经看到机器学习、人工智能和其他数据分析(如数据建模、数据挖掘)技术在医疗诊断和医疗保健服务领域的应用越来越多,例如神经生理信号和神经成像处理、癌症和疾病诊断、医疗健康(如电子健康记录)和福祉数据分析、流行病诊断和预测,这只是其中的一部分。许多新的方法和算法被开发出来,旨在解决与我们日常生活密切相关或重大影响的现有问题或新兴问题。现在是时候推动传播应用AI和ML技术解决医疗诊断和保健服务领域问题的最新结果和发现了。本书旨在展示数据驱动和基于数据的ML和AI技术的最新进展,重点介绍了方法和算法的实现,包括信号处理和系统识别,数据挖掘,图像处理和模式识别,以及深度神经网络及其应用。