Pythonで体感！　医療とAIはじめの一歩

出版社： 羊土社
著者：
発行日： 2024-09-01
分野： 医学一般  >  医学情報学
ISBN： 9784758124188
電子書籍版： 2024-09-01 （第1刷）
書籍・雑誌
≪全国送料無料でお届け≫
取寄せ目安：4～8営業日

3,960 円(税込)

購入する
電子書籍
章別単位での購入はできません
ブラウザ、アプリ閲覧

3,960 円(税込)

購入する

商品紹介

本書のゴールは，肺のX線画像が肺炎かどうか予測する深層学習モデルを作成すること．Pythonが初めてでも大丈夫です．本書で機械学習やAIがグッと身近なものに！データサイエンス教育の教材としてもお勧め．

目次

  • 0章　演習準備 ～Google Colaboratoryの基本
    　0-1　Google Colaboratoryとは
    　0-2　試しに実行してみよう
    　0-3　ライブラリを使ってみよう
    　0-4　ファイルを読み込んでみよう
    　0-5　その他のColabの特徴と注意事項

    1章　Pythonに触ってみよう ～年齢と歯の本数
    　1-1　演習用データの確認
    　1-2　Pythonの基本
    　1-3　演習用データの読み込み
    　1-4　データフレームの操作
    　1-5　散布図を作成するためのデータ準備
    　課題

    2章　機械学習のしくみを理解しよう ～糖尿病と乳がんのデータ
    　2-1　機械学習とは
    　2-2　教師あり機械学習の回帰とは
    　2-3　線形回帰を実践してみよう
    　2-4　学習用データと検証用データの分割
    　2-5　ロジスティック回帰を実践してみよう
    ［COLUMN］ロジスティック回帰式
    　課題

    3章　さまざまな機械学習を理解しよう
    　3-1　機械学習のアルゴリズム
    　3-2　サポートベクターマシンを実践してみよう
    ［COLUMN］ハイパーパラメータ
    　3-3　決定木分析を実践してみよう
    　3-4　ランダムフォレストを実践してみよう
    　課題

    4章　深層学習のしくみを理解しよう
    　4-1　深層学習とは
    　4-2　深層学習の流れ
    ［COLUMN］ReLU関数とシグモイド関数の計算方法
    　4-3　深層学習を実践してみよう
    　4-4　学習モデルの改良
    　課題

    5章　肺のX線画像を用いた画像分類にトライしよう
    　5-1　外部のデータを読み込む
    　5-2　デジタル画像のデータは数値で表すことができる
    　5-3　肺のX線画像の分類モデルを作成してみよう
    　5-4　未知のデータが肺炎かどうかを予測
    　課題
    　展 望　進化する深層学習――その発展の歴史と未来

    Topics　医療とAIのこれから
    　1　AIによる未来医療のためのロードマップ
    　2　医療における意思決定のために
    　3　公共データベースを用いたオミクス解析
    　4　医学ビッグデータ研究におけるバイオバンク
    　5　医療ビッグデータ解析のためのアルゴリズム
    　6　AIのこれからと企業の取り組み
    　7　スタートアップで医師がAI医療機器を開発するということ
    　8　AIの病院への実装

この書籍の参考文献

参考文献のリンクは、リンク先の都合等により正しく表示されない場合がありますので、あらかじめご了承下さい。

本参考文献は電子書籍掲載内容を元にしております。

Topics 医療とAIのこれから

P.195 掲載の参考文献
1) Shimizu H & Nakayama KI:A 23 gene-based molecular prognostic score precisely predicts overall survival of breast cancer patients. EBioMedicine, 46:150-159, 2019
 
2) Hozumi H & Shimizu H:Bayesian network enables interpretable and state-of-the-art prediction of immunotherapy responses in cancer patients. PNAS Nexus, 2:pgad133, 2023
 
3) AIシステム医科学分野【清水研】:学生時代にオンラインで研究して論文発表してみませんか?(https://shimizuhideyuki-lab.org/online-research/)
 
4) Shimizu H, et al:LIGHTHOUSE illuminates therapeutics for a variety of diseases including COVID-19. iScience, 25:105314, 2022
 
5) AIシステム医科学分野【清水研】:学生のみなさん, オンライン勉強会に参加しませんか?(https://shimizuhideyuki-lab.org/biomedical_datascience_club/)
 
P.200 掲載の参考文献
1) Polack FP, et al:Safety and efficacy of the BNT162b2 mRNA Covid-19 vaccine. N Engl J Med, 383:2603-2615, 2020
 
2) Nishikimi M, et al:External validation of a risk classification at the emergency department of post-cardiac arrest syndrome patients undergoing targeted temperature management. Resuscitation, 140:135-141, 2019
 
P.206 掲載の参考文献
1) 「実験医学増刊 Vol.40 No.17 バイオDBとウェブツール ラボで使える最新70選」(小野浩雅/編), 羊土社, 2022
 
2) 「独習 Pythonバイオ情報解析」(先進ゲノム解析研究推進プラットフォーム/編), 羊土社, 2021
 
3) Gonzalez Bosquet J, et al:Creation and validation of models to predict response to primary treatment in serous ovarian cancer. Sci Rep, 11:5957, 2021
 
4) Matsuo H, et al:Association between high immune activity and worse prognosis in uveal melanoma and low-grade glioma in TCGA transcriptomic data. BMC Genomics, 23:351, 2022
 
5) Cheng J, et al:Accurate proteome-wide missense variant effect prediction with AlphaMissense. Science, 381:eadg7492, 2023
 
P.210 掲載の参考文献
1) Wadman M:NIH mulls rules for validating key results. Nature, 500:14-16, 2013
 
2) 日本規格協会グループ:ISO 20387:2018 バイオテクノロジー-バイオバンキング-バイオバンキングの一般要求事項(https://webdesk.jsa.or.jp/books/W11M0090/index/?bunsyo_id=ISO%2020387:2018)
 
3) 日本生物資源産業利用協議会:バイオリポジトリ技術管理士(BiTA)(https://ciber.or.jp/ja/bita-top/)
 
4) バイオバンク横断検索システム(https://biobank-search.megabank.tohoku.ac.jp/v2/)
 
P.215 掲載の参考文献
1) Ziv J & Lempel A:A universal algorithm for sequential data compression. IEEE Trans Inf Theory, 23:337-343, 1977
 
2) Ziv J & Lempel A:Compression of individual sequences via variable rate coding. IEEE Trans Inf Theory, 24:530-536, 1978
 
3) Bowtie(https://bowtie-bio.sourceforge.net/index.shtml)
 
4) BWA(https://bio-bwa.sourceforge.net/)
 
5) Gagie T, et al:Fully functional suffix trees and optimal text searching in BWT-runs bounded space. J ACM, 67:1-54, 2020
 
P.220 掲載の参考文献
1) Lundberg S & Lee SI:A unified approach to interpreting model predictions. [Advances in Neural Information Processing Systems 30], pp4768-4777, NeurIPS, 2017
 
2) [Graph Neural Networks:Foundations, Frontiers, and Applications] (Lingfei W, et al, eds), p725, Springer, 2022
 
3) Maruhashi K, et al:Learning multi-way relations via tensor decomposition with neural networks. [Thirty-Second AAAI Conference on Artificial Intelligence 2018], pp3770-3777, AAAI Press, 2018
 
4) Tolmachev A, et al:Bermuda Triangles:GNNs fail to detect simple topological structures. [ICLR 2021 Workshop on Geometrical and Topological Representation Learning], ICLR, 2021
 
5) 富士通:AIの推定理由や根拠を説明する技術を開発, 2017(https://pr.fujitsu.com/jp/news/2017/09/20-1.html)
 
6) 富士通:富士通研究所と伊LARUS社, グラフデータベースと説明可能なグラフAI技術により金融取引の解析性能を向上, 2020(https://pr.fujitsu.com/jp/news/2020/11/24.html)
 
7) 大堀耕太郎, 他:知識発見によって信頼をつなぐWide Learning技術. FUJITSU, 70:48-54, 2019
 
8) 富士通:TBSが「選挙の日2021」当落速報で, 富士通の「説明可能なAI」を活用 , 2021(https://pr.fujitsu.com/jp/news/2021/10/25.html)
 
9) [Causality:Models, Reasoning, and Inference, 2nd ed] (Pearl J), Cambridge University Press, 2009
 
10) Shimamura T, et al:A novel network profiling analysis reveals system changes in epithelialmesenchymal transition. PLoS ONE, 6:e20804, 2011
 
11) Park H, et al:Global gene network exploration based on explainable artificial intelligence approach. PLoS One, 15:e0241508, 2020
 
12) 小柳佑介, 他:個々の特徴的な因果関係を発見する技術の開発とマーケティングデータへの適用. 人工知能学会:ビジネス・インフォマティクス研究会(第18回), 2021
 
13) Shimizu S, et al:DirectLiNGAM:A direct method for learning a linear non-Gaussian structural equation model. J Mach Learn Res, 12:1225-1248, 2011
 
14) 富士通:スーパーコンピュータ「富岳」と「発見するAI」で, がんの薬剤耐性に関わる未知の因果メカニズムを高速に発見する新技術を開発, 2022(https://pr.fujitsu.com/jp/news/2022/03/7.html)
 
15) Hertz A, et al:Prompt-to-prompt image editing with cross-attention control. ICLR, 2023
 
16) Jin Z, et al:Can large language models infer causation from correlation? arXiv:2306.05836, 2023
 
P.228 掲載の参考文献
1) AMED「サクセス双六で見る 研究開発のステップ」(https://www.amed.go.jp/content/000004843.pdf)
 
P.232 掲載の参考文献
1) AIホスピタル成果発表シンポジウム2022 動画公開(https://www.nibiohn.go.jp/sip/publications/symposium/symposium2022-movie.html)
 
2) AIホスピタルの社会実装(中村祐輔/企画), 医学のあゆみ 282巻10号, 医歯薬出版, 2022
 

書評

最近チェックした商品履歴

Loading...