실전 인공지능(의사를 위한) [2018 대한민국학술원 우수학술도서 선정!]
저자
차유진
출판사
군자출판사
facebook twitter email printer
미리보기
의학 > 기타
정가
24,000원
판매가
22,800원
적립금
456원
발행일
2017-07-07
페이지수
372 Pages
 
ISBN13
 
9791159552168
제본형태
Softcover
배송비
결제금액이 25,000원 이상 무료배송
주문수량
updown

이 도서를 구매하신 분들이 함께 구매하신 도서입니다.

인공지능: 보건의료전문가를 위한 길라잡이 박성호, 임태환 외 12인 30,000 28,500won
최신투석매뉴얼 5판 John T. Daugirdas / Peter G. Blake / Todd S. Ing 45,000 42,750won
위확대내시경 Yao Kenshi 70,000 66,500won
번역서
췌장학 정재복 外 80,000 76,000won
죽음을 부르는 약 ALAN HB WU PHd 16,000 15,200won
처음 시작하는 상부소화기내시경 Manual 후지시로 미츠히로 외 4명 25,000 23,750won

 

 

 

 

 

 

 

 

 

 

 

 

이 책에 대하여

 

인공지능은 대표적인 공학적 응용 분야에 속하는 주제입니다. 한편 의학은 인간의 건강과 질병을 다루는 분야로서 공학과는 철학과 지향점이 다릅니다. 이 책은 공학과 의학이라는 서로 지향점이 다른 두 가지의 큰 주제를 복합적으로 다루고 있습니다. 따라서 이 책의 전개상 불가피하게 표현되는 공학 이론이나 의학적 서술 혹은 추상적인 개념 중 일부는 독자의 이해를 돕기 위해 의도적으로 단순화한 부분이 있음을 밝혀둡니다. 이 책은 교과서라고 하기는 매우 가볍고 가이드북이라고 하기는 약간 무거운 편입니다.

 

이 책은 인공지능과 의료라는 보다 구체화된 주제에 대해 다양한 하위 주제를 다룹니다. 인공지능의 대표적인 하위 분야인 기계학습에서부터 패턴인식, 퍼지이론을 비롯하여 최근 크게 관심을 받고 있는 딥러닝에 이르기까지 다양한 세부 주제가 학습목표에 포함되었습니다. 예제로 다루어진 주제들은 의료전달체계의 시작에 해당하는 가정의학과부터 의료전달체계의 마지막이라 할 수 있는 방사선종양학과에 이르는 임상 영역을 포함합니다.

인공지능 기술의 주체를 저수준(low level) 단계에서 이론과 알고리즘을 개발하는 연구자부터 완성된 기술의 결과물을 바로 이용할 수 있는 최종 사용자(end user) 단계까지 세분화할 수 있습니다. 이 책은 이미 개발된 알고리즘들을 이용하여 구체적인 지능형 시스템을 설계하는 중간 사용자(개발자)의 관점에 초점을 두고 있습니다.

 

대상 독자

 

이 책은 인공지능이나 기계학습의 이론 지식이 없는 임상 의사와 보건의료인 중 인공지능과 기계학습에 대하여 기본 개념부터 실제 적용에 이르기까지 구체적으로 알고 싶거나, 실제 데이터를 이용하여 인공지능을 자신의 문제 해결에 적용하고 싶은 분들을 대상으로 합니다.

의학 문헌 검색 엔진 Pubmed에는 기계학습 기법을 적용한 논문들이 꾸준히 업데이트 되고 있습니다. 하지만 기계학습이나 인공지능 알고리즘에 관한 기초 지식 없이는 이러한 논문들을 읽고 이해하기 쉽지 않습니다. 인공지능 기법을 적용한 논문을 읽고 이해하거나 직접 연구를 하는 분께 참고서로 활용할 수 있습니다. 임상 문제 뿐만 아니라 진료 지원에 관한 문제를 인공지능으로 해결하는 과정을 이해하고 싶은 의료인과 의학도에게도 영감과 지식을 공유할 수 있으리라 생각합니다. 모든 독자는 진료나 연구 현장에서 기본적 수준의 컴퓨터 활용능력을 가지고 있다고 가정하였습니다.

 

이 책의 구성

 

이 책은 다섯 개의 부와 15개의 장으로 구성되어 있습니다.

 

1부 다가오는 미래의료

 

1부는 인공지능과 의학, 의료, 의사라는 하나의 장으로 이루어져 있습니다. 인공지능이란 무엇인지, 현대와 미래의 의료에서 어떤 의미를 지니고 있는 지, 그리고 어떤 하위 분야가 있으며 어떤 문제를 해결할 수 있는 지 소개합니다. 또한 실제 의료 현장에서 적용될 수 있는 사례들을 소개하고 현대의 의료인이 인공지능을 알아야 하는 이유를 정리해 봅니다.

 

2부 분류와 예측을 위한 지도 기계학습

 

2부에서는 인공지능의 하위 분야 중 의학 연구에 가장 많이 활용되고 있으면서도 기본적인 주제에 해당하는 지도(supervised) 기계학습의 기법과 알고리즘을 주로 소개합니다. 지도 기계학습은 인공지능이 무엇을 해야 하는 지 인간이 모범 답안을 제시하여 기계를 학습시키고 새로운 문제에 대한 답을 찾아내도록 하는 방법으로서 주로 데이터를 분류하는 문제에 사용됩니다. 다양한 지도 기계학습 방법 중 어떤 문제를 해결하기 위해 어떤 알고리즘이 적합한지 논의합니다. 그리고 마지막장에는 이 책을 따라하며 여러분이 직접 구현한 기계학습 모델의 성능을 어떻게 평가하며, 성능을 높일 수 있을지 소개합니다.

 

3부 자율(비지도) 기계학습과 강화학습

 

2부에서 모범 답안을 학습하여 문제를 해결하는 지도 학습에 관한 내용을 다루었다면 3부에서는 모범 답안을 제시하지 않고 인공지능이 스스로 어떤 규칙을 찾아내거나 데이터를 분류할 수 있는 비지도(unsupervised) 기계 학습을 소개합니다. 매 순간 무수히 쏟아져 나오고 있는 치료와 진단에 관한 실제 의료 데이터에 대한 답을 일일이 의사가 정의하고 분류하기는 어려우므로 인공지능이 스스로 이를 수행하게 할 필요가 있습니다. 따라서 비지도 학습은 인공지능이 궁극적으로 지향해야 할 구현 목표라고 평가받기도 합니다. 3부의 또 다른 주제는 강화학습에 관한 것입니다. 강화학습은 어떤 상황에서 선택할 수 있는 여러 경우의 시나리오가 있을 때 시행착오를 통해 가장 적절한 대안을 찾아내는 기계 학습 방법입니다. 강화학습의 방법론을 맞춤의학(Individualized medicine) 구현에 적용하는 이론과 방법을 소개합니다.

 

4부 지능적인 탐색과 예측, 응용

 

4부에서는 3개의 장으로 각각 다른 주제를 다룹니다. 첫 번째 장은 유전 알고리즘을 이용한 최적 문제 해결 방법을 소개합니다. 유전 알고리즘은 인공지능의 고전적인 분야이지만 여전히 해결하기 어려운 다양한 난제의 답을 찾아내는 강력한 기법입니다. 두 번째 장은 퍼지 이론을 다룹니다. 사람이 사용하는 언어는 본질적으로 경계의 불분명함, 즉 애매모호함을 지니고 있습니다. 그러나 연속적이지 않은 정보를 다루는 컴퓨터는 경계가 불분명한 사람의 언어를 적절하게 다룰 수 없습니다. 컴퓨터에게 사람의 언어적 표현을 처리하고 적절한 정보를 추론해 내는 퍼지 이론을 소개하고 의학 문제에 접근하는 방법을 소개합니다. 세 번째장은 기계학습의 특별한 응용 분야를 소개합니다. 의료영상에서 의미 있는 특징을 추출하고 기계학습을 이용하여 의료 영상을 병의 진단과 예측에 이용하는 분야인 의료영상체학

(radiomics)을 소개하고 간단한 구현 예제를 다루겠습니다.

 

5부 딥러닝

 

5부에서는 최근 가장 급속히 발전하고 있는 고차원 기계학습 이론인 딥러닝(Deep learning)에 대해 소개합니다. 딥러닝은 오디오나 영상, 언어를 대상으로 하는 인공지능 기법 중 다른 방법에 비해 월등히 우수한 성능을 보여주고 있습니다. 인공지능에 대한 기대가 극히 높아지는 이유도 딥러닝의 성공에 있다고 하겠습니다. 이 책에서는 딥러닝을 통해 의료영상을 분류하거나 병변의 위치를 찾아내는 기법, 비언어적이거나 시계열적인 의료 정보를 처리하는 예시를 다룹니다. 딥러닝은 강력하지만 앞선 장에서 소개하는 다른 주제와는 달리 특별한 컴퓨팅 환경을 필요로 할 수 있습니다. 5부의 첫 번째 장에서는 딥러닝을 구현하기 위한 기초 준비 과정을 다루고 나머지 2개의 장에서 구체적인 소주제를 다룹니다. 첫 번째 소주제는 딥러닝의 가장 대표적인 응용 분야이며

 

목차

 

감사의 글4

추천의 글5

머리말8

이 책에 대하여10

 

PART 01 다가오는 미래 의료

 

1장 인공지능과 의학, 의료, 의사 / 24

1.1. 현대 의학은 어디로 가고 있는가? / 24

1.2. 인공지능이란 무엇인가? / 31

1.3. 병원의 인공지능은 어떻게 다가올까? / 37

1.4. 인공지능은 의사를 대체할 것인가? / 39

1.5. 의사가 인공지능을 알아야 하는 이유 / 40

 

PART 02 분류와 예측을 위한 지도 기계학습

 

2장 기계학습을 위한 기본기 다지기 / 44

2.1. 기계학습이란 무엇인가? / 44

2.2. 기계가 학습을 할 수 있는 원리 / 47

2.3. 분류와 예측의 문제 / 49

2.4. 중요한 개념과 용어 / 50

2.5. 기계학습과 다른 기법과의 차이 / 55

2.6. 기계 학습이 이루어지는 절차 / 56

2.7. 기계학습을 위한 R의 준비 / 57

2.8. R언어의 기초 / 61

2.9. 이 단원의 마무리 / 67

 

3장 직관적이고 빠르게 질병 진단하기 : K-최근접 이웃 방법 / 69

3.1. 비슷한 것끼리 모여 있는 유유상종의 원리 / 70

3.2. 차원의 확장과 거리의 계산 / 73

3.3. 데이터의 정규화와 매개변수 k의 선택 / 75

3.4. 예제 : 세포 모양으로 유방암 진단하기 / 77

3.5. 예제 : 폐암 수술 후 사망 위험군 예측하기 / 86

3.6. k-최근접 이웃 방법의 특징 / 90

3.7. 이 단원의 마무리 / 90

 

4장 진단과 예측 근거를 명확하게 설명하기 : 의사 결정 나무 / 91

4.1. 스무고개 게임을 이기는 원리 / 92

4.2. 나무 구조의 기계학습 모델 / 93

4.3. 나무의 모양을 결정하는 정보의 이득과 엔트로피 / 96

4.4. 예제 : 요로 감염 진단 문제 / 100

4.5. 예제 : 홍반성 피부 병변 진단하기 / 104

4.6. 의사 결정 나무의 특징 / 106

4.7. 이 단원의 마무리 / 107

 

5장 복잡합 차원의 질병 진단 및 예후 예측 : 서포트 벡터 머신,

인공 신경망 / 108

5.1. 국경선은 어떻게 결정해야할까? / 109

5.2. 데이터를 고차원 공간으로 연결하는 커널 트릭 / 112

5.3. 인공 신경망의 기초 / 113

5.4. 인공 신경망의 구조와 학습 원리 / 117

5.5. 예제 : 자살 고위험군 감별 시스템 만들기(국민건강영양조사 원시자

료 사용) / 122

5.6. 인공 신경망을 이용하는 코드 실습 / 135

5.7. 이 단원의 마무리 / 138

 

6장 보다 고성능의 진료 지원 시스템 설계하기 : 성능 평가, 앙상블

학습, 회귀 문제 / 140

6.1. 기계학습에서 반드시 오류가 발생하는 이유 / 141

6.2. 정량적으로 모델 평가하기 / 143

6.3. 교차 검증으로 보다 일반화된 모델 만들기 / 148

6.4. 앙상블 학습으로 똑똑한 인공지능 만들기 / 150

6.5. 회귀 문제 : 저밀도 지방단백질(콜레스테롤) 수치 예측하기 / 153

6.6. 이 단원의 마무리 / 157

 

PART 03 자율 기계학습과 강화 학습

 

7장 스스로 질병군을 찾아내는 인공지능 : K-평균 군집화 / 160

7.1. 답을 모르는 의학 문제 / 161

7.2. 인공지능은 스스로 유방암을 찾아낼 수 있을까? / 161

7.3. 유유상종하는 무리의 범위는 어떻게 정할까? / 164

7.4. 예제 : 간 질환 환자군 찾아내기 / 169

7.5. 군집화를 적용 할 수 있는 의료적 문제 / 171

7.6. 이 단원의 마무리 / 173

 

8장 의무 기록에서 미지의 규칙 찾아내기 : 어프라이어리 / 175

8.1. 약물상호작용은 어떻게 발견할 수 있을까? / 176

8.2 연관 분석의 이론적 배경 / 177

8.3. 연관 패턴을 효율적으로 찾아내는 어프라이어리 / 179

8.4. 예제 : 의무기록에서 약물 병용 부작용 찾아내기 / 181

8.5. 임상 의사의 관점에서 규칙의 해석 / 185

8.6. 이 단원의 마무리 / 186

 

91차 진료에서의 맞춤 의료, 동적 치료 계획 : 강화학습 / 188

9.1. 1차 진료에서의 인공지능, 만성 질환의 동적 정밀 치료 / 189

9.2. 동적 치료 계획과 SMART 데이터 / 190

9.3. 강화학습은 최적의 동적 치료 계획을 어떻게 찾아내는가? / 194

9.4. Q학습을 이용한 최적 동적 치료 계획 탐색 / 196

9.5. 예제 : 비만 환자의 최적 동적 치료 계획 결정 문제 / 199

9.6. 동적 치료 계획은 어떤 문제에 적용되었는가? / 204

9.7. 이 단원의 마무리 / 207

 

PART 04 지능적인 탐색과 예측, 응용

 

10장 난해한 의료 경영 문제의 가장 좋은 답 찾기 : 유전 알고리즘 / 210

10.1. 최적화란 무엇인가? / 211

10.2. 인공 염색체, 인공 유전자 그리고 지능적 인공 진화 / 213

10.3. 가장 우수한 인공 염색체를 찾는 과정 / 217

10.4. 유전 알고리즘 설계시 고려할 사항 / 219

10.5. 유전 알고리즘은 어떤 문제를 해결할 수 있는가? / 222

10.6. 예제 : 응급 수술 최적 스케줄 만들기 / 223

10.7. 예제 : 원자력병원의 인턴 의사 배치 문제 / 227

10.8. 이 단원의 마무리 / 231

 

11장 인공지능 의사와 모호한 언어로 소통하기 : 퍼지 시스템 / 232

11.1. 모호한 인간 의사의 언어, 명확한 컴퓨터 의사의 언어 / 233

11.2. 모호한 표현을 퍼지 집합으로 나타내기 / 234

11.3. 논리 연산으로 퍼지 집합 확장하기 / 236

11.4. 결국 퍼지 논리로 무엇을 할 것인가? / 239

11.5. 의학적 명제를 퍼지 규칙으로 표현하기 / 240

11.6. 퍼지 추론으로 문제 해결하기 / 242

11.7. 예제 : 퍼지 시스템으로 신생아 사망 위험률 추정하기 / 248

11.8. 이 단원의 마무리 / 256

 

12장 기계학습을 이용한 의료영상의 재발견 : 의료영상체학 / 257

12.1. 의료영상에 숨겨진 비밀 / 258

12.2. 의료영상체학은 어떤 문제를 해결할 수 있을까? / 260

12.3. 영상학적(radiomic) 속성은 어떻게 정의하는가? / 262

12.4. 전체적인 의료영상체학 접근 과정 / 266

12.5. 예제 : MRI 영상에서 교모세포종(glioblastoma) 예후 예측하기 / 269

12.6. 의료영상체학의 한계와 미래 / 278

12.7. 이 단원의 마무리 / 279

 

PART 05 딥러닝

13장 딥러닝을 위한 준비 / 282

13.1. 인간을 닮아가는 깊은 수준의 인공지능 / 283

13.2. 딥러닝 인공 신경망의 구조 / 284

13.3. 심층 학습이 이루어지는 원리 / 286

13.4. 파이썬과 텐서플로우 준비하기 / 288

13.5. 딥러닝의 성능 향상을 위한 고민 / 296

13.6. 이 단원의 마무리 / 298

 

14장 의료영상을 학습하는 인공지능 : 심층 합성곱 신경망 / 299

14.1. 의사는 처음 보는 의료영상을 어떻게 판독하는가? / 300

14.2. 시각피질의 구조를 닮은 인공 신경망 / 301

14.3. 예제 : 유방촬영술에서 치밀 유방 영상 가려내기 / 306

14.4. 소스 코드 살펴보기 / 312

14.5. 영상 인식 딥러닝에 관한 특별한 주제들 / 322

14.6. 이 단원의 마무리 / 329

 

15장 의사의 눈과 귀에 도전하는 특별한 딥러닝 / 331

15.1. 맥락을 기억하는 재귀 신경망 / 332

15.2. 숨은 병변을 찾는 변형 신경망 / 335

15.3. 이미지를 설명하는 하이브리드 신경망 / 336

15.4. 예제 : 자궁경부암 환자의 생존 기간 추정하기 / 337

15.5. 예제 : 보행분석으로 파킨슨병 감별하기 / 345

15.6. 예제 : 초음파 영상에서 완신경총(brachial plexus) 찾기 / 349

15.7. 딥러닝의 미래와 의사의 역할 / 354

 

연습문제355

참고자료365

색인(찾아보기)369

배송안내

당일출고
List
구분 13시 이전 13시 이후
군자도서 당일출고 1일 추가
타사도서 1일 ~ 2일 추가 2일 ~ 3일 추가

고객님께서 급히 필요하신 상품은 별도로 나누어 주문하시면 수령시간이 절약됩니다.

  • - 당일 13시 이전에 주문과 결제가 확인된 주문건에 대해서 당일출고를 진행합니다. (단, 타사도서, 원서 제외되며 군자출판사에서 출간된 도서로 이뤄진 주문건에 한합니다.)
  • - 월요일 ~ 금요일 사이에 출고가 진행되며, 토요일과 일요일, 연휴기간에는 배송업무가 없으므로 구매에 참고 바랍니다.
  • - 도서수령일의 경우 제품이 출고된 후 하루에서 이틀정도 추가되며, 배송시간은 안내가 어렵습니다.
해외원서의 경우

국내에서 재고를 보유한 업체가 없는 경우 해외주문을 해야 하는 상황이 생깁니다.
이 경우 4~5주 안에 공급이 가능하며 현지 출판사 사정에 따라 구입이 어려운 경우 2~3주 안에 공지해 드립니다.
# 재고 유무는 주문 전 사이트 상에서 배송 안내 문구로 구분 가능하며, 필요에 따라 전화 문의 주시면 거래처를 통해 다시 한번 국내재고를 확인해 드립니다.

배송비 안내

  • - 25,000원 이상 구매시 무료배송 (결제금액이 25,000원 미만일 경우 2,500원의 배송료가 자동으로 추가됩니다.
  • - 반품/취소.환불 시 배송비는 최소 무료 배송이 되었을 경우, 처음 발생한 배송비까지 소급 적용될 수 있으며, 상품 하자로 인한 도서 교환시에는 무료로 가능합니다.

반품안내

전자상거래에 의한 소비자보호에 관한 법률에 의거 반품 가능 기간내에는 반품을 요청하실 수 있습니다.

반품가능기간
  • - 단순변심 : 물품 수령 후 14일 이내 (단, 고객님의 요청으로 주문된 해외원서 제외)
교환이나 반품, 환불이 가능한 경우
  • - 주문하신 것과 다른 상품을 받으신 경우
  • - 파본인 상품을 받으신 경우
  • - 배송과정에서 손상된 상품을 받으신 경우
교환이나 반품, 환불이 불가능한 경우
  • - 개봉된 DVD, CD-ROM, 카세트테이프 (단, 배송 중 파손된 상품 제외)
  • - 탐독의 흔적이 있는 경우
  • - 소비자의 실수로 상품이 훼손된 경우
  • - 고객님의 주문으로 수입된 해외 도서인 경우
  • - 수령일로 14일 지난 상품의 경우

반품절차

3일 이내에 알려주세요.
  • - 책을 받으신 3일 이내에 고객센터 031-943-1888 혹은 1:1 문의게시판을 통해 반품의사를 알려주세요.
  • - 도서명과 환불 계좌를 알려주시면 빠른 처리 가능합니다.
  • - 도서는 택배 또는 등기우편으로 보내주시기 바랍니다.
참고
  • - 14일 이내에 교환/반품/환불 받으실 상품이 회수되어야 하며, 반품과 환불의 경우 상품주문시 면제받으셨던 배송비와 반품배송비까지 고객님께서 부담하시게 됩니다.
반품주소

(10881) 경기도 파주시 회동길 338 (서패동 474-1) 군자출판사빌딩 4층

환불방법
  • - 카드결제 시 카드 승인취소절차를 밟게 되며 무통장입금시 현금 환불 혹은 적립금으로 변환 가능합니다.
  • - 반품도서와 함께 주문번호와 환불계좌번호를 알려주시면 빠른 처리 가능합니다.

고객만족도
총평점

0.0점

0%

☆☆☆☆

0%

★★☆☆☆

0%

★★★☆☆

0%

★★★★

0%

★★★★★

Total 0

review
No 평점 도서리뷰 작성자 작성일
Total 0
List
No 제목 글쓴이 등록일 상태
상품문의 작성

이 분야의 베스트도서

이 분야의 베스트원서

이 분야의 신간도서