Health Care und Künstliche Intelligenz : Ethische Aspekte verstehen - Entwicklungen gestalten (2024. 460 S. 25 SW-Abb., 25 Farbabb. 215 mm)

個数:

Health Care und Künstliche Intelligenz : Ethische Aspekte verstehen - Entwicklungen gestalten (2024. 460 S. 25 SW-Abb., 25 Farbabb. 215 mm)

  • 提携先の海外書籍取次会社に在庫がございます。通常約3週間で発送いたします。
    重要ご説明事項
    1. 納期遅延や、ご入手不能となる場合が若干ございます。
    2. 複数冊ご注文の場合、分割発送となる場合がございます。
    3. 美品のご指定は承りかねます。

    ●3Dセキュア導入とクレジットカードによるお支払いについて
  • 【入荷遅延について】
    世界情勢の影響により、海外からお取り寄せとなる洋書・洋古書の入荷が、表示している標準的な納期よりも遅延する場合がございます。
    おそれいりますが、あらかじめご了承くださいますようお願い申し上げます。
  • ◆画像の表紙や帯等は実物とは異なる場合があります。
  • ◆ウェブストアでの洋書販売価格は、弊社店舗等での販売価格とは異なります。
    また、洋書販売価格は、ご注文確定時点での日本円価格となります。
    ご注文確定後に、同じ洋書の販売価格が変動しても、それは反映されません。
  • 製本 Paperback:紙装版/ペーパーバック版
  • 商品コード 9783825262570

Description


(Text)
Was nützt Künstliche Intelligenz im Gesundheitswesen, wenn diese nicht verantwortungsvoll entwickelt und genutzt wird? Das vorliegende Buch beschäftigt sich mit den grundlegenden Modellen und aktuellen Entwicklungen im Bereich der Künstlichen Intelligenz im Gesundheitswesen, diskutiert konkrete Anwendungsszenarien und stellt die enge Verbindung mit ethischen Fragestellungen her. In kompakter und verständlicher Form wird dies von ausgewiesenen Expert:innen aus unterschiedlichen Teilbereichen und Thematiken präsentiert.
(Table of content)
Vorwort Einleitung | Andreas Klein, Sebastian Dennerlein und Helmut Ritschl. 1. Hinführung 2. Begriffliche Annäherungen 2.1 Künstliche Intelligenz (KI) 2.2 Maschinelles Lernen - Machine Learning (ML) 2.3 (Künstliche) Neuronale Netze (KNN) 2.4 Deep Learning (DL) 3. Veranschaulichung einiger ethischer Herausforderungen und Lösungsansätze 4. Zu den Beiträgen dieses Buches Literatur Abschnitt 1: Grundlagen zu KI und erste ethische Überlegungen Data Science und Künstliche Intelligenz | Wolfgang Granigg und Klaus Lichtenegger 1. Von Big Data zur Künstlichen Intelligenz 2. Was ist Künstliche Intelligenz? 3. Eine kurze Geschichte der KI 3.1 Die Anfänge: Rechnen und Codes knacken 3.2 Logik und Symbole 3.3 Maschinelles Lernen 3.4 Statistisches Lernen 3.5 Von der Natur das Lernen lernen 3.6 Die Deep-Learning-Revolution 3.7 Technische Infrastruktur 3.8 What else?4. Wie lernen Computerprogramme? 4.1 Supervised Learning 4.2 Unsupervised Learning 4.3 Reinforcement Learning 5. Einige Herausforderungen im ML 5.1 Underfitting und Overfitting 5.2 Ausdruckskraft vs. Erklärbarkeit Literatur 66 Wahrscheinlichkeit und Statistik - manchmal gegen unsere Intuition | Klaus Lichtenegger, Raphaele Raab und Wolfgang Granigg 1. Zugänge zur Statistik 2. Verzerrungen in den Daten 3. Die Crux mit dem Mittelwert 4. Regression zur Mitte 5. Das Simpson-Paradoxon 6. Fallstricke bei der Datenvisualisierung 7. Wahrscheinlichkeit wider die Intuition 8. Bedingte Wahrscheinlichkeiten 9. Der Satz von Bayes Literatur Die Hintergründe von KI im Gesundheitswesen verstehen lernen | Marco Tilli, Michael Melcher, Debora Stickler und Raphaele Raab Vom Problem zum Machine Learning Beispiel 1: Modellieren von BIP und Kindersterblichkeit Was ist eine Lineare Regression? Beispiel 2: Gruppieren von Brustkrebs-Merkmalen Beispiel 3: Klassifikation COVID-19 vs. Grippe aufgrund der Symptome Beispiel 4: Bildverarbeitung und -klassifikation Aufbau eines CNNs Arten von CNNs Beispiel 5: Befunde verstehen und schreiben Explainable AI im Medizinwesen Was ist xAI eigentlich?Wo xAI angewandt wird LiteraturEthische Perspektiven eines verantwortungsbewussten Umgangs mit Künstlicher Intelligenz|Andreas Klein103 1. Hinführung2. Wie intelligent ist Künstliche Intelligenz - oder kann sie werden?3. Ethik und die Frage nach dem guten Handeln4. Ethik für KI4.1 Ethik-Leitlinien für eine vertrauenswürde KI4.2 Ethische Verpflichtungen4.3 Grundrechte und KI4.4 Vier ethische Grundsätze (Prinzipien)5. Abschließende Würdigung und AusblickLiteraturAbschnitt 2: Anwendungsbeispiele von KI-Anwendungen in unterschiedlichen Domänen des GesundheitswesensArtificial Intelligence und Machine Learning in der medizinischen Bilddatenverarbeitung | Wolfgang Birkfellner1. Einführung2. Welche Daten werden verwendet?3. Eine unverbindliche Anleitung für Experimente4. Anwendungsmöglichkeiten5. Stärken, Schwächen und Bedrohungen6. Auswirkungen auf das Berufsbild7. Ausblick und HerausforderungenLiteraturChatGPT als Arzt? |Lars Mehnen, Stefanie Gruarin, Mina Vasileva und Bernhard Knapp1. Zusammenfassung2. Einführung3. Beschreibung der Untersuchungsmethode3.1 Schritt 1: Ursprung der klinischen Fallvignetten3.2 Schritt 2: Verwendung von ChatGPT3.3 Schritt 3: Bewertung der richtigen Antworten3.4 Schritt 4: Darstellung der diagnostischen Genauigkeit4. Ergebnisse des Experiments4.1 Diagnostische Genauigkeit von ChatGPT bei häufigen Erkrankungen4.2 Diagnostische Genauigkeit von ChatGPT bei seltenen Erkrankungen5. Diskussion der Ergebnisse aus dem Experiment5.1 ChatGPT (Version 3.5 und 4) erreicht bemerkenswerte Genauigkeiten5.2 Lernt ChatGPT nur auswendig?5.3 ChatGPT kann / soll keinen menschlichen Arzt ersetzenLiteraturAktuelle Anwendungsszenarien und -beispiele von KI-Systemen in Diagnostik und Therapie | Bianca Buchgraber-Schnalzer und Bernhard Neumayer1. Einleitung2. Medizinische Bildgebung2.1 Bildrekonstruktion2.2 Bildanalyse3. Kardi

最近チェックした商品