内容説明
医用画像(CTやMRI)以外，特に生体信号を用いたAI技術に焦点を当て，新たな医療AI開発の時代に備えるために必要な事柄を丁寧に解説した。さらに，医療AIに関わる法律や倫理，薬事についても解説を試みた。
目次
1．序論
1.1 医療AIとは？
1.2 本書の構成
2．生体の構造・機能
2.1 神経系
2.1.1 神経細胞
2.1.2 静止膜電位と活動電位
2.1.3 シナプス伝達
2.1.4 脳神経回路の構造
2.1.5 脳の機能
2.2 感覚器系
2.2.1 視覚
2.2.2 聴覚と平衡覚
2.2.3 嗅覚と味覚
2.3 筋骨格系
2.3.1 骨格
2.3.2 骨格筋
2.3.3 筋線維の構造
2.3.4 筋線維の収縮原理と神経シグナルによる制御
2.3.5 筋収縮の生理学
2.4 循環器系
2.4.1 循環器系の構成
2.4.2 心臓の解剖学的構造
2.4.3 刺激伝導系と心筋の収縮
2.4.4 循環器系の役割
2.4.5 循環の調節
3．生体計測
3.1 脳活動
3.1.1 電気的活動
3.1.2 脳血流反応
3.2 心電図
3.3 筋電図
3.4 脈波
3.4.1 光電式容積脈波記録
3.4.2 心弾動図
4．生体信号処理
4.1 信号処理の基礎
4.1.1 フーリエ解析
4.1.2 ウェーブレット解析
4.2 行列分解
4.2.1 主成分分析
4.2.2 独立成分分析
4.2.3 非負値行列因子分解
4.3 生体信号の特徴量
5．生体信号処理に用いられるAI・機械学習
5.1 異常検知
5.1.1 多変量統計的プロセス管理（MSPC）
5.1.2 自己符号化器
5.2 クラスタリング
5.2.1 階層的クラスタリング
5.2.2 k平均法
5.2.3 混合ガウス分布モデル
5.3 分類
5.3.1 最近傍法とk近傍法
5.3.2 ベイズの識別規則と線形判別分析法
5.3.3 ロジスティック回帰
5.3.4 サポートベクタマシン
5.3.5 決定木とランダムフォレスト
5.4 回帰
5.4.1 線形回帰
5.4.2 サポートベクタ回帰
5.4.3 k近傍法とカーネル回帰
5.4.4 ガウス過程回帰
5.5 因果推論
5.5.1 グレンジャー因果性
5.5.2 LiNGAM
5.6 深層学習
5.6.1 フィードフォワードニューラルネットワーク
5.6.2 普遍性定理
5.6.3 誤差逆伝搬法
5.6.4 畳み込みニューラルネットワーク：画像データの処理
5.6.5 再帰型ニューラルネットワーク：時系列データの処理
5.6.6 その他の話題
6．生体信号を用いた医療AI技術開発
6.1 脳活動
6.1.1 脳機能画像を用いた精神疾患の診断と層別化
6.1.2 ブレイン－マシンインタフェース（BMI）
6.2 心拍変動
6.2.1 自律神経系
6.2.2 心拍変動解析
6.2.3 時間領域指標
6.2.4 周波数領域指標
6.2.5 脈波のHRV解析への利用
6.2.6 自律神経系の機能検査法
6.2.7 HRVによるてんかん発作予知
6.2.8 臨床データへの適用結果
6.3 筋電位信号
6.3.1 運動単位：筋線維群とα運動ニューロン
6.3.2 筋電位信号とは
6.3.3 表面筋電図の計測方法
6.3.4 筋電位信号の応用事例
7．実社会への実装および今後の展望
7.1 社会実装例
7.1.1 心電図または心音を用いるAIデバイス
7.1.2 胸部聴診音や呼吸音を用いるAIデバイス
7.1.3 その他のバイタルサインを用いるデバイス
7.1.4 画像診断
7.2 今後の展望
8．医療AIの法律・倫理・薬事
8.1 医療AI開発者にとっての法律の意義
8.1.1 法的規制の大枠
8.1.2 事例検討
8.2 医療AIの法律と倫理
8.2.1 AIの倫理
8.2.2 医療・医学研究の倫理
8.2.3 倫理にどのように対応すればよいのか
8.3 医療AIと薬事
8.3.1 医療AIの医療機器該当性について
8.3.2 薬事規制から見た医療AI開発
8.3.3 AI医療機器に治験は必要か不要か？
引用・参考文献
索引
感想・レビュー
※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。
Go Extreme
