Hier werden für die Medizin relevante KI-Modelle nachvollziehbar erklärt: Grundlagen und typische Anwendungsbereiche, mathematische Algorithmen, Daten und Datentypen, Programmierung in Python inkl. Programmcode sowie Erkennen und Vermeiden von Fehlern. Einsetzbar sowohl für wissenschaftliche Arbeiten als auch für KI-basierte Tools im medizinischen Alltag. Teil I - Einführung Was ist künstliche Intelligenz? Wo und wie kommt sie in der Medizin zum Einsatz? Welche Möglichkeiten und Grenzen bieten die Algorithmen? Welche Risiken gibt es, welche ethischen und rechtlichen Aspekte sind zu bedenken? Teil II - Die wichtigsten Algorithmen werden detailliert vorgestellt
Für welche Art der Auswertung eignen sie sich? Welche mathematischen Modelle liegen zugrunde? Wie werden die Algorithmen programmiert und angepasst? Wie erkennt und vermeidet man fehlerhafte Auswertungen?
- Lineare Regression
- Logistische Regression
- Support Vector Machines
- Decision Trees
- Clustering
- Neuronale Netze
- Convolutional Neural Networks (CNNs)
- Graph Neural Networks (GNNs)
- Generative künstliche IntelligenzDaneben werden die nötigen Grundlagen zu Daten, Datentypen und zur Programmierung in Python erläutert, der Python-Code ist als Download verfügbar. Dieses Werk eignet sich für alle, die medizinische Daten z. B. im Rahmen einer Promotionsarbeit selbst auswerten wollen oder die ein vertieftes Verständnis zur Anwendung von KI-Analysen in der Medizin anstreben, um bestehende Tools gezielt anwenden zu können oder um neue Anwendungen zu entwickeln: Medizinstudierende, aber auch Forschende, Ärztinnen und Ärzte oder Unternehmerinnen und Unternehmer.
Hier werden für die Medizin relevante KI-Modelle nachvollziehbar erklärt: Grundlagen und typische Anwendungsbereiche, mathematische Algorithmen, Daten und Datentypen, Programmierung in Python inkl. Programmcode sowie Erkennen und Vermeiden von Fehlern. Einsetzbar sowohl für wissenschaftliche Arbeiten als auch für KI-basierte Tools im medizinischen Alltag.
