核醫藥品學
ISBN13：9789869190381
替代書名：Fundamentals of nuclear pharmacy
出版社：偉明
作者：Gopal B. Saha-原著;丁慧枝-編譯
裝訂／頁數：平裝／512頁
出版日：2022/01/28
中國圖書分類：藥學；藥理學；治療學
立即查看
放射治療物理學(Khan's The Physics of Radiation Therapy) (5版)
其他會員也一起購買
放射治療物理學
ISBN13：9789869228206
出版社：WOLTERS KLUWER
作者：Faiz M. Khan; Johb P. Gibbons
譯者：陳信雄等譯
裝訂／頁數：平裝／608頁
規格：29.5cm*21cm*3cm (高/寬/厚)
出版日：2015/11/01
中國圖書分類：行醫；醫務；內科
內容簡介
譯者序（Preface）
醫學物理在台灣開始萌芽至今約近四十年，早期從事臨床工作一直苦無適合且完整的參考用書，只能從相關的書籍以及國外的期刊文獻或取最新的治療物理知識與技術。直到1984年，Khan等人撰寫的《放射治療物理學》出版付梓後，隨即成為放射治療臨床工作者的參考用書。包括醫學物理師、劑量師、住院醫師及醫事放射師，都將其視為必讀的參考書籍。由於此書章節編排據系統化，總共區分為三大部分。由認識基本物理開始，進而從治療機到測量儀器，以及劑量的計算原理到度量方法，接著臨床技術的部份，最後就是品質保證與輻射安全。撰寫的內容由深包含廣闊，適合多元化的讀者閱讀，尤其到了2014年的第五版，內容更是新增了許多最新的治療儀器與治療技術。因此，放射相關系所的學生，亦採用此書做為放射治療物理與技術的教科書，甚至也將其列入國家考試參考用書。
此書的讀者包括臨床工作者及學校師生，長期以來，總有學生或工作夥伴問起，這本書影響深遠，能不能翻譯成中文，可以讓習慣中文的讀者更容易吸收。經過多年的醞釀，正有翻譯此書的念頭湧起之際，今年初正好Ｗolters Kluwer 台灣分公司的蔡仁惠經理來訪並提及翻譯一事，於是便建議了一些譯者名單，委請蔡經理與陳秋燕經理協助四處拜訪，終於號招了一些資深的臨床物理師與學有專精的老師，共同參與此書的翻譯事宜。在此也要感謝這些譯者殫精竭慮對本書的辛勞付出－醫學物理學會蕭安成理事長、台中榮總陳合興物理師、北醫附設鄭秀成物理師、中山醫大陳拓榮醫師、長庚大學蔡惠予老師、陽明大學許世明老師、以及中臺科大陳信雄老師。
希望藉由本書的出版，能夠對於在台灣長期以來使用的一些臨床專有名詞中文譯詞予以統一。如此，不僅能協助臨床工作者之間的溝通，亦能在教學上使學生對於專業之臨床技術更能明確了解。此外，也希望協助對原文閱讀有困難的讀者，能夠有效地了解本書的講述內容，讓此書實用的學理和知識能更正確和普遍地被認識。這些是當初翻譯這本書的重要動機與目的。
目錄
PART 1 基礎物理
1. 物質的結構
2. 核轉換
3. X光的產生
4. 臨床輻射產生器
5. 游離輻射的交互作用
6. 游離輻射的度量
7. X光射束品質
8. 吸收劑量的度量
PART2 古典放射治療
9. 計量分布與散射分析
10. 計量計算系統
11. 治療計畫I：等劑量分布
12. 治療計畫II：病人資料取得、治療驗證與不均質修正
13. 治療計畫III：照野塑形、皮膚劑量與照野間隔
14. 電子射束治療
15. 低劑量率近接治療：插種及劑量標稱的原則
16. 輻射防護
17. 品質保證
18. 全身照射治療
PART3
19. 三度空間順形放射治療
20. 強度調控放射治療
21. 立體定位放射治療與放射手術
22. 立體定位軀體放射治療
23. 高劑量率近接放射治療
24. 攝護腺插種：技術、劑量分析和治療計畫
25. 血管內近接放射治療
26. 影像導引放射治療
27. 質子束治療
原價:
2400
售價:
2280
現省:
120元
立即查看
放射攝影擺位與相關解剖學(Bontrager's Handbook of Radiographic Positioning and Techniques) (8版)
其他會員也一起購買
放射攝影擺位與相關解剖學(Textbook of Radiographic Positioning and Related Anatomy 8/E)
ISBN13：9789865666705
出版社：ELSEVIER
作者：Kenneth L. Bontrager; John P. Lampignano
譯者：邵佳和;劉薇音;李則平
裝訂／頁數：精裝／848頁
規格：31.5cm*23cm*3.5cm (高/寬/厚)
版次：8
出版日：2015/01/01
中國圖書分類：人體解剖學
內容簡介
目錄
1. 專業術語、擺位與造影原則
2. 胸部
3. 腹部
4. 上肢
5. 肱骨與肩帶
6. 下肢
7. 股骨與骨盆帶
8. 頸椎與胸椎
9. 腰椎、薦椎與尾椎
10. 骨性胸廓－胸骨與肋骨
11. 顱骨、顏面骨與副鼻竇
12. 膽道和上胃腸道系統
13. 下胃腸道系統
14. 泌尿系統與靜脈穿刺
15. 創傷、移動式和手術放射攝影
16. 兒科放射學
17. 血管攝影與介入性步驟
18. 電腦斷層攝影
19. 殊特放射攝影檢查程序
20. 診斷與治療設備
附錄 答案：評判用放射影像
原價:
4200
售價:
3980
現省:
220元
立即查看
超音波:原理與儀器 (10版)
其他會員也一起購買
超音波:原理與儀器(第10版)(Sonography Principles and Instruments 10/e)
309-6547/9789869965477
ISBN
9789869965477
作者/出版社
郭瓊文.丁健益譯/Elsevier/合記
出版年代/版次
2022/10
重量：1.75kg 頁數： 404 裝訂：精裝 開數：29.1 x 21.4 cm 印刷:彩色
本書特色
• 綜 合性的超音波影像原理
• 讓準備ARDMS 與SPI 的考生們有絕佳的助益
• 商業化超音波影像技術的最新發展
• 介紹兩種目前的系統操作原理
• 數百張彩色插圖和影像
• 數百題練習題與解答
• 提供綜合性複選題，並提供解答及附註詳解
• 採連貫式教學法，包括學習目標、本章概要與關鍵字
• 列出關鍵重點並附加圖示
• 使用符號標示出內文中的進階概念
• 提供描述性次標題
• 以框和列表整理重點
• 附詞彙表
本版新增特色
• 一 般情況下，教科書通常每4 或5 年會改版一次，內容涵蓋最新的功能及技術 ( 例如彈性成像)或移除那些已經消失的部分( 像是用平板顯示器替換陰極射線管)。但第10 版則不僅於此。它帶來了一個超音波技術的重大變化，這是舊版所沒有的。主要的變化是提出了理解和應用超音波影像原理的全新模式，模式意指如何思考或理解某事的方法。這個新模式點出了在現代超音波影像學系統中，存在兩種操作原理。
• 直到最近最近，在超音波技術變化的50 年歷史中，所有系統的基本操作原理都只有一種。而現在則出現兩種。不僅是操作的基本原則，在對系統的各種特性和影響上，兩者間則有顯著的差異。
• 因此，在有兩個操作原理下，本書必須用平行的方法來闡明這些差異。但其中一個因長年無人知曉。當運用原理1 的儀器不再出現，且以此操作的系統幾乎都消失時，原理3 ( 目前尚未開發) 可能就會出現了。伴隨著「人工智慧」、「機器學習」和「深度學習」的整合，我們可能 再也不會 只有單一個操作原理了！只要我們將超音波發送到體內，並接收超音波回波，這就會是超音波影像系統。我們處理回波的方式會因所應用的處理原則而完全不同。
• 將章節的數量從 8章新增至 10 章 ，新增加了專門用於原理2 的 第6 章 ，並將舊版的 第7 章 內容擴增為新版的 第8 章 和 第9 章
• 展示最新設備的影像插圖和圖表 (特別是針對原理2)
• 增加體積成像、彈性成像和複雜的回音獲取技術的內容，讓學生能跟上最新技術
• 最新的儀器輸出數據和官方安全聲明
• 與JRC - DMS 國家教育課程和ARDMS 考試規格一致，是為準備SPI 的考試用書
目錄
1 超音波：透視人體之窗，1
2 超音波：人類聽不見的聲音，13
3 換能器：負責傳送與接收，45
4 儀器：以操作原理1 產生解剖成像，77
5 儀器：以操作原理1 對動態與血流進行成像，138
6 儀器：使用原理2 時的解剖成像、運動和流動，190
7 假影：成像時的潛藏問題，202
8 性能，236
9 安全性 249
10 重點回顧，259
原價:
1500
售價:
1425
現省:
75元
立即查看
核子醫學與PET/CT：技術學與技術(Nuclear Medicine and PET/CT) (7版)
其他會員也一起購買
24
原價:
1680
售價:
1512
現省:
168元
立即查看
精確掌握 AI 大趨勢！深度學習技術解密：日本 AI 神人，帶你正確學會從機器學習到生成式 AI 的核心基礎 (1版)
類似書籍推薦給您
【簡介】
▍專業推薦 (依姓名筆劃排列)
王道維｜國立清華大學物理系教授 / 人文社會 AI 應用與發展研究中心副主任
林筱玫｜台灣人工智慧協會執行長
劉育維｜人工智慧解決方案專家暨網路作家
▍獨角獸新創公司 Preferred Networks 創辦人
▍2022 年日本「現代の名工」獲獎者
▍閱讀千篇論文的深厚學識精華
✧✦AI 神人親自講解深度學習的技術奧秘！✦✧
千變萬化的 AI 應用，核心都是「深度學習」。
掌握深度學習，才能迎接 AI 世代的新挑戰！
【基礎概念：深度學習的特色、與機器學習的不同】
認識機器學習的不同類型，詳細瞭解神經網路、特徵學習、反向傳播，如何使深度學習脫穎而出。
【發展進化：正規化層、跳躍連接、注意力單元】
深入解說這三項核心技術的數學原理，認識深度學習克服各種困難、大幅進化的歷程。
【實際應用：影像辨識、語音辨識、自然語言處理】
綜合以上基礎，說明深度學習從輸入到輸出完整執行實際任務的過程，以及各種基礎技術在不同應用領域所擔任的重要角色。
【技術回顧：AI 發展的坎坷與突破】
早在 1956 年提出的 AI，為何數十年間乏人問津？深度學習又是如何重燃 AI 的火種？回顧 AI 發展，更能洞察未來方向。
★特別收錄：精選基礎數學★
把學校的數學課忘光了也不用怕！附錄彙整深度學習的必要數學知識，有疑問隨時翻閱，回頭立刻跟上大師講解。
本書不含：
✗走馬看花的簡略介紹
✗只用大量文字描述數學概念
✗只挑知名的技術做單元介紹
本書注重：
✓各技術運作方式的詳盡解說與參考文獻
✓大量圖片表達技術要旨、實際數學式演示過程
✓各技術發展背景與傳承脈絡，描繪深度學習的改革史
✧✦探索 AI 奧祕絕不該錯過的精采好書！✦✧
本書特色:
◆難度由淺入深，從基礎數學開始紮穩根基
書中數學式從符號開始一一解說，各種計算及推導都仔細說明，書末更附上基礎數學補充，數學課忘光也不怕
◆核心關鍵技術一網打盡，完整掌握深度學習
學習模型 / 損失函數 / 梯度下降法 / 反向傳播 / 卷積層 / 循環層 / 閘控機制 / 激活函數 / 正規化 / 跳躍連接 / 注意力單元……核心技術全面涵蓋
◆插圖、文字、數學式，三管齊下詳盡講解
- 以圖示勾勒整體概念
- 以文字解構問題並說明思路
- 以數學式演示技術流程
3 方向完整拆解、充分理解，讀懂原理不必再囫圇吞棗
◆從背景到傳承，清楚描繪技術發展脈絡
偉大的技術，即是解決過去的問題，並提出未來的問題；本書清楚描繪核心技術環環相扣的進化史，更能展望 AI 未來的新發展
【目錄】
第 1 章 深度學習與人工智慧
為何深度學習能夠成功
1.1 何謂深度學習？什麼是人工「智慧」？
1.2 深度學習迅速發展的背景
1.3 深度學習的計算資源
1.4 人工智慧的歷史
1.5 未來將如何應用深度學習？
1.6 本章小結
第 2 章 機器學習入門
何謂電腦的「學習」？
2.1 機器學習的背景知識
2.2 模型、參數與資料
2.3 普適能力 — 能否處理未知資料？
2.4 學習的方法 — 監督式學習、非監督式學習與強化式學習
2.5 問題設定的分類學
2.6 機器學習的基本 — 了解機器學習的各種概念
2.7 以機率模型理解機器學習
2.8 本章小結
第 3 章 深度學習的技術基礎
組合資料轉換的「層」實現特徵學習的效果
3.1 特徵學習 — 「標示特徵」的重要性及挑戰
3.2 深度學習的基礎知識
3.3 神經網路是什麼樣的模型？
3.4 神經網路的學習
3.5 反向傳播 — 有效率地計算梯度
3.6 神經網路的主要組成元素
3.7 本章小結
第 4 章 深度學習的發展
改善學習與預測的正規化層╱跳躍連接╱注意力單元
4.1 將「學習」由理論化為現實的基礎技術 — 類似ReLU的激活函數
4.2 正規化層
4.3 跳躍連接
4.4 注意力單元 — 根據輸入，動態改變資料傳遞方式
4.5 本章小結
第 5 章 深度學習的應用技術
大幅進化的影像辨識、語音辨識、自然語言處理
5.1 影像辨識
5.2 語音辨識
5.3 自然語言處理
5.4 本章小結
附錄 精選基礎
深度學習所需的數學概念
A.1 線性代數
A.2 微分
A.3 機率
立即查看
圖解Linux核心工作原理｜透過實作與圖解學習OS與硬體的基礎知識【增訂版】 (2版)
類似書籍推薦給您
【簡介】
📌 全彩印刷、圖解詳盡，快速學會關鍵知識
📌 將Go與Python程式的實驗與結果視覺化
透過實作與豐富的精緻圖解，對OS與硬體相關的工作原理是如何運作，進行淺顯易懂的解說，讓您對OS的運作，有更加具體而清晰的了解。
不論是新手還是老手，都很容易陷入「OS是個充滿神秘與困難的東西」的困境。為了要改善這個狀況，本書不會探討艱深的理論，而是以Linux為中心，在進入實作階段前就對Linux的工作原理進行解說，讀者只需要對Linux基本的命令有所瞭解便可輕鬆閱讀。
本書可以幫助你：
．當OS或硬體相關故障產生時，能夠冷靜處理
．開發出有考慮到硬體特性的優良軟體
．瞭解該依據什麼樣的指標來設計系統
【目錄】
第1章 Linux概要
程式與行程
核心
系統呼叫
函式庫
第2章 行程管理-基礎篇
行程的建立
行程的父子關係
行程的狀態
行程的結束
殭屍行程（zombie processes）與孤兒行程（orphan process）
訊號
實現shell的工作管理
常駐程式
第3章 行程排程器
使用單一邏輯CPU 的情形
使用複數邏輯CPU 的情形
user+sys 比real 還要大的案例
時間片
上下文交換
關於效能
程式平行執行的重要性
第4章 記憶體管理系統
記憶體相關資訊的取得
記憶體的回收處理
虛擬記憶體
分配給行程的新記憶體區域
分頁表的階層化
第5章 行程管理-應用篇
行程建立處理的高速化
行程間通訊
互斥控制（mutual exclusion）
互斥控制的原地打轉
多行程與多執行緒
第6章 裝置存取
裝置檔
裝置驅動程式
裝置檔名是可變的
第7章 檔案系統
檔案的存取方法
記憶體對映檔案
一般檔案系統
容量制限（配額）
維持檔案系統的完整性
Btrfs 所提供的檔案系統高階功能
資料損毀的偵測/修復
其他的檔案系統
第8章 記憶階層
快取記憶體
Simultaneous Multi Threading（SMT）
分頁快取
緩衝快取
寫入的時機
direct I/O
置換（swap）
統計數據
第9章 區塊層
HDD的特徵
區塊層的基本功能
區塊裝置的效能指標與測量方法
區塊層對HDD 效能所帶來的影響
區塊層對NVMe SSD 的效能所帶來的影響
第10章 虛擬化功能
什麼是虛擬化功能
虛擬化軟體
支援虛擬化的CPU功能
主機作業系統是怎麼看待虛擬機器
虛擬化環境的行程排程
虛擬機器與記憶體管理
虛擬機器與儲存裝置
第11章 容器
與虛擬機器之間的差異
容器的種類
namespace
安全風險
第12章 cgroup
cgroup可控制的資源
使用案例：CPU使用時間的控制
應用案例
終章 本書所學到的內容與今後的應用方式
立即查看
機器學習的統計基礎：深度學習背後的核心技術
類似書籍推薦給您
機器學習的統計基礎：深度學習背後的核心技術
ISBN13：9789863126744
出版社：旗標出版社
作者：黃志勝
裝訂／頁數：平裝／432頁
規格：23cm*17cm*2.5cm (高/寬/厚)
版次：1
出版日：2021/11/15
中國圖書分類：特殊電腦方法
內容簡介
「作者在上市 IC 公司上班，每天面對 real world problems。探索如何建立輕量深度學習網路以及發展更有效率的學習方式是他每天的工作。這是一本學理及實務兼具的好工具書。」 － 中央研究院資訊科學研究所所長 廖弘源博士 推薦
[搭起 AI 與統計的橋樑]
原本統計學與人工智慧是兩個完全不同的領域，然而兩者在近代都有了新的發展進而產生連結。在人工智慧中導入機率與統計的觀念，讓電腦具有自己找出數據之間的關聯性並試圖解決問題的能力，因而出現機器學習 (machine learning) ，再加上電腦計算能力的大幅提升，解決多層類神經網路和大數據之間聯繫性的可能，進而衍生出現今最熱門的深度學習 (deep learning)。
不過，大部分電腦相關科系出身的人並不熟悉統計學，因此在更上一層樓的時候容易遇到障礙。有鑒於此，小編在推出《機器學習的數學基礎》(天瓏專業書店年度暢銷第一名) 一書之後，就積極開發 AI 與統計學相關的書籍。在尋尋覓覓之後請到擅長統計與機器學習的黃志勝博士出馬撰寫《機器學習的統計基礎》，首要之務就是讓讀者不要視統計為畏途，因此在書中設計大量範例以降低學習難度，務求讀得懂、做得出來才容易吸收，進而搭好統計與機器學習的橋樑。如果自覺數學已經還給老師了也不用擔心，可以將本書搭配《機器學習的數學基礎》一併完整學習。
[學會統計，由混亂到清晰]
本書從讀者在高中就學過的集合與機率論開始，帶您快速複習一遍，並將容易混淆之處多多舉例說明，並將以前似懂非懂的隨機變數、機率分布等觀念再解釋得更清楚。接下來就進入專有名詞特別多的統計學，這也是造成許多人暈頭轉向之處。特別是樣本估計、信賴區間、顯著水準、信心水準、t-分布、假設檢定...等讓人一個頭兩個大的主題，更是務求清楚明瞭。當然本書不可能把完整的統計學全都搬進來，此處只介紹機器學習、深度學習需要用到的統計基礎知識，縮短您的學習時間。
然後就進入機器學習的重頭戲，從資料前處理到迴歸、分類模型的建立，以及當數據的特徵數過多時的 PCA、LDA 統計降維法。從類神經網路開始進入深度學習的範疇，包括前向傳遞、梯度下降法與倒傳遞學習法的手算實作，幫助讀者一步步建立深度學習的演算邏輯，並利用參數常規化解決模型過擬合 (over-fitting) 的問題。最後，導入模型評估，例如二元、多元分類模型評估指標、迴歸模型評估指標、4 種交叉驗證的方法，做為判斷模型好壞的參考依據。
相信讀者認真看完本書後，一定能建立起機器學習結合統計學的硬底子。當然這只是開端，期望讀者以本書為基石繼續前行。
本書特色
1. 打好機率與統計的基礎，快速釐清讓人容易暈頭轉向的統計理論。
2. 藉由大量範例說明，務求讀得懂、做得出來，才容易吸收。
3. 作者提供專屬讀者天地，以及機器學習方面的文章供後續學習。
目錄
第 1 章 機器與深度學習常用的數學基礎
1.1 數值資料表示方式
1.1.1 純量 (scalar)
1.1.2 向量 (vector)
1.1.3 矩陣 (matrix)
1.1.4 張量 (tensor)
1.2 向量與矩陣運算
1.2.1 向量和純量相乘
1.2.2 向量相乘
1.2.3 矩陣相乘
1.2.4 Hadamard 乘積
1.2.5 逆矩陣 (反矩陣)
1.3 矩陣分解
1.3.1 特徵分解 (Eigenvalue decomposition)
1.3.2 奇異值分解 (SVD)
第 2 章 機器學習相關機率論
2.1 集合
2.2 隨機試驗與樣本空間
2.2.1 隨機試驗範例
2.2.2 隨機試驗與公正與否
2.3 事件
2.3.1 基本事件與複合事件
2.3.2 事件空間
2.4 事件的機率
2.4.1 事件機率三大公理
2.4.2 事件機率相同的例子
2.4.3 事件機率不同的例子
2.4.4 事件機率運算規則
2.5 條件機率與貝氏定理
2.5.1 條件機率
2.5.2 貝氏定理
2.5.3 統計獨立
2.6 隨機變數
2.6.1 隨機變數的類型
2.6.2 多維隨機變數
2.7 機率分布與機率密度函數
2.7.1 機率分布
2.7.2 數位化都是離散型的隨機變數
2.7.3 一維機率密度函數
2.7.4 多維機率密度函數 (聯合機率密度函數)
2.7.5 邊際機率密度函數
2.8 機器學習常用到的統計機率模型
2.8.1 伯努利分布 (Bernoulli Distribution)
2.8.2 二項分布 (Binomial Distribution)
2.8.3 均勻分布 (Uniform Distribution)
2.8.4 常態分布 (Normal Distribution)
第 3 章 機器學習常用的統計學 (一)
3.1 資料結構分類
3.1.1 「正確的資料」與「好品質的資料」
3.1.2 結構化資料
3.1.3 非結構化資料
3.1.4 半結構化資料
3.2 將統計量作為資料的特徵表徵
3.2.1 期望值
3.2.2 各階中心動差
3.2.3 相關係數與共變異數
3.2.4 共變異數矩陣
第 4 章 機器學習常用的統計學 (二)
4.1 母體與樣本估計
4.1.1 樣本統計量與抽樣分布
4.1.2 樣本平均數的期望值等於母體平均數
4.1.3 樣本變異數的期望值等於母體變異數
4.1.4 小結
4.2 信賴區間
4.2.1 信賴區間與顯著水準、信心水準的關係
4.3 母體為常態分布的區間估計
4.31 常態分布的特性
4.3.2 將常態分布標準化：z-score
4.3.3 標準常態分布平均值的區間估計
4.3.4 每次抽樣都有不同的信賴區間
4.3.5 信賴區間的用途
4.4 自由度 (Degree of Freedom)
4.5 t-分布 (t-distribution)
4.5.1 t 值 (t-score)：母體為常態，但標準差未知的情況
4.5.2 t 值與 z 值的關係
4.5.3 t-分布：隨機變數 t 的機率分布
4.6 抽樣數的選擇
4.6.1 母體數有無限個的情況
4.6.2 有限母體數的修正
4.7 假設檢定
4.7.1 假設檢定的預備知識
4.7.2 虛無假設、對立假設
4.7.3 檢定虛無假設成立的機率
4.7.4 計算橫軸上的 t 值
4.7.5 計算 p 值
第 5 章 機器學習常用的資料處理方式
5.1 資料標準化
5.1.1 Z 值標準化
5.1.2 Min-max 正規化
5.2 資料縮放
5.3 非線性轉換
5.3.1 對數函數能將數值範圍縮小
5.3.2 指數函數將數值轉換到特定範圍
5.3.3 非線性轉換較少用於資料前處理的原因
5.4 類別變數編碼
5.4.1 One-hot encoding
...
立即查看
練核心從裡強到外：全面了解Linux基礎架構
類似書籍推薦給您
原價:
1000
售價:
900
現省:
100元
立即查看
憲法學基礎理論(一) : 基本權核心理論之實證化及其難題 (2版)
類似書籍推薦給您
立即查看
華通書坊
