可视化,特别是科学可视化提供了无与伦比的机制不同方面的数据通信。它大致包括几个重要的计算机科学研究领域,包括计算机图形学,计算机视觉,视觉计算。与日益增长的人工智能(AI)的进步,越来越多的机器学习算法结合可视化和计算机视觉方法。由于新技术使许多非侵入性,耐磨,多模式,和传感器设备用于医药相关数据收集、数据从这些流程提供了一个有前途的机会获得许多可视化和计算机视觉方法到位。这些数据通常有一些独特的特点,包括敏感性,实用价值高,复杂性,大尺寸,和多维空间,这使得研究探索更有趣的。结合可视化、计算机视觉和机器学习有利于创建有效的方法,应用,甚至在医疗保健系统。

机器学习/基于ai计算机视觉方法已经发展为肿瘤和结节的诊断出现在不同的人体器官使用获得的图像数据使用不同的扫描方式,如CT和MRI。的结果是有前途的,然而仍有改进的余地。机器学习/人工智能技术可用于非医疗数据的特征提取和分类,通常被忽视。非图像数据可以包括基于文本的病人记录,医生的处方、药品描述和诊断结果。这可以成为一个重要的勘探能力ML / AI,作为非医疗数据的可视化创建增加数据的实用价值。

这个特殊的问题旨在涵盖最近可视化和计算机视觉的发展使用机器学习和人工智能医疗数据和开放问题特别有兴趣。目标是提供一个全面、最新的研究和实验工作。我们欢迎原始研究和评论文章。

潜在的主题包括但不限于以下:

• Visualization-based预测分析和治疗
• 医学图像处理和计算机视觉
• 小说使用医疗数据可视化算法
• 机learning-enriched可视化方法
• 单和多维医学图像分析
• e-health数据的可视化
• 云计算和大数据可视化医疗保健
• 临床/病人病历可视化
• 患者行为数据可视化和分析
• 可视化辅助技术和机器学习
• Visualization-aided诊断和预测
• Symptom-related模式检测与识别
• Visualization-guided医疗程序
• 医疗数据图像和非图像的特征提取