序文に目を通す。雑誌連載に端を発する原稿に,足かけ20年も手を加え続ける仕事の崇高さを思う。序文の最後には表紙デザインの真実が明かされる。第1章の頭にある「POINT」のデザインに笑みをこらえきれない。 これらは全て制作陣の狙いであろう。早すぎる奥付と序文解説によって,冒頭から読者は「講師のナラティブ」を手に入れる。続けて展開される本文の筆致は王道,そこに物語性を生む役割を持つ脚注を連弾させる組み立て。本当に見事だ,思わずうなってしまう。「講師が語る姿」をイメージしながら楽しく読み進めることができる構成によって,本書は「勝っている」,それもかなり強い勝ち方をしている。優勝と言っていいだろう(何が?
みなさん、こんにちは。 臨床検査技師養成科2年生です😊 私たち2年生は、病理細胞検査学実習の真っただ中です。 この実習は3週間かけて、病理検査で必須とされる標本作製の技術を学んでいきます🎵 各ペアに分かれて様々な染色を行い、顕微鏡で観察していきます。 染める臓器によって染色法が異なり、顕微鏡での見え方も変わっていきます。 顕微鏡を使って、色鮮やかなミクロの世界を観察できることが病理検査の魅力です🌟 標本作製はなかなか難しいですが、先生方に指導していただき、少しずつ上達している実感があります🌸 投稿タグ: 実習 | 北里学院 | 臨床検査技師 | 病理
前立腺がんの生検に対する病理診断AIの開発が各方面で進んでいる。しかし、そのアルゴリズムを病理医のワークフローへ統合した際の影響は十分に解明されていない。Google Healthの研究者らは「AIが病理医を補助して前立腺生検の診断精度・効率・一貫性を向上させる」という研究成果を学術誌 JAMA Network Open に発表した。 同研究は、20名の病理医による240例の前立腺生検での診断について検証された。病理医は泌尿器科領域専門と非専門の者が参加している。その際、病理診断に対してAI支援ツールを使用することで、前立腺がんの悪性度を分類するグリーソングレードグループ(GG)の病理医間での一致率が、GG1-5までの全体で70%→75%に上昇、特にGG1では72%→79%に上昇した。また、AI支援によって腫瘍検出パフォーマンスは向上し、感度と特異度が上昇、生検1件あたりの時間は13. 5%減少して診断効率がアップした。 米国内で年間100万件を超えるといわれる前立腺生検において、結果の多くはGG1に分類される。そのため、GG1における診断パフォーマンスの向上は特に重要な意味をもつ。また、泌尿器科領域の専門性を有する病理医の数は大量の前立腺生検をすべて担当するには不十分であるため、専門性をもたない病理医との間で診断に一貫性が担保されることが望まれていた。AI支援ツールが現場の課題を本当に解決できるか、Google Healthの研究者らは実際のワークフローでのAIの利用価値に着目した成果を示し始めている。
商品紹介 日常の病理診断に役立つ実用的テーマを厳選し毎号特集として取り上げ,臨床との密接な連携を念頭におきつつ,人体病理学の第一線に必要な病理診断の知識を幅広く解説. また,定評ある厳格な査読システムを通過したレベルの高い原著,症例,病理技術,情報処理などを掲載して,日本の病理診断学の最高水準を提供する.カレント・トピックスや 連載も充実した内容.
TOKYO analyticaはデータサイエンスと臨床医学に強力なバックグラウンドを有し、健康増進の追求を目的とした技術開発と科学的エビデンス構築を主導するソーシャルベンチャーです。 The Medical AI Timesにおける記事執筆は、循環器内科・心臓血管外科・救命救急科・小児科・泌尿器科などの現役医師およびライフサイエンス研究者らが中心となって行い、下記2名の医師が監修しています。 1. 【病理学】図解(イラスト)とゴロで簡単「無機塩類（銅・鉄の過剰症・不足症など）」の覚え方｜森元塾@国家試験対策｜note. M. Okamoto MD, MPH, MSc, PhD 信州大学医学部卒(MD)、東京大学大学院専門職学位課程修了(MPH)、東京大学大学院医学系研究科博士課程修了(PhD)、ロンドン大学ユニバーシティカレッジ(University College London)科学修士課程最優等修了(MSc with distinction)。UCL visiting researcher、日本学術振興会特別研究員を経て、SBI大学院大学客員准教授、東京大学特任研究員など。専門はメディカルデータサイエンス。 2. MD 防衛医科大学校卒(MD)。大学病院、米メリーランド州対テロ救助部隊を経て、現在は都内市中病院に勤務。専門は泌尿器科学、がん治療、バイオテロ傷病者の診断・治療、緩和ケアおよび訪問診療。泌尿器科専門医、日本体育協会認定スポーツドクター。
第5章「得点期待値」 得点期待値については以前pandasのパフォーマンスに関するブログを書いた時に写経をしました. 計算そのものはデータの特徴がわかっていればpandasで十分出来ちゃいます. *9 なお, Python版コードは今の所非公開ですがアドベントカレンダーもありますしいずれ出すと思います. 第8章「選手の成績推移」 こちらも実は昨年やってます. RとPythonを比較するにあたり, 第8章のミッキー・マントルの成績推移がちょうどよいネタだったので引用してやりました. これは断片的なスニペットと共にPython版・R版を並べて書いてるので参考になるかも. *10 Pythonでやりたい方は もし真似してPythonでやりたい方がいましたらぜひ, Jupyter環境でPythonとR両方動かしながら写経することをオススメします! RとPythonを比較するエントリー でも触れましたが, Jupyter Lab(Jupyter notebook)の環境を作る. Anacondaでも何でもいい. 上記環境にRkernelを入れる と, 一つの環境でPythonもRも両方使えるようになります&RStudioよりやや劣るかもですがRも十分使えるので便利です. *11 Google Colab を使ってもいいかも. *12 というわけで, 待望していた野球データサイエンス本である, Rによるセイバーメトリクス入門 の紹介でした. 大切なので2度言いますが, 原著より安いかつホント充実した内容なので野球ファンかつデータサイエンスをする方はマストハブですよ! 当ブログの大まかな概要について - baseballcat 野球狂の独り言. 日本シリーズが終わった後, 年末の自学自習や来年の野球に思いを馳せつつ野球データサイエンスをする方が増えると嬉しいなと思います. というのと, プログラミングするにせよSQLを読み書きするにせよ探索的データサイエンスはどんな職種でも最低限やるようなタスクになると思います. そこを野球で先取りする感じでやるといいんじゃないっていうのも強く言いたいですしその参考にもなるんじゃないかなと思います. わたしの関心事は、野球だけ。いったいなぜだろう? それは、ほかの分野の数字と違って、野球のデータには 言葉と同じ力があるからだ。 上記はセイバーメトリクスの生みの親であるビル・ジェームズ氏の言葉なのですがホントそのとおり *13 で, このブログがそんな野球データ分析を楽しむ方の助けになると幸いです.
要約すると, Rを使ったセイバーメトリクス(野球データ分析・統計学)をオープンデータとサンプルコードを元に紹介 上記に必要なRでのプログラミング(データ読み込み・加工・分析・可視化)のテクニックを紹介 スコアデータを使った古典的なセイバーメトリクスから, 昨今流行りのStatcast(主にボールの動きのデータ)を用いた分析まで網羅 という内容になっています. なお, 原著の「 Analyzing Baseball Data with R, Second Edition 」より(かなり)お手頃な価格で入手できるのも大きなポイントかと思います. *3 対象読者&要求されるスキルなど 表紙の情報をそのまま引用すると, セイバーメトリシャン. 要約すると「セイバーメトリクス愛好家・ファン」だったり「野球データが好き」な方. 熱烈な野球ファン. 読んで字の如し. 野球データの探求に興味のある学生. ということになっています&原著も含めて読んだ私もこれは全くもって違和感ないです. もうちょっと補足すると, Rおよび一部の章で使っているSQLについて, 初心者向けの解説は一切ないので「自分で調べて自学自習しながらすすめる」レベルの人もしくは別途RなりSQLを入門するような書籍・コンテンツも同時に進めると良さそう. これは後の章で補足します. 野球データセットの解説は載っているものの, 実際の所触りながら理解することも多いので「データをいい感じにいじって触りながら探索的に理解する」タスクや業務に慣れている人が向いている *4. 逆説的には「野球好きだけどデータを見るの面倒 or こわい」って人は合わない. データも事例もメジャーリーグなので「ワイは日本のプロ野球でやりたいんや, プロ野球のデータをクレメンス」希望だったりメジャーリーグに興味ない人にも辛い *5. というのはあるかもしれないです. ちなみに数学とか統計の知識・経験は読みながらやるで全然大丈夫な感じでした... 野球好きのデータ分析初心者は「Rによるセイバーメトリクス入門」から探索するといいかもしれない - Lean Baseball. が, 若干ではありますが「セイバーメトリクスの初歩的な内容」や「野球データの特徴量」の解説を端折っているので, そのへんが気になる方は セイバーメトリクス入門 や, (手前味噌ですが)こちらのエントリーを補足的に読むと良いかと思います. 見どころ 実際に書籍を手にとって読んでいただきたいところは全部!... なのですが, 「野球データの探求」「データ分析をはじめたて」な方にはこの二点を特にオススメしたいです.
臭いの原因を元から消してくれる消臭剤に『カンファペット』という消臭スプレーがあります。 カンファペットは、ニオイの原因物質を分解・変質させて無害化することで安全にニオイを消してくれます。 消臭だけでなく、除菌もしてくれる優れものです。 「でも、カンファペットなんて聞いたことないし・・・」 と、あなたは思われるかもしれませんね。 カンファペットは、 ★ 東京都から表彰を受けた実績がある ★ 500社以上の企業で採用されている など、高い信頼性があります。 特に、その消臭除菌技術は数多くの有名企業で採用されていて、具体的には、 キッコーマン 、味の素、 中村屋 、 アサヒビール など、数え切れないほど。 高い安全性が求められる食品業界で採用されているという点だけでも、その実力が折り紙付きであることがわかるのではないかなと思います。 カンファペットはペット向けの製品ですが、スパイクなどのスポーツ用品はじめ、さまざまな用途に使うことができます。 「野球のスパイクの消えないニオイをなんとかしたい」 という場合は、よかったら、詳細をチェックしてみてくださいね。 カンファペットの詳細はこちら
250になる!」といった具合に、新庄選手の浮沈を予測していたことをよく覚えています。新庄選手だけでなく、 気になる選手の打率や防御率を計算するのがシーズン中の日課 でした。今にして思えば、この日課が「データ駆動野球観戦」のはじめの一歩だったのでしょう。 その後、2000年から私は社会人になり、一人暮らしをはじめてからも野球はよく見ていました。忙しくなり、テレビで野球を見る時間こそ減りましたが、『すぽると!