کتاب یادگیری عمیق در تصویربرداری پزشکی: مبانی، معماری و تکنیک‌های بخش‌بندی به بررسی اصول و کاربردهای یادگیری عمیق در تصویربرداری پزشکی می‌پردازد. ابتدا مفاهیم کلیدی و پیشرفت‌های تاریخی یادگیری عمیق را معرفی کرده و سپس کاربردهای آن در تصویربرداری تشخیصی، پیش‌بینی و درمانی را بررسی می‌کند. انواع مدالیته‌های تصویربرداری مانند اشعه‌ی ایکس، توموگرافی کامپیوتری (CT)، تصویربرداری رزونانس مغناطیسی (MRI) و تصویربرداری اولتراسوند نیز توضیح داده می‌شوند. بخش‌های میانی به اصول شبکه‌های عصبی مصنوعی، شبکه‌های پیچشی (CNN)، شبکه‌های بازگشتی (RNN) و مدل‌های مولد مانند خودرمزگذارها و شبکه‌های مولد تخاصمی (GANs) می‌پردازند. همچنین، تکنیک‌های آموزش و یادگیری انتقالی به همراه مثال‌های عملی از تشخیص بیماری‌ها و غربالگری سرطان بررسی می‌شوند. فصل‌های نهایی تکنیک‌های بخش‌بندی تصویر و موضوعاتی مانند یادگیری فدرال و هوش مصنوعی قابل‌توضیح را پوشش می‌دهند. این کتاب با ارائه‌ی دیدگاهی جامع، منبعی مفید برای علاقه‌مندان به یادگیری عمیق در تصویربرداری پزشکی است.