ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Artificial Intelligence in Healthcare

دانلود کتاب هوش مصنوعی در بهداشت و درمان

Artificial Intelligence in Healthcare

مشخصات کتاب

Artificial Intelligence in Healthcare

دسته بندی: سایبرنتیک: هوش مصنوعی
ویرایش:  
نویسندگان: , , ,   
سری: Advanced Technologies and Societal Change 
ISBN (شابک) : 9811662649, 9789811662645 
ناشر: Springer 
سال نشر: 2021 
تعداد صفحات: 157 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت 

قیمت کتاب (تومان) : 43,000

در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 9


در صورت تبدیل فایل کتاب Artificial Intelligence in Healthcare به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب هوش مصنوعی در بهداشت و درمان نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب هوش مصنوعی در بهداشت و درمان

این کتاب مسائل تجزیه و تحلیل و بهینه سازی در سیستم های مراقبت های بهداشتی را برجسته می کند، رویکردهای جدید را پیشنهاد می کند و کاربردهای رویکردهای نوآورانه را در امکانات واقعی ارائه می دهد. در چند دهه گذشته، افزایش تصاعدی در استفاده از تکنیک های هوش ازدحام برای حل مشکلات پیچیده و پیچیده ناشی از مراقبت های بهداشتی وجود داشته است. تطبیق پذیری این تکنیک ها آنها را در میان دانشمندان و محققانی که در زمینه های مختلف کار می کنند مورد علاقه قرار داده است. هدف اصلی این کتاب ارائه پیشرفت‌های کامل، عمیق و کاملاً متمرکز انواع ترکیبی الگوریتم‌های هوش ازدحام و کاربردهای آن‌ها در سیستم‌های مراقبت‌های بهداشتی است.


توضیحاتی درمورد کتاب به خارجی

This book highlights the analytics and optimization issues in healthcare systems, proposes new approaches, and presents applications of innovative approaches in real facilities. In the past few decades, there has been an exponential rise in the application of swarm intelligence techniques for solving complex and intricate problems arising in healthcare. The versatility of these techniques has made them a favorite among scientists and researchers working in diverse areas. The primary objective of this book is to bring forward thorough, in-depth, and well-focused developments of hybrid variants of swarm intelligence algorithms and their applications in healthcare systems.



فهرست مطالب

Preface
Contents
About the Editors
Geospatial Modelling and Trend Analysis of Coronavirus Outbreaks Using Sentiment Analysis and Intelligent Algorithms
	1 Introduction
		1.1 Rule-Based Approaches
		1.2 Automated Approaches
		1.3 Hybrid Approaches
		1.4 Geo-Spatial Analysis
	2 Literature Review
	3 Methodology
		3.1 Data Collection
		3.2 Data Pre-Processing
		3.3 Spatial Analysis
		3.4 Sentiment Analysis
	4 Results
	5 Conclusion
	References
A Particle Swarm Optimization Based ANN Predictive Model for Statistical Detection of COVID-19
	1 Introduction
	2 Related Work
	3 Particle Swarm Optimization
	4 Artificial Neural Network
	5 Methodology
		5.1 Dataset Description
		5.2 Proposed Model
	6 Result and Discussion
	7 Conclusion
	References
Identifying Malignancy of Lung Cancer Using Deep Learning Concepts
	1 Introduction
	2 Literature Survey
	3 Experiment
		3.1 Dataset
		3.2 Implementation
		3.3 Result
	4 Conclusion
	References
Protecting ECG Signals with Hybrid Swarm Intelligence Algorithm
	1 Introduction
	2 Related Work
	3 Proposed Work
		3.1 Hybrid Firefly Particle Swarm Optimization
		3.2 QR Code
		3.3 QR Decomposition
	4 Embedding and Extraction
		4.1 Embedding Process
		4.2 Extraction Process
	5 Results and Discussion
	6 Conclusion
	References
Human Eye Vision Algorithm (HEVA): A Novel Approach for the Optimization of Combinatorial Problems
	1 Introduction
	2 Related Work
		2.1 Genetic Algorithm
		2.2 Artificial Neural Network
		2.3 Simulated Annealing
	3 Proposed Optimization Algorithm
		3.1 Proposed Algorithm
		3.2 Framework for the Proposed Algorithm
		3.3 Details of the Proposed Algorithm
		3.4 Proposed Algorithm Pseudo-code
		3.5 Illustration of Proposed Algorithm
		3.6 Steps Followed in Proposed Algorithm
	4 Result and Analysis
	5 Conclusion
	References
Analytics and Big Data in the Health Domain
	1 Introduction
	2 Theoretical Background
		2.1 Role of Produced Data in Today’s Era
		2.2 Data Intelligence and Computational Intelligence
	3 Deep Learning
	4 Application to Health Management
	5 Autoencoders
	6 Result Discussion and Conclusion
	References
Pneumonia Prediction Using Swarm Intelligence Algorithms
	1 Introduction
	2 Methodology
		2.1 Deep Convolutional Neural Networks
		2.2 Convolutional Neural Networks
	3 Experimental Work Pneumonia Dataset
	4 Conclusion
	References
Predictive Analysis in Health Care System Using AI
	1 Introduction
	2 Related Research
	3 AI Framework in Healthcare
		3.1 Data of Healthcare
		3.2 AI Devices
		3.3 Focus on Disease
		3.4 Prevailing Tendency in Medical AI
		3.5 Computer Based Intelligence Exceed Expectations At All Around Characterized Errands
		3.6 Computer Based Intelligence is Supporting Specialists, Not Supplanting Them
		3.7 Simulated Intelligence Bolsters Inadequately Resourced Administrations
		3.8 Computer Based Intelligence is an Exceptionally Critical Eater
	4 Applications of AI
		4.1 Banking
		4.2 Finance
		4.3 Healthcare
		4.4 Astrophysics
		4.5 Gaming
		4.6 Data Security
		4.7 Robotics
		4.8 System for Maintenance
	5 Machine Learning and Deep Learning
	6 Importance of AI
	7 Conclusion and Future Scope
	References
Applications of Swarm Intelligent and Deep Learning Algorithms for Image-Based Cancer Recognition
	1 Introduction
	2 Overview of Swarm Intelligent and Deep Learning Algorithms
		2.1 Particle Swarm Optimization (PSO)
		2.2 Genetic Algorithm (GA)
		2.3 Ant Colony Optimization (ACO)
		2.4 Convolutional Neural Networks (CNNs)
		2.5 Fully Convolutional Neural Network (FCNs)
		2.6 Auto-encoders Neural Networks
	3 Cancer Recognition Using Hybrid Swarm Intelligent and Deep Learning Algorithms
		3.1 Brain Cancer
		3.2 Breast Cancer
		3.3 Skin Cancer
		3.4 Lung Cancer
		3.5 Prostate Cancer
	4 Conclusion
	References




نظرات کاربران