دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1 نویسندگان: Ravindra Khattree (Editor), Dayanand Naik (Editor) سری: ISBN (شابک) : 9781584885771, 9780367388010 ناشر: Chapman and Hall/CRC سال نشر: 2007 تعداد صفحات: 432 زبان: فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 مگابایت
کلمات کلیدی مربوط به کتاب روش های محاسباتی در تحقیقات زیست پزشکی: علوم زیستی، بیوانفورماتیک، علوم دارویی، آزمایشهای بالینی - علوم دارویی، ریاضیات و آمار، آمار و احتمال، آمار، نظریه و روشهای آماری
در صورت تبدیل فایل کتاب Computational Methods in Biomedical Research 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 روش های محاسباتی در تحقیقات زیست پزشکی 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.
پیشرفتهای مداوم در تحقیقات زیستپزشکی و روشهای آماری مستلزم جریانی مداوم از گزارشهای بهروز و منسجم از پیشرفتهای جدید است تا روشها بتوانند به درستی در زمینه زیستپزشکی پیادهسازی شوند. در پاسخ به این نیاز، روشهای محاسباتی در تحقیقات زیستپزشکی به بررسی روشهای آماری محاسباتی مهم فعلی و نوظهور میپردازد که در تحقیقات زیستپزشکی استفاده میشوند. این مجموعه معتبر که توسط محققان فعال در این زمینه نوشته شده است، طیف وسیعی از موضوعات را پوشش می دهد. قبل از رفتن به بحث های پیشرفته تر در مورد برنامه ها، هر موضوع را در سطح پایه معرفی می کند. این کتاب با تجزیه و تحلیل دادههای ریزآرایه، تکنیکهای یادگیری ماشینی و پروفایلهای پروتئینی مبتنی بر طیفسنجی جرمی آغاز میشود. سپس از مدلهای فضای حالت برای پیشبینی میزان مرگ و میر ناشی از سرطان در ایالات متحده استفاده میکند و یک نمای کلی از کاربرد مدلهای چند حالته در تجزیه و تحلیل زمانهای شکست متعدد ارائه میدهد. این کتاب همچنین تکنیکهای مختلف بیزی، نظارت متوالی تستهای تصادفیسازی، مدلهای اثرات مختلط، و قوانین طبقهبندی دادههای اندازهگیری مکرر را توصیف میکند. این حجم با روش های تخمینی برای تجزیه و تحلیل داده های طولی به پایان می رسد. با ارائه دانش لازم برای انجام تجزیه و تحلیل های آماری پیچیده، این مرجع برای هر کسی که در تحقیقات پیشرفته زیست پزشکی و دارویی فعالیت می کند ضروری است. این به تلاش برای شناسایی داروهای جدید بالقوه برای درمان انواع بیماری ها کمک می کند.
Continuing advances in biomedical research and statistical methods call for a constant stream of updated, cohesive accounts of new developments so that the methodologies can be properly implemented in the biomedical field. Responding to this need, Computational Methods in Biomedical Research explores important current and emerging computational statistical methods that are used in biomedical research. Written by active researchers in the field, this authoritative collection covers a wide range of topics. It introduces each topic at a basic level, before moving on to more advanced discussions of applications. The book begins with microarray data analysis, machine learning techniques, and mass spectrometry-based protein profiling. It then uses state space models to predict US cancer mortality rates and provides an overview of the application of multistate models in analyzing multiple failure times. The book also describes various Bayesian techniques, the sequential monitoring of randomization tests, mixed-effects models, and the classification rules for repeated measures data. The volume concludes with estimation methods for analyzing longitudinal data. Supplying the knowledge necessary to perform sophisticated statistical analyses, this reference is a must-have for anyone involved in advanced biomedical and pharmaceutical research. It will help in the quest to identify potential new drugs for the treatment of a variety of diseases.
Preface. Microarray Data Analysis. Machine Learning Techniques for Bioinformatics: Fundamentals and Applications. Machine Learning Methods for Cancer Diagnosis and Prognostication. Protein Profiling for Disease Proteomics with Mass Spectrometry: Computational Challenges. Predicting US Cancer Mortality Counts Using State Space Models. Analyzing Multiple Failure Time Data Using SAS Software. Mixed-Effects Models for Longitudinal Virologic and Immunologic HIV Data. Bayesian Computational Methods in Biomedical Research. Sequential Monitoring of Randomization Tests. Proportional Hazards Mixed-Effects Models and Applications. Classification Rules for Repeated Measures Data from Biomedical Research. Estimation Methods for Analyzing Longitudinal Data Occurring in Biomedical Research. Index.