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: 1st ed. نویسندگان: Sergio Consoli, Diego Reforgiato Recupero, Milan Petković سری: ISBN (شابک) : 9783030052485, 9783030052492 ناشر: Springer International Publishing سال نشر: 2019 تعداد صفحات: 367 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 9 مگابایت
کلمات کلیدی مربوط به کتاب علم داده برای بهداشت و درمان: روش ها و کاربردها: علوم کامپیوتر، داده کاوی و کشف دانش، انفورماتیک سلامت، انفورماتیک سلامت، ذخیره و بازیابی اطلاعات، برنامه های کاربردی سیستم های اطلاعاتی (شامل اینترنت)
در صورت تبدیل فایل کتاب Data Science for Healthcare: Methodologies and Applications 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 علم داده برای بهداشت و درمان: روش ها و کاربردها 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.
این کتاب به دنبال ترویج بهره برداری از علم داده در سیستم های
مراقبت های بهداشتی است. تمرکز بر پیشرفت روشهای تحلیلی خودکار
است که برای استخراج دانش جدید از دادهها برای برنامههای
کاربردی مراقبتهای بهداشتی استفاده میشود. برای انجام این
کار، این کتاب از چندین رشته مرتبط به هم، از جمله یادگیری
ماشین، تجزیه و تحلیل داده های بزرگ، آمار، تشخیص الگو، بینایی
کامپیوتر، و فناوری های وب معنایی استفاده می کند و بر کاربرد
مستقیم آنها در مراقبت های بهداشتی تمرکز دارد.
ساخت بر سه آموزش- مانند فصلهای مربوط به علم داده در
مراقبتهای بهداشتی، یازده فصل زیر داستانهای موفقیتآمیز در
کاربرد علم داده در مراقبتهای بهداشتی را نشان میدهد، جایی که
علم داده و فناوریهای هوش مصنوعی بسیار امیدوارکننده
هستند.
این کتاب عمدتاً برای دانشمندان داده در نظر گرفته شده است. در
بخش بهداشت و درمان یا پزشکی با خواندن این کتاب، آنها بینش های
اساسی را در مورد فن آوری های علوم داده مدرن مورد نیاز برای
پیشرفت نوآوری برای مشاغل مراقبت های بهداشتی و بیماران به دست
خواهند آورد. برای بهره مندی کامل از این کتاب، درک پایه ای از
علم داده توصیه می شود.
This book seeks to promote the exploitation of data science
in healthcare systems. The focus is on advancing the
automated analytical methods used to extract new knowledge
from data for healthcare applications. To do so, the book
draws on several interrelated disciplines, including machine
learning, big data analytics, statistics, pattern
recognition, computer vision, and Semantic Web technologies,
and focuses on their direct application to healthcare.
Building on three tutorial-like chapters on data science in
healthcare, the following eleven chapters highlight success
stories on the application of data science in healthcare,
where data science and artificial intelligence technologies
have proven to be very promising.
This book is primarily intended for data scientists involved
in the healthcare or medical sector. By reading this book,
they will gain essential insights into the modern data
science technologies needed to advance innovation for both
healthcare businesses and patients. A basic grasp of data
science is recommended in order to fully benefit from this
book.
Front Matter ....Pages i-xii
Front Matter ....Pages 1-1
Data Science in Healthcare: Benefits, Challenges and Opportunities (Ziawasch Abedjan, Nozha Boujemaa, Stuart Campbell, Patricia Casla, Supriyo Chatterjea, Sergio Consoli et al.)....Pages 3-38
Introduction to Classification Algorithms and Their Performance Analysis Using Medical Examples (Jan Korst, Verus Pronk, Mauro Barbieri, Sergio Consoli)....Pages 39-73
The Role of Deep Learning in Improving Healthcare (Stefan Thaler, Vlado Menkovski)....Pages 75-116
Front Matter ....Pages 117-117
Making Effective Use of Healthcare Data Using Data-to-Text Technology (Steffen Pauws, Albert Gatt, Emiel Krahmer, Ehud Reiter)....Pages 119-145
Clinical Natural Language Processing with Deep Learning (Sadid A. Hasan, Oladimeji Farri)....Pages 147-171
Ontology-Based Knowledge Management for Comprehensive Geriatric Assessment and Reminiscence Therapy on Social Robots (Luigi Asprino, Aldo Gangemi, Andrea Giovanni Nuzzolese, Valentina Presutti, Diego Reforgiato Recupero, Alessandro Russo)....Pages 173-193
Assistive Robots for the Elderly: Innovative Tools to Gather Health Relevant Data (Alessandra Vitanza, Grazia D’Onofrio, Francesco Ricciardi, Daniele Sancarlo, Antonio Greco, Francesco Giuliani)....Pages 195-215
Overview of Data Linkage Methods for Integrating Separate Health Data Sources (Ana Kostadinovska, Muhammad Asim, Daniel Pletea, Steffen Pauws)....Pages 217-238
A Flexible Knowledge-Based Architecture for Supporting the Adoption of Healthy Lifestyles with Persuasive Dialogs (Mauro Dragoni, Tania Bailoni, Rosa Maimone, Michele Marchesoni, Claudio Eccher)....Pages 239-265
Visual Analytics for Classifier Construction and Evaluation for Medical Data (Jacek Kustra, Alexandru Telea)....Pages 267-287
Data Visualization in Clinical Practice (Monique Hendriks, Charalampos Xanthopoulakis, Pieter Vos, Sergio Consoli, Jacek Kustra)....Pages 289-304
Using Process Analytics to Improve Healthcare Processes (Bart Hompes, Prabhakar Dixit, Joos Buijs)....Pages 305-325
A Multi-Scale Computational Approach to Understanding Cancer Metabolism (Angelo Lucia, Peter A. DiMaggio)....Pages 327-345
Leveraging Financial Analytics for Healthcare Organizations in Value-Based Care Environments (Dieter Van de Craen, Daniele De Massari, Tobias Wirth, Jason Gwizdala, Steffen Pauws)....Pages 347-367