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: Nilanjan Dey (editor), Nabanita Das (editor), Jyotismita Chaki (editor) سری: ISBN (شابک) : 9781032057019, 1032057017 ناشر: CRC Press سال نشر: 2021 تعداد صفحات: 219 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 20 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Digital Future of 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 آینده دیجیتال مراقبت های بهداشتی 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 بر روی کاربردهای پلتفرم های دیجیتال مختلف در زمینه مراقبت های بهداشتی تمرکز دارد. این دستگاههای مختلف مورد استفاده در مراقبتهای بهداشتی دیجیتال، مزایای آنها، تشخیص، استفاده در درمان و موارد استفاده مرتبط با مراقبتهای بهداشتی تلفن همراه را توصیف میکند. علاوه بر این، یادگیری ماشینی و عمیق، فناوری بلاک چین، تجزیه و تحلیل داده های بزرگ مربوط به مراقبت های بهداشتی دیجیتال، فناوری بهداشت از راه دور، و برنامه های کاربردی دیجیتال در زمینه بازاریابی دارویی فشار و کشش را پوشش می دهد. به طور کلی، خوانندگان را قادر می سازد تا اصول اولیه فرآیندهای تصمیم گیری را با استفاده از تکنیک های دیجیتال برای حوزه مراقبت های بهداشتی درک کنند.
ویژگی ها:
p>
این کتاب برای محققان و دانشجویان فارغالتحصیل در زمینههای مراقبتهای بهداشتی، اینترنت اشیا، یادگیری ماشینی، علوم کامپیوتر، روباتیک، پوشیدنیها، مهندسی برق، و مهندسی پزشکی طراحی شده است.
This book focuses on the applications of different digital platforms in the field of healthcare. It describes different devices used in digital healthcare, their benefits, diagnosis, use in treatment, and use cases related to mobile healthcare. Further, it covers machine and deep learning, blockchain technology, big data analytics as relevant to digital healthcare, telehealth technology, and digital applications in the field of push-and-pull pharma marketing. Overall, it enables readers to understand the basics of decision-making processes using digital techniques for the healthcare field.
Features:
This book is aimed at researchers and graduate students in healthcare, internet of things, machine learning, computer science, robotics, wearables, electrical engineering, and biomedical engineering.
Cover Half Title Title Page Copyright Page Contents Preface Editors Contributors 1. Introduction to Digital Future of Healthcare 1.1 Introduction 1.2 Misconceptions of Digital Healthcare 1.2.1 Misconception 1: People Do Not Want to Adopt Automated Healthcare Services 1.2.2 Misconception 2: Mainly Young Adults Choose Digital Services 1.2.3 Misconception 3: Mobile Health or M-health Is a Game-changer 1.2.4 Misconception 4: Patients Are Searching for New Applications and Features 1.3 The State of Digital Change of Healthcare in 2021 1.3.1 The Growth in On-Demand Healthcare (Why Patients Need Healthcare on Their Schedule) 1.3.2 The Significance of Big Data in the Health Industry 1.3.3 The Wonder and Care of Patients with Artificial Intelligence 1.3.4 Development of Wearable Healthcare Devices 1.3.5 Blockchain and the Future of Improved Electronic Medical Records 1.4 Advantages of Digital Healthcare 1.5 Challenges in Digital Healthcare 1.6 Summary References 2. A Content-Based Image Retrieval System for Diagnosis and Detection of Skin Cancer Using Self-Organizing Feature Maps 2.1 Introduction 2.2 Research Highlights 2.3 Review on Skin Cancer 2.4 Methodology 2.4.1 Computation of Local Binary Pattern (LBP) 2.4.1.1 Importance of LBP 2.4.2 Derivation for LBP 2.4.3 Algorithm for LBP 2.5 Importance and Algorithm for Computation of Variance 2.6 Algorithm for DFT Computation 2.7 Detection of Skin Lesion Using Self-Organizing Maps (SOM) 2.8 Similarity Measures Used for Training the SOM 2.9 Performance Evaluation 2.10 Results and Discussion 2.11 Conclusion References 3. Innovative Wearable Device Technology for Biomedical Applications 3.1 Introduction 3.2 Wearable Devices in Vital Signs Monitoring 3.2.1 Heart Rate 3.2.2 Respiration Rate 3.2.3 Body Temperature 3.2.4 Blood Pressure 3.2.5 Blood Glucose 3.2.6 Blood Oxygen Saturation 3.2.7 Motion Evaluation 3.2.8 Other Biomedical Applications of Wearable Devices 3.3 Few examples of Innovative Wearable Healthcare Devices Currently Under Development 3.3.1 RespiroGear - Respiratory Rate Controller 3.3.1.1 Background 3.3.1.2 Novelty 3.3.1.3 Core Technology 3.3.2 CardioMate - Heart Rate and Activity Monitoring for Disease Diagnosis 3.3.2.1 Background 3.3.2.2 Novelty 3.3.2.3 Core Technology 3.4 Key Factors Influencing the Growth of Healthcare Device Sector, Particularly in the India Context 3.5 Challenges and Way Forward of Wearable Devices in Healthcare Technology References 4. Advancements in Digital Computation: Issues and Opportunities in Healthcare Services 4.1 Introduction 4.2 Literature Survey 4.3 Proposed Model 4.3.1 Overview of the Framework 4.3.2 Perception Layer 4.3.3 Communication Layer 4.3.4 Computing Model 4.3.4.1 Classification Model 4.4 Case Study: COVID-19 Pandemic 4.5 Limitations and Future Scope References 5. Epileptic Aura Detection to Rescue the Epilepsy Patient Through Wireless Body Area Sensor Network 5.1 Introduction 5.1.1 Epilepsy Attack 5.1.2 Body Area Network 5.1.2.1 Technologies Associated with BAN 5.2 Related Work 5.3 Our Approach 5.3.1 Proposed Model 1 - Close Circuit Seizure Detector 5.3.1.1 Initial Setup 5.3.2 Proposed Model 2 - Neck Choker 5.3.2.1 Components of EEG Module 5.3.3 Proposed Model 3 - Seizure Detection with Heart Beat Sensor 5.3.3.1 Procedure of Calculation of Pulse Rate 5.3.3.2 Normal Pulse Rate 5.4 Discussion 5.5 Conclusion References 6. Prediction of Users' Performance in Surgical Augmented Reality Simulation-Based Training Using Machine Learning Techniques 6.1 Introduction 6.2 Background and Related Work 6.3 Methodology 6.3.1 Apparatus 6.3.2 Pilot Study 6.3.3 Human Evaluation Technique 6.3.4 Machine Learning Classifiers (MLCs) 6.3.5 Performance Measures 6.4 Findings 6.5 Discussion 6.6 Conclusion and Future Work Note References 7. An Ensemble Approach for Argument Mining on Medical Reviews 7.1 Introduction 7.1.1 Medical Reviews 7.1.2 Challenges in Handling Medical Reviews 7.2 Motivation 7.3 Related Work 7.4 Methodology 7.4.1 Proposed Methodology 7.4.2 Data Collection and Preprocessing 7.4.3 Feature Extraction 9.4.4 Relationship Extraction 7.4.5 Ensemble Methods 7.5 Results and Analysis 7.5.1 Results 7.5.2 Discussion 7.5.3 Website 7.5.4 Argument Graphs and User Interface 7.6 Conclusion References 8. Augmented Reality Systems and Haptic Devices for Needle Insertion Medical Training 8.1 Introduction 8.2 Augmented Reality (AR) 8.3 Haptic Devices 8.4 AR Systems with Haptic Devices 8.5 Analysis of the Studies 8.6 Challenges, Trends, and Opportunities 8.7 Conclusion References 9. Current Strategies and Future Perspectives of Autoimmune Disorder 9.1 Introduction: Background and Driving Forces 9.2 Autoimmune Disorders 9.3 Protocol Used During Docking Process 9.4 Analysis of Interaction Result Obtained from Molecular Docking 9.5 Summary and Conclusions References 10. Aspects of Improvement of Digital Healthcare Systems Through Digital Transformation 10.1 Introduction: Digital Transformation in Healthcare System 10.2 Challenges of Digital Transformation in Healthcare 10.3 Computer-Aided Drug Design with H2N2 Influenza A Virus 10.4 Analysis of Molecular Interaction 10.5 Summary and Conclusions References 11. Automated Detection of COVID-19 Lesion in Lung CT Slices with VGG-UNet and Handcrafted Features 11.1 Introduction 11.2 Earlier Research 11.3 Methodology 11.3.1 Image Database 11.3.2 Segmentation with VGG-UNet 11.3.3 Feature Extraction 11.3.4 Feature Selection with Bat Algorithm 11.3.5 Classifier Implementation 11.3.5.1 Decision-Tree 11.3.5.2 Random-Forest 11.3.5.3 K-Nearest Neighbor 11.3.5.4 SVM-RBF 11.3.6 Validation of the Proposed System 11.4 Results and Discussions 11.5 Conclusion References Index