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: نویسندگان: Krishnan Saravanan, Ramesh Kesavan, S. Balamurugan, G. S. Mahalakshmi سری: ISBN (شابک) : 9781771889209, 2020038314 ناشر: CRC Press سال نشر: 2020 تعداد صفحات: [565] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 11 Mb
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Handbook of Artificial Intelligence in Biomedical Engineering 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 کتاب راهنمای هوش مصنوعی در مهندسی 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.
کتابچه راهنمای هوش مصنوعی در مهندسی زیست پزشکی بر فناوریها و برنامههای جدید هوش مصنوعی تمرکز دارد که راهحلهای بسیار امیدوارکننده و فناوری پیشرفتهای را در زمینه زیست پزشکی ارائه میدهند. پیشرفتهای اخیر در تکنیکهای محاسباتی، مانند یادگیری ماشین، اینترنت اشیا (IoT) و دادههای بزرگ. استقرار دستگاههای زیستپزشکی در برنامههای مختلف مراقبتهای بهداشتی را تسریع میکند. این جلد به بررسی این موضوع میپردازد که چگونه هوش مصنوعی (AI) را میتوان با تقلید از دانش متخصص انسانی به منظور پیشبینی و نظارت بر وضعیت سلامت در زمان واقعی برای این سیستمهای خبره به کار برد. سیستمهای هوش مصنوعی با استفاده از یادگیری ماشینی، جمعآوری دادههای پزشکی دیجیتالی، ارتباطات بیسیم دادههای پزشکی و زیرساختهای محاسباتی رویکردهای هوش مصنوعی به شدت در حال افزایش هستند، به حل مسائل پیچیده در صنعت زیست پزشکی و ایفای نقش حیاتی در برنامههای مراقبتهای بهداشتی آینده کمک میکنند. دیدگاه چند رشته ای به کارگیری این کاربردهای جدید در مهندسی زیست پزشکی، کاوش در ترکیب اصول مهندسی با دانش بیولوژیکی که به توسعه مفاهیم انقلابی و نجات دهنده کمک می کند. موضوعات عبارتند از: مسائل مربوط به امنیت و حریم خصوصی در سیستمهای هوش مصنوعی زیستپزشکی و راهحلهای بالقوه کاربردهای بهداشتی با استفاده از سیستمهای هوش مصنوعی زیستپزشکی یادگیری ماشینی در مهندسی زیستپزشکی سیستمهای نظارت زنده بیمار شرح معنایی دادههای مراقبتهای بهداشتی این کتاب کاوش گستردهای از سیستمهای زیست پزشکی با استفاده از تکنیکهای هوش مصنوعی با پوشش دقیق ارائه میکند. از برنامه ها، تکنیک ها، الگوریتم ها، پلتفرم ها و ابزارها در سیستم های هوش مصنوعی زیست پزشکی. این کتاب برای محققان، پزشکان و متخصصان صنعت، دانشگاهیان و دانشجویان مفید خواهد بود.
"Handbook of Artificial Intelligence in Biomedical Engineering focuses on recent AI technologies and applications that provide some very promising solutions and enhanced technology in the biomedical field. Recent advancements in computational techniques, such as machine learning, Internet of Things (IoT), and big data, accelerate the deployment of biomedical devices in various healthcare applications. This volume explores how artificial intelligence (AI) can be applied to these expert systems by mimicking the human expert's knowledge in order to predict and monitor the health status in real time. The accuracy of the AI systems is drastically increasing by using machine learning, digitized medical data acquisition, wireless medical data communication, and computing infrastructure AI approaches, helping to solve complex issues in the biomedical industry and playing a vital role in future healthcare applications. The volume takes a multidisciplinary perspective of employing these new applications in biomedical engineering, exploring the combination of engineering principles with biological knowledge that contributes to the development of revolutionary and life-saving concepts. Topics include: Security and privacy issues in biomedical AI systems and potential solutions Healthcare applications using biomedical AI systems Machine learning in biomedical engineering Live patient monitoring systems Semantic annotation of healthcare data This book presents a broad exploration of biomedical systems using artificial intelligence techniques with detailed coverage of the applications, techniques, algorithms, platforms, and tools in biomedical AI systems. This book will benefit researchers, medical and industry practitioners, academicians, and students"--
Cover Half Title Title Page Copyright Page Series Page About the Editors Contents Contributors Abbreviations Preface 1. Design of Medical Expert Systems Using Machine Learning Techniques 2. From Design Issues to Validation: Machine Learning in Biomedical Engineering 3. Biomedical Engineering and Informatics Using Artificial Intelligence 4. Hybrid Genetic Algorithms for Biomedical Applications 5. Healthcare Applications of the Biomedical AI System 6. Applications of Artificial Intelligence in Biomedical Engineering 7. Biomedical Imaging Techniques Using AI Systems 8. Analysis of Heart Disease Prediction Using Machine Learning Techniques 9. A Review on Patient Monitoring and Diagnosis Assistance by Artificial Intelligence Tools 10. Semantic Annotation of Healthcare Data 11. Drug Side Effect Frequency Mining over a Large Twitter Dataset using Apache Spark 12. Deep Learning in Brain Segmentation 13. Security and Privacy Issues in Biomedical AI Systems and Potential Solutions 14. LiMoS—Live Patient Monitoring System 15. Real-Time Detection of Facial Expressions Using k-NN, SVM, Ensemble classifier and Convolution Neural Networks 16. Analysis and Interpretation of Uterine Contraction Signals Using Artificial Intelligence 17. Enhanced Classification Performance of Cardiotocogram Data for Fetal State Anticipation Using Evolutionary Feature Reduction Techniques 18. Deployment of Supervised Machine Learning and Deep Learning Algorithms in Biomedical Text Classification 19. Energy Efficient Optimum Cluster Head Estimation for Body Area Networks 20. Segmentation and Classification of Tumour Regions from Brain Magnetic Resonance Images by Neural Network-Based Technique 21. A Hypothetical Study in Biomedical Based Artificial Intelligence Systems using Machine Language (ML) Rudiments 22. Neural Source Connectivity Estimation using particle filter and Granger causality methods 23. Exploration of Lymph Node-Negative Breast Cancers by Support Vector Machines, Naïve Bayes, and Decision Trees: A Comparative Study Index