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: Pradeep Chowriappa, Sumeet Dua, Yavor Todorov (auth.), Sumeet Dua, U. Rajendra Acharya, Prerna Dua (eds.) سری: Intelligent Systems Reference Library 56 ISBN (شابک) : 9783642400162, 9783642400179 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2014 تعداد صفحات: 334 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب یادگیری ماشین در انفورماتیک بهداشتی: هوش محاسباتی، هوش مصنوعی (شامل رباتیک)
در صورت تبدیل فایل کتاب Machine Learning in Healthcare Informatics 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 یادگیری ماشین در انفورماتیک 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 تلاشی منحصربهفرد برای ارائه انواع تکنیکهای طراحیشده برای بازنمایی، تقویت، و توانمندسازی تحقیقات یادگیری ماشین چند رشتهای و چند نهادی در انفورماتیک مراقبتهای بهداشتی است. این کتاب یک خلاصه منحصر به فرد از پارادایم های یادگیری ماشینی فعلی و در حال ظهور برای انفورماتیک مراقبت های بهداشتی ارائه می دهد و تنوع، پیچیدگی و عمق و نفس این حوزه چند رشته ای را منعکس می کند. نمای پانورامیک و یکپارچه داده ها و تکنیک های یادگیری ماشین می تواند فرصتی برای بینش ها و اکتشافات بالینی جدید فراهم کند.
The book is a unique effort to represent a variety of techniques designed to represent, enhance, and empower multi-disciplinary and multi-institutional machine learning research in healthcare informatics. The book provides a unique compendium of current and emerging machine learning paradigms for healthcare informatics and reflects the diversity, complexity and the depth and breath of this multi-disciplinary area. The integrated, panoramic view of data and machine learning techniques can provide an opportunity for novel clinical insights and discoveries.
Front Matter....Pages i-xii
Introduction to Machine Learning in Healthcare Informatics....Pages 1-23
Wavelet-based Machine Learning Techniques for ECG Signal Analysis....Pages 25-45
Application of Fuzzy Logic Control for Regulation of Glucose Level of Diabetic Patient....Pages 47-64
The Application of Genetic Algorithm for Unsupervised Classification of ECG....Pages 65-80
Pixel-based Machine Learning in Computer-Aided Diagnosis of Lung and Colon Cancer....Pages 81-112
Understanding Foot Function During Stance Phase by Bayesian Network Based Causal Inference....Pages 113-129
Rule Learning in Healthcare and Health Services Research....Pages 131-145
Machine Learning Techniques for AD/MCI Diagnosis and Prognosis....Pages 147-179
Using Machine Learning to Plan Rehabilitation for Home Care Clients: Beyond “Black-Box” Predictions....Pages 181-207
Clinical Utility of Machine Learning and Longitudinal EHR Data....Pages 209-227
Rule-based Computer Aided Decision Making for Traumatic Brain Injuries....Pages 229-259
Supervised Learning Methods for Fraud Detection in Healthcare Insurance....Pages 261-285
Feature Extraction by Quick Reduction Algorithm: Assessing the Neurovascular Pattern of Migraine Sufferers from NIRS Signals....Pages 287-307
A Selection and Reduction Approach for the Optimization of Ultrasound Carotid Artery Images Segmentation....Pages 309-332