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
دسته بندی: کامپیوتر ویرایش: نویسندگان: Amy Neustein سری: Speech Technology and Text Mining in Medicine and Health Care. ISBN (شابک) : 9781614513902, 1614513910 ناشر: De Gruyter سال نشر: 2014 تعداد صفحات: 227 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 14 مگابایت
کلمات کلیدی مربوط به کتاب متن کاوی محتوای پزشکی مبتنی بر وب: داده کاوی، پزشکی - تحقیق، اینترنت، انفورماتیک پزشکی، سلامت و تناسب اندام - کل نگری، سلامت و تناسب اندام - مرجع، پزشکی - طب جایگزین، پزشکی - اطلس، پزشکی - مقالات، پزشکی - خانواده و تمرین عمومی ,پزشکی -- پزشکی کل نگر,پزشکی -- استئوپاتی
در صورت تبدیل فایل کتاب Text mining of web-based medical content 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 متن کاوی محتوای پزشکی مبتنی بر وب 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.
متن کاوی محتوای پزشکی مبتنی بر وب، وب کاوی را برای استخراج اطلاعات مفیدی که می تواند برای درمان و نظارت بر مراقبت های بهداشتی بیماران استفاده شود، بررسی می کند. این کار رویکردهای روش شناختی را برای طراحی ابزارهای نقشه برداری ارائه می دهد که از داده های موجود در پست های رسانه های اجتماعی بهره برداری می کنند. ویژگیهای زبانی خاص پستهای پزشکی در مقابل ابزارهای استخراج دادههای موجود برای جمعآوری اطلاعات مفید تجزیه و تحلیل میشوند. بیشتر بخوانید...
Text Mining of Web-Based Medical Content examines web mining for extracting useful information that can be used for treating and monitoring the healthcare of patients. This work provides methodological approaches to designing mapping tools that exploit data found in social media postings. Specific linguistic features of medical postings are analyzed vis-a-vis available data extraction tools for culling useful information. Read more...
Preface
Contents
List of authors
Part I. Methods and techniques for mining biomedical literature and electronic health records
1 Application of text mining to biomedical knowledge extraction: analyzing clinical narratives and medical literature
1.1 Introduction
1.2 Background
1.2.1 Clinical and biomedical text
1.2.2 Information retrieval
1.2.2.1 Information retrieval process
1.2.3 Information extraction
1.2.4 Challenges to biomedical information extraction systems
1.2.5 Applications of biomedical information extraction tools
1.3 Biomedical knowledge extraction using text mining. 1.3.1 Unstructured text gathering and preprocessing1.3.1.1 Text gathering
1.3.1.2 Text preprocessing
1.3.2 Extraction of features and semantic information
1.3.3 Analysis of annotated texts
1.3.3.1 Algorithms for text classification
1.3.3.2 Classification evaluation measures
1.3.4 Presentation
1.4 Text mining tools
1.5 Summary
Appendix \"A\"
References
2 Unlocking information in electronic health records using natural language processing: a case study in medication information extraction
2.1 Introduction to clinical natural language processing
2.2 Medication information in EHRs. 2.3 Medication information extraction systems and methods2.3.1 Relevant work
2.3.2 Summary of approaches
2.3.2.1 Rule-based methods
2.3.2.2 Machine learning-based methods
2.3.2.3 Hybrid methods
2.4 Uses of medication information extraction tools in clinical research
2.5 Challenges and future work
References
3 Online health information semantic search and exploration: reporting on two prototypes for performing information extraction on both a hospital intranet and the world wide web
3.1 Introduction
3.2 Background
3.3 Related work
3.3.1 Semantic search. 3.3.2 Health information search and exploration3.3.3 Information extraction for health
3.3.4 Ontology-based information extraction --
OBIE
3.4 A general architecture for health search: handling both private and public content
3.5 Two semantic search systems for health
3.5.1 MedInX
3.5.1.1 MedInX ontologies
3.5.1.2 MedInX system
3.5.1.3 Representative results
3.5.2 SPHInX --
Semantic search of public health information in Portuguese
3.5.2.1 System architecture
3.5.2.2 Natural language processing
3.5.2.3 Semantic extraction models
3.5.2.4 Semantic extraction and integration. 3.5.2.5 Search and exploration3.6 Conclusion
Acknowledgments
References
Part II. Machine learning techniques for mining medical search queries and health-related social media posts and tweets
4 Predicting dengue incidence in Thailand from online search queries that include weather and climatic variables
4.1 Introduction
4.1.1 Dengue disease in the world
4.2 Epidemiology of dengue disease
4.2.1 Temperature change and the ecology of A. aegypti
4.3 Using online data to forecast incidence of dengue
4.3.1 Background and related work
4.3.2 Methodology for dengue cases prediction.