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 ed.]
نویسندگان: Khalid Raza (editor). Nilanjan Dey (editor)
سری: Intelligent Signal Processing and Data Analysis
ISBN (شابک) : 0367705702, 9780367705701
ناشر: CRC Press
سال نشر: 2021
تعداد صفحات: 224
[225]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 9 Mb
در صورت تبدیل فایل کتاب Translational Bioinformatics Applications in 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 کاربردهای بیوانفورماتیک ترجمه در بهداشت و درمان 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.
بیوانفورماتیک ترجمهای (TBI) شامل توسعه ذخیرهسازی، تجزیه و تحلیل، و روشهای محاسباتی پیشرفته برای جمعآوری دانش از دادههای زیستپزشکی و ژنومیک حجیم در مراقبتهای بهداشتی 4P (پیشگیرانه، پیشبینیکننده، پیشگیرانه، و مشارکتی) است. برنامه های کاربردی بیوانفورماتیک ترجمه ای در مراقبت های بهداشتی مروری دقیق بر مفاهیم TBI، پایگاه های داده بیولوژیکی و بالینی، انفورماتیک بالینی، و کاربردهای واقعی مربوطه ارائه می دهد. همچنین پیشرفتهای اخیر، ابزارها، تکنیکها و کاربردهای TBI در مراقبتهای بهداشتی، از جمله پتانسیل اینترنت اشیا (IoT)، پایگاههای اطلاعاتی سموم، تجزیه و تحلیل تصاویر پزشکی و برنامههای پزشکی از راه دور، تجزیه و تحلیل تصاویر CT COVID-19، ویروس انفورماتیک و بیماریهای ویروسی و تحقیقات مرتبط با COVID-19.
p>
با هدف محققان و دانشجویان فارغالتحصیل در زیستشناسی محاسباتی، دادهکاوی و کشف دانش، الگوریتمها و پیچیدگی، و زمینههای مطالعات میان رشتهای، از جمله بیوانفورماتیک، سلامت-انفورماتیک، آمار زیستی، مهندسی زیست پزشکی، و ویروانفورماتیک.
خالد. رضا استادیار گروه علوم کامپیوتر جامیا میلیا اسلامیه (دانشگاه مرکزی)، دهلی نو است. علایق تحقیقاتی وی شامل بیوانفورماتیک ترجمه ای، روش های هوش محاسباتی و کاربردهای آن در بیوانفورماتیک، ویروانفورماتیک و انفورماتیک سلامت است.
نیلانجان دی دانشیار، گروه علوم و مهندسی کامپیوتر، دانشگاه JIS، کلکته، هند. علایق تحقیقاتی او شامل تصویربرداری پزشکی، یادگیری ماشینی، تشخیص به کمک کامپیوتر و داده کاوی است.
Translational bioinformatics (TBI) involves development of storage, analytics, and advanced computational methods to harvest knowledge from voluminous biomedical and genomic data into 4P healthcare (proactive, predictive, preventive, and participatory). Translational Bioinformatics Applications in Healthcare offers a detailed overview on concepts of TBI, biological and clinical databases, clinical informatics, and pertinent real-case applications. It further illustrates recent advancements, tools, techniques, and applications of TBI in healthcare, including Internet of Things (IoT) potential, toxin databases, medical image analysis and telemedicine applications, analytics of COVID-19 CT images, viroinformatics and viral diseases, and COVID-19–related research.
Aimed at researchers and graduate students in computational biology, data mining and knowledge discovery, algorithms and complexity, and interdisciplinary fields of studies, including bioinformatics, health-informatics, biostatistics, biomedical engineering, and viroinformatics.
Khalid Raza is an Assistant Professor, the Department of Computer Science, Jamia Millia Islamia (Central University), New Delhi. His research interests include translational bioinformatics, computational intelligence methods and its applications in bioinformatics, viroinformatics, and health informatics.
Nilanjan Dey is an Associate Professor, the Department of Computer Science and Engineering, JIS University, Kolkata, India. His research interests include medical imaging, machine learning, computer-aided diagnosis, and data mining.
Cover Half Title Series Page Title Page Copyright Page Table of Contents Preface Editors Contributors Part I: translational Healthcare, Next-Generation Sequence analysis, and Drug repurposing Chapter 1 Translational Healthcare System through Bioinformatics 1.1 Introduction 1.2 Data and Biomedicine 1.3 Genomics and Bioinformatics 1.4 Pharmacogenomics 1.5 Mechanism of PG 1.5.1 Pharmacokinetics 1.5.2 Pharmacodynamics 1.6 PG in Drug Discovery 1.7 Drug Discovery and Development through Omics Technologies 1.7.1 Omics Technology 1.8 Availability of Omics Technology in Drug Discovery and Development 1.9 Role of Genomics in Drug Discovery and Development 1.10 Role of Transcriptomics in Drug Discovery and Development 1.11 Role of Proteomics in Drug Discovery and Development 1.12 Artificial Intelligence and Machine Learning of Drugs 1.13 Real time Biomedical and Healthcare Data 1.14 Biomedical and Healthcare Challenges 1.15 Opportunities to Improve Biomedical and Healthcare Sectors 1.16 Data models for Healthcare and Well Care Analytics 1.17 Conclusion and Future Prospects Acknowledgments References Chapter 2 Next-Generation Sequence Analysis for Clinical Applications 2.1 Introduction 2.1.1 First-Generation Sequencing 2.1.2 Second-Generation Sequencing 2.1.3 Next-Generation Sequencing 2.2 Clinical Applications 2.2.1 Cancer 2.2.2 Epigenetic Diseases 2.2.3 Mendelian Diseases 2.2.4 Infectious Diseases 2.3 The Scope of NGS Technology in Clinical Environment 2.4 Proceedings of NGS Methods in Clinical Application 2.5 Validation of the Results Obtained 2.6 Limitations and Future Prospects 2.7 Conclusion References Chapter 3 Clinical Applications of Next-Generation Sequence Analysis in Acute Myelogenous Leukemia 3.1 Introduction 3.2 Background and History of Sequencing 3.3 Acute Myelogenous Leukemia 3.3.1 AML and Its Morphology 3.3.2 Classification Systems for AML 3.3.3 Cytogenetics 3.3.4 Molecular Abnormalities in AML 3.3.5 Prognosis/Risk Stratification 3.3.6 Therapeutics for AML Patients 3.3.6.1 Strategies of Consolidation 3.3.7 Novel Targets for AML 3.3.7.1 FLT3 Inhibitors 3.3.7.2 Isocitrate Dehydrogenase Inhibitors 3.3.7.3 Nuclear Exporter Inhibitors 3.3.7.4 Immunological Therapies 3.4 Next-Generation Sequencing Technologies 3.4.1 Terminology and Its Recent Developments 3.4.2 How NGS Is Going from Research to Clinical Settings: An Overview 3.4.3 Clinical Applications of NGS Technologies in Cancer Research 3.4.3.1 Whole-Genome Sequencing 3.4.3.2 Transcriptome Sequencing 3.4.3.3 Whole-Exome Sequencing 3.4.3.4 Targeted Next-Generation Sequencing 3.4.3.5 Other Applications of NGS 3.5 NGS Analysis Guidelines for the Diagnosis of AML 3.6 How AML Genes Implicate Mutations? A Prognostic and Therapeutic Overview 3.6.1 Understanding Cytogenetic and Molecular Genetic Mutations in AML 3.6.2 How Are Novel Somatic Mutations in AML Identified and Characterized? 3.6.3 How Are Cancer-Susceptible Genes in AML Identified? 3.6.4 How Are Cryptic Translocations in Complex Genomes Characterized in AML? 3.7 Challenges in the Diagnosis of AML using NGS 3.7.1 Biological-Clinical Challenges 3.7.2 Technical Challenges 3.7.3 Other Challenges 3.8 Future of NGS in Cancer Genomes 3.9 Conclusion References Chapter 4 Translational Bioinformatics Methods for Drug Repurposing 4.1 Introduction 4.1.1 Drug Repurposing 4.1.1.1 Drug Repurposing Profiles 4.1.2 Databases/Repositories for Drug Repurposing 4.1.2.1 Usage of Above Repositories in Drug Repurposing 4.1.3 Computational Approaches for Drug Repurposing 4.1.3.1 Literature Mining Approach 4.1.3.2 Network-Based Approach 4.1.4 Web-Based Tools for Drug Repurposing 4.1.4.1 ACID 4.1.4.2 repoDB 4.1.4.3 RE:FineDrugs 4.1.4.4 ReDO_DB 4.1.4.5 RepurposeDB 4.1.4.6 DeepDR 4.1.4.7 Drug Vs Disease/DvD 4.1.5 Summary References Part II: Internet of things, Viroinformatics, and toxin Databases for Healthcare applications Chapter 5 The Fundamentals and Potential of IoT for Bioinformatics and Healthcare 5.1 Introduction 5.2 Translational Medicine 5.3 Biotechnology for Translational Research with a Focus on Human healthcare 5.4 Translational Medicine’s Focus on Interdisciplinary Gap 5.5 IoT in Bioinformatics and Biotechnology 5.6 IoT in Healthcare 5.6.1 IoT in Healthcare Applications 5.7 Discussion and Recent Trends 5.7.1 Recent Trends 5.8 Conclusion References Chapter 6 Viroinformatics and Viral Diseases: A New Era of Interdisciplinary Science for a Thorough Apprehension of Virology 6.1 Introduction 6.2 Virology: An Overview 6.2.1 Brief History 6.2.2 Structure, Function, and Classification of Viruses 6.2.3 Frequent Outbreaks of Viral Diseases 6.3 What Is Viroinformatics? 6.3.1 Viroinformatics-Based Databases and Tools 6.3.1.1 Viroinformatical Databases 6.3.1.2 Viroinformatical Tools 6.4 Viroinformatics: Need of the Hour 6.4.1 Future Perspectives of Viroinformatics 6.5 Conclusion References Chapter 7 Toxin Databases and Healthcare Applications 7.1 Introduction 7.1.1 Plant Toxin 7.1.2 Bacterial Toxin 7.1.3 Animal Toxin 7.2 Toxins in Healthcare 7.2.1 Drug Discovery 7.2.2 Cosmetics 7.3 Toxins Databases 7.3.1 Toxic Exposome Database T3DB 7.3.2 Database Kalium 7.3.3 Animal Toxin Databases (ATDB) 7.3.4 Toxin Plants Phytotoxin Database (TPTT) 7.3.5 ArachnoServer Spider Toxin Database 7.3.6 Toxin Antitoxin Database (TADB) 7.3.7 RISCTOX Database 7.3.8 DBETH Bacterial Exotoxins for Humans 7.3.9 Super Toxic Database 7.3.10 TAS Mania Bacterial Toxin-Antitoxin (TA Database) 7.4 Conclusion Acknowledgments References Part III: Medical Image Processing and Other Healthcare applications Chapter 8 Lossless Medical Image Compression Using Hybrid Block-Based Algorithm for Telemedicine Application 8.1 Introduction 8.2 Technical Background 8.2.1 Overview of Wavelet Transform 8.2.2 Overview of Hadamard Transform 8.3 Materials and Methods 8.3.1 DC Prediction for LL Sub-Band Coding 8.3.2 Transformation for Non-LL Sub-Band Coding 8.3.3 IWT-LHT-Huffman Encoding 8.3.4 IWT-LHT-Arithmetic Encoding 8.3.5 Algorithm 8.4 Results and Discussion 8.5 Conclusion References Chapter 9 Improved FCM Based on Gaussian Kernel and Crow Search Optimization for ROI Extraction on Corona Virus Disease (COVID-19) CT Images 9.1 Introduction 9.2 Improved ARKFCM Based on Crow Search Optimization 9.2.1 Crow Search Optimization 9.2.2 Improved Adaptive Regularized Kernel FCM with Crow Search Algorithm 9.3 Results and Discussion 9.4 Conclusion References Chapter 10 Estimating the Effect of Social Distancing in the Progression Dynamics of COVID-19 10.1 Introduction 10.2 Material and Methods 10.2.1 Mathematical Model 10.2.2 Basic Reproduction Number 10.3 Sensitivity Analysis of R[sub(0)] 10.4 Results and Discussion 10.5 Conclusion Acknowledgment References Index