تحلیل و پردازش دادههای پزشکی با استفاده از هوش مصنوعی تبیینپذیر ۲۰۲۳
Medical Data Analysis and Processing using Explainable Artificial Intelligence 2023
دانلود کتاب تحلیل و پردازش دادههای پزشکی با استفاده از هوش مصنوعی تبیینپذیر ۲۰۲۳ (Medical Data Analysis and Processing using Explainable Artificial Intelligence 2023) با لینک مستقیم و فرمت pdf (پی دی اف)
| نویسنده |
Om Prakash Jena, Mrutyunjaya Panda, Utku Kose |
|---|
ناشر:
CRC Press
دسته: زیست پزشکی, مهندسی و فناوری
۳۰ هزار تومان تخفیف با کد «OFF30» برای اولین خرید
| سال انتشار |
2023 |
|---|---|
| زبان |
English |
| تعداد صفحهها |
268 |
| نوع فایل |
|
| حجم |
33.7MB |
🏷️ 200,000 تومان قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
🏷️
378,000 تومان
قیمت اصلی: ۳۷۸٬۰۰۰ تومان بود.
298,000 تومان
قیمت فعلی: ۲۹۸٬۰۰۰ تومان.
📥 دانلود نسخهی اصلی کتاب به زبان انگلیسی(PDF)
🧠 به همراه ترجمهی فارسی با هوش مصنوعی
🔗 مشاهده جزئیات
دانلود مستقیم PDF
ارسال فایل به ایمیل
پشتیبانی ۲۴ ساعته
توضیحات
معرفی کتاب تحلیل و پردازش دادههای پزشکی با استفاده از هوش مصنوعی تبیینپذیر ۲۰۲۳
این کتاب به معرفی مفاهیم هوش مصنوعی قابل توضیح (XAI) در حل مسائل دنیای واقعی در حوزههای زیستپزشکی و سلامت میپردازد. این اثر، منبعی ایدهآل برای دانشجویان تحصیلات تکمیلی و پژوهشگران دانشگاهی در رشتههای گوناگون مهندسی از جمله مهندسی برق، الکترونیک و مخابرات، کامپیوتر و مهندسی پزشکی خواهد بود.
* ارائهی تحلیلهای ماشینی و یادگیری عمیق مبتنی بر هوش مصنوعی قابل توضیح (XAI) در علوم پزشکی.
* بررسی هوش مصنوعی قابل توضیح (XAI) به همراه اینترنت اشیاء پزشکی (IoMT) برای کاربردهای حوزه سلامت.
* پوشش الگوریتمها، ابزارها و چارچوبهای هوش مصنوعی قابل توضیح در دادههای پزشکی.
* کاوش در مفاهیم پردازش زبان طبیعی و هوش مصنوعی قابل توضیح (XAI) در پردازش دادههای پزشکی.
* بررسی مدلهای مقیاسپذیری یادگیری ماشین و یادگیری عمیق در سیستمهای بهداشتی و درمانی.
این کتاب بر تحلیل و پردازش دادهمحورِ روشها و تکنیکهای پیشرفته با استفاده از الگوریتمهای هوش مصنوعی قابل توضیح (XAI) تمرکز دارد. این اثر، یادگیری ماشین، اینترنت اشیاء (IoT) و الگوریتمهای یادگیری عمیق مبتنی بر تکنیکهای XAI را برای تحلیل و پردازش دادههای پزشکی پوشش میدهد. در این کتاب، ابعاد گوناگون کاربردهای هوش محاسباتی مبتنی بر XAI ارائه خواهد شد و منبعی ایدهآل برای دانشجویان تحصیلات تکمیلی و پژوهشگران دانشگاهی در رشتههای مهندسی برق، مهندسی الکترونیک و مخابرات، مهندسی کامپیوتر و مهندسی پزشکی خواهد بود.
فهرست کتاب:
۱. روی جلد
۲. صفحه عنوان فرعی
۳. صفحه مجموعه
۴. صفحه عنوان
۵. صفحه حق نشر
۶. فهرست مطالب
۷. پیشگفتار
۸. درباره ویراستاران
۹. فهرست مشارکتکنندگان
۱۰. فصل ۱ مفاهیم و نظریه هوش مصنوعی توضیحپذیر (XAI)
۱۱. فصل ۲ بهکارگیری هوش مصنوعی توضیحپذیر برای پرداختن به یادگیری عمیق در حوزه زیستپزشکی
۱۲. فصل ۳ درخت تصمیمگیری فازی توضیحپذیر برای طبقهبندی دادههای پزشکی
۱۳. فصل ۴ الگوریتم آماری برای تشخیص نقطه تغییر در سریهای زمانی چند متغیره دادههای پزشکی بر اساس اصول هوش مصنوعی توضیحپذیر
۱۴. فصل ۵ هوش مصنوعی توضیحپذیر و یادگیری ماشین برای امنیت سایبری: یک مرور نظاممند
۱۵. فصل ۶ رویکرد مدلسازی درخت طبقهبندی و رگرسیون برای پیشبینی تعداد تشریح غدد لنفاوی در بین بیماران مبتلا به سرطان آندومتر
۱۶. فصل ۷ تحلیل خودکار تومور مغزی با استفاده از چارچوب مبتنی بر یادگیری عمیق
۱۷. فصل ۸ یک چارچوب قوی برای پیشبینی دیابت شیرین با استفاده از یادگیری ماشین
۱۸. فصل ۹ استخراج ویژگی موثر برای تشخیص زودهنگام و طبقهبندی تصاویر سرطان سینه با سه روش مختلف با استفاده از الگوریتم رگرسیون لجستیک
۱۹. فصل ۱۰ مدلهای یادگیری ماشین و یادگیری عمیق مورد استفاده برای تشخیص رتینوپاتی دیابتی و مراحل آن
۲۰. فصل ۱۱ سیستمهای پردازش زبان طبیعی بالینی برای بازیابی اطلاعات از روایتهای پزشکی بدون ساختار
۲۱. نمایه
توضیحات(انگلیسی)
The text presents concepts of explainable artificial intelligence (XAI) in solving real world biomedical and healthcare problems. It will serve as an ideal reference text for graduate students and academic researchers in diverse fields of engineering including electrical, electronics and communication, computer, and biomedical.
- Presents explainable artificial intelligence (XAI) based machine analytics and deep learning in medical science.
- Discusses explainable artificial intelligence (XA)I with the Internet of Medical Things (IoMT) for healthcare applications.
- Covers algorithms, tools, and frameworks for explainable artificial intelligence on medical data.
- Explores the concepts of natural language processing and explainable artificial intelligence (XAI) on medical data processing.
- Discusses machine learning and deep learning scalability models in healthcare systems.
This text focuses on data driven analysis and processing of advanced methods and techniques with the help of explainable artificial intelligence (XAI) algorithms. It covers machine learning, Internet of Things (IoT), and deep learning algorithms based on XAI techniques for medical data analysis and processing. The text will present different dimensions of XAI based computational intelligence applications. It will serve as an ideal reference text for graduate students and academic researchers in the fields of electrical engineering, electronics and communication engineering, computer engineering, and biomedical engineering.
Table of Contents
1. Cover
2. Half Title
3. Series Page
4. Title Page
5. Copyright Page
6. Table of Contents
7. Preface
8. About the Editors
9. List of Contributors
10. Chapter 1 Explainable AI (XAI) Concepts and Theory
11. Chapter 2 Utilizing Explainable Artificial Intelligence to Address Deep Learning in Biomedical Domain
12. Chapter 3 Explainable Fuzzy Decision Tree for Medical Data Classification
13. Chapter 4 Statistical Algorithm for Change Point Detection in Multivariate Time Series of Medicine Data Based on Principles of Explainable Artificial Intelligence
14. Chapter 5 XAI and Machine Learning for Cyber Security: A Systematic Review
15. Chapter 6 Classification and Regression Tree Modelling Approach to Predict the Number of Lymph Node Dissection among Endometrial Cancer Patients
16. Chapter 7 Automated Brain Tumor Analysis Using Deep Learning-Based Framework
17. Chapter 8 A Robust Framework for Prediction of Diabetes Mellitus Using Machine Learning
18. Chapter 9 Effective Feature Extraction for Early Recognition and Classification of Triple Modality Breast Cancer Images Using Logistic Regression Algorithm
19. Chapter 10 Machine Learning and Deep Learning Models Used to Detect Diabetic Retinopathy and Its Stages
20. Chapter 11 Clinical Natural Language Processing Systems for Information Retrieval from Unstructured Medical Narratives
21. Index
دیگران دریافت کردهاند
پژوهش های اپیدمیولوژیک بر روی داده های پزشکی دنیای واقعی در ژاپن: جلد ۱ ۲۰۲۲
Epidemiologic Research on Real-World Medical Data in Japan: Volume 1 2022
🏷️ 200,000 تومان قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
یادگیری ماشین و یادگیری عمیق در تحلیل داده های پزشکی و کاربردهای بهداشتی-درمانی ۲۰۲۲
Machine Learning and Deep Learning in Medical Data Analytics and Healthcare Applications 2022
🏷️ 200,000 تومان قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
تحقیقات اپیدمیولوژیک در مورد داده های پزشکی در دنیای واقعی در ژاپن: دوره 2 ۲۰۲۲
Epidemiologic Research on Real-World Medical Data in Japan: Volume 2 2022
🏷️ 200,000 تومان قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
به اشتراکگذاری، همسانسازی و تحلیل دادههای پزشکی ۲۰۲۰
Medical Data Sharing, Harmonization and Analytics 2020
🏷️ 200,000 تومان قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
کتابچه راهنمای حریم خصوصی داده های پزشکی ۲۰۱۹
Medical Data Privacy Handbook 2019
🏷️ 200,000 تومان قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
کتاب راهنمای حریم خصوصی داده های پزشکی ۲۰۱۵
Medical Data Privacy Handbook 2015
🏷️ 200,000 تومان قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
✨ ضمانت تجربه خوب مطالعه
بازگشت کامل وجه
در صورت مشکل، مبلغ پرداختی بازگردانده می شود.
دانلود پرسرعت
دانلود فایل کتاب با سرعت بالا
ارسال فایل به ایمیل
دانلود مستقیم به همراه ارسال فایل به ایمیل.
پشتیبانی ۲۴ ساعته
با چت آنلاین و پیامرسان ها پاسخگو هستیم.
ضمانت کیفیت کتاب
کتاب ها را از منابع معتیر انتخاب می کنیم.
