تکنیک‌های یادگیری ماشین و یادگیری عمیق برای علوم پزشکی ۲۰۲۲
Machine Learning and Deep Learning Techniques for Medical Science 2022

دانلود کتاب تکنیک‌های یادگیری ماشین و یادگیری عمیق برای علوم پزشکی ۲۰۲۲ (Machine Learning and Deep Learning Techniques for Medical Science 2022) با لینک مستقیم و فرمت pdf (پی دی اف)

نویسنده

K. Gayathri Devi, Kishore Balasubramanian, Le Anh Ngoc

ناشر: CRC Press
voucher-1

۳۰ هزار تومان تخفیف با کد «OFF30» برای اولین خرید

سال انتشار

2022

زبان

English

تعداد صفحه‌ها

412

نوع فایل

pdf

حجم

42.7MB

🏷️ قیمت اصلی: 200,000 تومان بود.قیمت فعلی: 129,000 تومان.

🏷️ قیمت اصلی: ۳۷۸٬۰۰۰ تومان بود. قیمت فعلی: ۲۹۸٬۰۰۰ تومان.

📥 دانلود نسخه‌ی اصلی کتاب به زبان انگلیسی(PDF)
🧠 به همراه ترجمه‌ی فارسی با هوش مصنوعی 🔗 مشاهده جزئیات

پیش‌خرید با تحویل فوری(⚡️) | فایل کتاب حداکثر تا ۳۰ دقیقه(🕒) پس از ثبت سفارش آماده دانلود خواهد بود.

دانلود مستقیم PDF

ارسال فایل به ایمیل

پشتیبانی ۲۴ ساعته

توضیحات

معرفی کتاب تکنیک‌های یادگیری ماشین و یادگیری عمیق برای علوم پزشکی ۲۰۲۲

کاربرد یادگیری ماشین با رشدی تصاعدی در حال گسترش به تمامی شاخه‌های کسب‌وکار و علم، از جمله علوم پزشکی است. این کتاب به معرفی ادغام الگوریتم‌های یادگیری ماشین (ML) و یادگیری عمیق (DL) می‌پردازد که می‌توانند در بخش مراقبت‌های بهداشتی برای کاهش زمان مورد نیاز پزشکان، متخصصان رادیولوژی و سایر متخصصان پزشکی برای تجزیه و تحلیل، پیش‌بینی و تشخیص بیماری‌ها با نتایج دقیق به کار گرفته شوند. این کتاب جنبه‌های کلیدی و مهم در توسعه و پیاده‌سازی رویکردهای ML و DL در جهت توسعه ابزارها و مدل‌های پیش‌بینی و بهبود تشخیص پزشکی را ارائه می‌دهد.

نویسندگان این کتاب به بررسی روندهای اخیر، نوآوری‌ها، چالش‌ها و راهکارها، و همچنین مطالعات موردی کاربردهای ML و DL در تشخیص بیماری مبتنی بر سیستم‌های هوشمند می‌پردازند. فصل‌ها همچنین به تشریح اصول اولیه و ضرورت به‌کارگیری جنبه‌های ریاضیاتی با اشاره به توسعه مدل‌های جدید پزشکی می‌پردازند. نویسندگان همچنین به بررسی ML و DL در ارتباط با ابزارهای پیش‌بینی هوش مصنوعی (AI)، کشف داروها، علوم اعصاب، تشخیص در روش‌های تصویربرداری متعدد و رویکردهای تشخیص الگو برای تصاویر تصویربرداری تشدید مغناطیسی عملکردی می‌پردازند.

این کتاب برای دانشجویان و محققان علوم کامپیوتر و مهندسی، مهندسی الکترونیک و ارتباطات و فناوری اطلاعات؛ برای محققان، دانشگاهیان و مدرسان مهندسی پزشکی زیستی؛ و برای دانشجویان و متخصصان در سایر زمینه‌های بخش مراقبت‌های بهداشتی مناسب است.

* ارائه جنبه‌های کلیدی در توسعه و پیاده‌سازی رویکردهای ML و DL در جهت توسعه ابزارها، مدل‌ها و بهبود تشخیص پزشکی

* بحث در مورد روندهای اخیر، نوآوری‌ها، چالش‌ها، راهکارها و کاربردهای تشخیص بیماری مبتنی بر سیستم‌های هوشمند

* بررسی نظریه‌ها، مدل‌ها و ابزارهای DL برای بهبود سیستم‌های اطلاعات سلامت

* بررسی ML و DL در ارتباط با ابزارهای پیش‌بینی هوش مصنوعی، کشف داروها، علوم اعصاب و تشخیص در روش‌های تصویربرداری متعدد

دکتر کی. گایاتری دوی، استاد گروه مهندسی الکترونیک و ارتباطات، موسسه فناوری دکتر ان.جی.پی، تامیل نادو، هند هستند.

دکتر کیشور بالاسوبرامانیان، استادیار (درجه ارشد) در گروه EEE در کالج مهندسی و فناوری دکتر ماهالینگام، تامیل نادو، هند هستند.

دکتر له آنه نگوک، مدیر فضای نوآوری سوینبرن و استاد دانشگاه فناوری سوینبرن (ویتنام) هستند.


فهرست کتاب:

۱. روی جلد

۲. صفحه عنوان میانی

۳. صفحه مجموعه

۴. صفحه عنوان

۵. صفحه حق تکثیر

۶. فهرست

۷. زندگینامه ویراستاران

۸. لیست مشارکت‌کنندگان

۹. فصل ۱ مطالعه جامع بر روی MLP و CNN، و پیاده‌سازی دسته‌بندی تصاویر چند کلاسه با استفاده از CNN عمیق

۱۰. فصل ۲ یک تکنیک کارآمد برای فشرده‌سازی تصویر و بازیابی کیفیت در تشخیص تصویر فراطیفی تومور مغزی

۱۱. فصل ۳ طبقه‌بندی ترموگرام‌های پستان با استفاده از پرسپترون چند لایه با یادگیری پس انتشار

۱۲. فصل ۴ شبکه‌های عصبی برای محاسبات تصویربرداری پزشکی

۱۳. فصل ۵ روندهای اخیر در پسماندهای زیست پزشکی، چالش‌ها و فرصت‌ها

۱۴. فصل ۶ قطعه‌بندی خوشه‌بندی تقویت شده تیگر-کایزر از تصاویر فوندوس شبکیه برای تشخیص گلوکوم

۱۵. فصل ۷ رویکرد شبکه عصبی عمیق مبتنی بر IoT برای پیش‌بینی ضربان قلب و SpO۲

۱۶. فصل ۸ یک سیستم هوشمند برای تشخیص و پیش‌بینی ویژگی‌های بدخیم سرطان سینه با استفاده از الگوریتم‌های یادگیری ماشین

۱۷. فصل ۹ طبقه‌بندی تصاویر پزشکی با شبکه‌های عصبی مصنوعی و کانولوشن عمیق: یک مطالعه مقایسه‌ای

۱۸. فصل ۱۰ شبکه عصبی کانولوشن برای طبقه‌بندی تصاویر سرطان پوست

۱۹. فصل ۱۱ کاربرد هوش مصنوعی در تصویربرداری پزشکی

۲۰. فصل ۱۲ الگوریتم‌های یادگیری ماشین مورد استفاده در حوزه پزشکی با یک مطالعه موردی

۲۱. فصل ۱۳ تشخیص خودکار گلوکوم مبتنی بر U-Net دوگانه سفارشی شده

۲۲. فصل ۱۴ MuSCF-Net: شبکه ویژگی چند مقیاسی و چند کاناله با استفاده از مکانیسم توجه مبتنی بر Resnet برای طبقه‌بندی تصاویر بافت‌شناسی پستان

۲۳. فصل ۱۵ هوش مصنوعی در حال متحول کردن تحقیقات سرطان است

۲۴. فصل ۱۶ یادگیری عمیق برای تشخیص بیماری‌ها و امنیت در انفورماتیک بهداشت و درمان ۵G

۲۵. فصل ۱۷ رویکردهای جدید در تحلیل تصویر مبتنی بر ماشین برای سرطان‌شناسی پزشکی

۲۶. فصل ۱۸ تجزیه و تحلیل عملکرد شبکه‌های عصبی کانولوشن عمیق برای تشخیص COVID-۱۹: از داده تا استقرار

۲۷. فصل ۱۹ شبکه عصبی عمیق خودرمزگذار پشته‌ای با تحلیل مولفه‌های اصلی برای شناسایی بیماری مزمن کلیوی

۲۸. نمایه

توضیحات(انگلیسی)

The application of machine learning is growing exponentially into every branch of business and science, including medical science. This book presents the integration of machine learning (ML) and deep learning (DL) algorithms that can be applied in the healthcare sector to reduce the time required by doctors, radiologists, and other medical professionals for analyzing, predicting, and diagnosing the conditions with accurate results. The book offers important key aspects in the development and implementation of ML and DL approaches toward developing prediction tools and models and improving medical diagnosis.

The contributors explore the recent trends, innovations, challenges, and solutions, as well as case studies of the applications of ML and DL in intelligent system-based disease diagnosis. The chapters also highlight the basics and the need for applying mathematical aspects with reference to the development of new medical models. Authors also explore ML and DL in relation to artificial intelligence (AI) prediction tools, the discovery of drugs, neuroscience, diagnosis in multiple imaging modalities, and pattern recognition approaches to functional magnetic resonance imaging images.

This book is for students and researchers of computer science and engineering, electronics and communication engineering, and information technology; for biomedical engineering researchers, academicians, and educators; and for students and professionals in other areas of the healthcare sector.

  • Presents key aspects in the development and the implementation of ML and DL approaches toward developing prediction tools, models, and improving medical diagnosis
  • Discusses the recent trends, innovations, challenges, solutions, and applications of intelligent system-based disease diagnosis
  • Examines DL theories, models, and tools to enhance health information systems
  • Explores ML and DL in relation to AI prediction tools, discovery of drugs, neuroscience, and diagnosis in multiple imaging modalities

Dr. K. Gayathri Devi is a Professor at the Department of Electronics and Communication Engineering, Dr. N.G.P Institute of Technology, Tamil Nadu, India.

Dr. Kishore Balasubramanian is an Assistant Professor (Senior Scale) at the Department of EEE at Dr. Mahalingam College of Engineering & Technology, Tamil Nadu, India.

Dr. Le Anh Ngoc is a Director of Swinburne Innovation Space and Professor in Swinburne University of Technology (Vietnam).


Table of Contents

1. Cover

2. Half Title

3. Series Page

4. Title Page

5. Copyright Page

6. Contents

7. Editor Biographies

8. List of Contributors

9. Chapter 1 A Comprehensive Study on MLP and CNN, and the Implementation of Multi-Class Image Classification using Deep CNN

10. Chapter 2 An Efficient Technique for Image Compression and Quality Retrieval in Diagnosis of Brain Tumour Hyper Spectral Image

11. Chapter 3 Classification of Breast Thermograms using a Multi-layer Perceptron with Back Propagation Learning

12. Chapter 4 Neural Networks for Medical Image Computing

13. Chapter 5 Recent Trends in Bio-Medical Waste, Challenges and Opportunities

14. Chapter 6 Teager-Kaiser Boost Clustered Segmentation of Retinal Fundus Images for Glaucoma Detection

15. Chapter 7 IoT-Based Deep Neural Network Approach for Heart Rate and SpO2 Prediction

16. Chapter 8 An Intelligent System for Diagnosis and Prediction of Breast Cancer Malignant Features using Machine Learning Algorithms

17. Chapter 9 Medical Image Classification with Artificial and Deep Convolutional Neural Networks: A Comparative Study

18. Chapter 10 Convolutional Neural Network for Classification of Skin Cancer Images

19. Chapter 11 Application of Artificial Intelligence in Medical Imaging

20. Chapter 12 Machine Learning Algorithms Used in Medical Field with a Case Study

21. Chapter 13 Dual Customized U-Net-based Based Automated Diagnosis of Glaucoma

22. Chapter 14 MuSCF-Net: Multi-scale, Multi-Channel Feature Network using Resnet-Based Attention Mechanism for Breast Histopathological Image Classification

23. Chapter 15 Artificial Intelligence is Revolutionizing Cancer Research

24. Chapter 16 Deep Learning to Diagnose Diseases and Security in 5G Healthcare Informatics

25. Chapter 17 New Approaches in Machine-based Image Analysis for Medical Oncology

26. Chapter 18 Performance Analysis of Deep Convolutional Neural Networks for Diagnosing COVID-19: Data to Deployment

27. Chapter 19 Stacked Auto Encoder Deep Neural Network with Principal Components Analysis for Identification of Chronic Kidney Disease

28. Index

دیگران دریافت کرده‌اند

✨ 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.