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
voucher-1

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

سال انتشار

2023

زبان

English

تعداد صفحه‌ها

268

نوع فایل

pdf

حجم

33.7MB

🏷️ 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 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

✨ 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.