یادگیری ماشین و کلان داده در تومور شناسی تابشی: کارهای قبلی و دور نمای آتی
واتساپ:09141077352 همراه: 09141077352 ثابت: 35250068-041 سفارش سمینار و مقاله سفارش ترجمه تخصصی
 

دانلود فایل با شمار فاکتور

لطفا شماره فاکتور خود را درج نمایید


جدیدترین لغات واژه‌نامه

آمار بازدیدکنندگان

بازدید امروز :53
بازدید روز گذشته :54
بازدید این هفته :313
بازدید این ماه :1056
مجموع آمار بازدید ها :800681

عنوان محصول: یادگیری ماشین و کلان داده در تومور شناسی تابشی: کارهای قبلی و دور نمای آتی

دسته‌بندی: مقالات ترجمه شده رشته کامپیوتر
تاریخ انتشار: سه شنبه 29 اسفند 1398
یادگیری ماشین و کلان داده در تومور شناسی تابشی: کارهای قبلی و دور نمای آتی یادگیری ماشین و کلان داده در تومور شناسی تابشی: کارهای قبلی و دور نمای آتی
توضیحات مختصر: دقت در عمل پزشکی، منجر به افزایش حجم داده‌های ناهمگن شده است. پیشرفت در تومور شناسی تابشی از طریق به‌کارگیری سی‌تی‌اسکن، دوزیمتری و تصویربرداری قبل از انجام هر عملی، منجر به ایجاد جریان قابل‌توجهی از داده‌هایی شده است که باید یکپارچه‌سازی شوند. به‌صورت همزمان، رکوردهای سلامت الکترونیکی، پروفایل‌های ...
یادگیری ماشین و کلان داده در تومور شناسی تابشی: کارهای قبلی و دور نمای آتی یادگیری ماشین و کلان داده در تومور شناسی تابشی: کارهای قبلی و دور نمای آتی


قیمت قیمت : 35000 تومان
تخفیف تخفیف: 2000 تومان
تخفیف تخفیف ویژه : 10 درصد
قیمت نهایی قیمت نهایی: 29500 تومان
409 بازدید
کد مقاله: TTC- 3754
نوع فایل : docx
لینک دانلود فایل خریداری شده بلافاصله بعد از خرید موفق فعال خواهد شد.
Journal: Elsevier 2016,

Big Data and machine learning in radiation oncology: State of the art and future prospects
Abstract
Precision medicine relies on an increasing amount of heterogeneous data. Advances in radiation oncology, through the use of CT Scan, dosimetry and imaging performed before each fraction, have generated a considerable flow of data that needs to be integrated. In the same time, Electronic Health Records now provide phenotypic profiles of large cohorts of patients that could be correlated to this information. In this review, we describe methods that could be used to create integrative predictive models in radiation oncology. Potential uses of machine learning methods such as support vector machine, artificial neural networks, and deep learning are also discussed.
Keywords: Big Data; Machine learning; Predictive model; Radiation oncology

چکیده
دقت در عمل پزشکی، منجر به افزایش حجم داده‌های ناهمگن شده است. پیشرفت در تومور شناسی تابشی از طریق به‌کارگیری سی‌تی‌اسکن، دوزیمتری و تصویربرداری قبل از انجام هر عملی، منجر به ایجاد جریان قابل‌توجهی از داده‌هایی شده است که باید یکپارچه‌سازی شوند. به‌صورت همزمان، رکوردهای سلامت الکترونیکی، پروفایل‌های فنوتیپیکی از گروه‌های بزرگ بیماران ارائه نموده‌اند که می‌توانند به این اطلاعات ارتباط داده شوند. در این مقاله مروی، ما روش‌هایی را که می‌توان برای ایجاد مدل‌های پیش‌گویانه یکپارچه در تومور شناسی تابشی استفاده کرد، معرفی می‌کنیم. استفاده بالقوه از روش‌های یادگیری ماشین از قبیل ماشین بردار پشتیبان، شبکه‌های عصبی مصنوعی و یادگیری عمیق نیز در این مقاله شرح داده می‌شوند.
کلمات کلیدی: تومورشناسی تابشی، داده‌های بزرگ، مدل پیش‌گویانه، یادگیری ماشین.

تعداد صفحات انگلیسی تعداد صفحات انگلیسی:8 صفحه
تعداد صفحات فارسی تعداد صفحات فـارسـی:17 صفحه

  • آدرس: تبریز، آبرسان، مهرگان چهارم
  • تلفن  تماس: 09016347107
  • تلفن  ثابت : 35250068-041
  •  Mailttcenterاین آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید : آدرس  ایمیل
  • @zoodyab :آدرس تلگرام
مرکز  تخصصی  تلاش ترجمه از  سال  1385 شروع به کار نموده است  و تا کنون بیش از ده هزار ترجمه در رشته ها و زمینه های مختلف توسط متخصصین این مرکز انجام  شده  است.

تمامی ترجمه‌های انجام شده توسط موسسه تخصصی تلاش ترجمه، به صورت دستی (غیرماشینی) بوده و توسط مترجمین با سابقه انجام می‌شوند. ترجمه‌های انجام شده توسط موسسه تلاش ترجمه در قالب فایل Word و به صورت کاملا روان و بازخوانی شده و با ضمانت بازگشت وجه 72 ساعته (در صورت عدم رضایت از ترجمه) خدمت مشتریان محترم ارائه می‌شود.