Título :	Deep Learning for Biomedical Data Analysis : Techniques, Approaches, and Applications
Tipo de documento:	documento electrónico
Autores:	Elloumi, Mourad,
Mención de edición:	1 ed.
Editorial:	[s.l.] : Springer
Fecha de publicación:	2021
Número de páginas:	VI, 359 p. 130 ilustraciones, 40 ilustraciones en color.
ISBN/ISSN/DL:	978-3-030-71676-9
Nota general:	Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave:	Biología  Inteligencia artificial  Bioinformática  Investigación biomédica
Índice Dewey:	610.72 Medicina (Investigación Experimental)
Resumen:	Este libro es la primera descripción general sobre el aprendizaje profundo (DL) para el análisis de datos biomédicos. Examina las técnicas y enfoques más recientes en este campo, con una amplia cobertura y suficiente profundidad para ser de uso práctico para los profesionales en activo. Este libro ofrece suficiente información fundamental y técnica sobre estas técnicas, enfoques y problemas relacionados sin saturar la cabeza del lector. Presenta los resultados de las últimas investigaciones en el campo de la DL para el análisis de datos biomédicos. Las técnicas y enfoques presentados en este libro abordan los temas más importantes y/o más nuevos que se encuentran en este campo. Combinan la teoría fundamental de la Inteligencia Artificial (IA), el Aprendizaje Automático (ML) y la DL con aplicaciones prácticas en Biología y Medicina. Ciertamente, la lista de temas cubiertos en este libro no es exhaustiva, pero estos temas arrojarán luz sobre las implicaciones de las técnicas y enfoques presentados en otros temas del análisis de datos biomédicos. El libro encuentra un equilibrio entre la cobertura teórica y práctica de una amplia gama de cuestiones en el campo del análisis de datos biomédicos, gracias a DL. Los pocos libros publicados sobre DL para análisis de datos biomédicos se centran en temas específicos o carecen de profundidad técnica. Los capítulos presentados en este libro fueron seleccionados por su calidad y relevancia. El libro también presenta experimentos que brindan resúmenes cualitativos y cuantitativos en el campo del análisis de datos biomédicos. El lector necesitará cierta familiaridad con AI, ML y DL y aprenderá sobre técnicas y enfoques que abordan los temas más importantes y/o más nuevos encontrados en el campo de DL para el análisis de datos biomédicos. Descubrirá tanto los fundamentos detrás de las técnicas y enfoques de DL como sus aplicaciones en datos biomédicos. Este libro también puede servir como libro de referencia para cursos de posgrado en Bioinformática, IA, ML y DL. El libro está dirigido no sólo a investigadores y profesionales en ejercicio, sino también a estudiantes de posgrado, estudiantes universitarios de último año y jóvenes investigadores. Sin duda, este libro mostrará el camino hacia nuevas técnicas y enfoques para realizar nuevos descubrimientos.
Nota de contenido:	1-Dimensional Convolution Neural Network Classification Technique for Gene Expression Data -- Classification of Sequences with Deep Artificial Neural Networks: Representation and Architectural Issues -- A Deep Learning Model for MicroRNA-Target Binding -- Recurrent Neural Networks Architectures for Accidental Fall Detection on Wearable Embedded Devices -- Medical Image Retrieval System using Deep Learning Techniques -- Medical Image Fusion using Deep Learning -- Deep Learning for Histopathological Image Analysis -- Innovative Deep Learning Approach for Biomedical Data Instantiation and Visualization -- Convolutional Neural Networks in Advanced Biomedical Imaging Applications -- Deep Learning for Lung Disease Detection from Chest X-Rays Images -- Deep Learning in Multi-Omics Data Integration in Cancer Diagnostic -- Using Deep Learning with Canadian Primary Care Data for Disease Diagnosis -- Brain Tumor Segmentation and Surveillance with Deep Artificial Neural Networks.
En línea:	https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
Link:	https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

Deep Learning for Biomedical Data Analysis : Techniques, Approaches, and Applications [documento electrónico] / Elloumi, Mourad,  . -  1 ed.  . - [s.l.] : Springer, 2021 . - VI, 359 p. 130 ilustraciones, 40 ilustraciones en color.
ISBN : 978-3-030-71676-9
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.

Palabras clave:	Biología  Inteligencia artificial  Bioinformática  Investigación biomédica
Índice Dewey:	610.72 Medicina (Investigación Experimental)
Resumen:	Este libro es la primera descripción general sobre el aprendizaje profundo (DL) para el análisis de datos biomédicos. Examina las técnicas y enfoques más recientes en este campo, con una amplia cobertura y suficiente profundidad para ser de uso práctico para los profesionales en activo. Este libro ofrece suficiente información fundamental y técnica sobre estas técnicas, enfoques y problemas relacionados sin saturar la cabeza del lector. Presenta los resultados de las últimas investigaciones en el campo de la DL para el análisis de datos biomédicos. Las técnicas y enfoques presentados en este libro abordan los temas más importantes y/o más nuevos que se encuentran en este campo. Combinan la teoría fundamental de la Inteligencia Artificial (IA), el Aprendizaje Automático (ML) y la DL con aplicaciones prácticas en Biología y Medicina. Ciertamente, la lista de temas cubiertos en este libro no es exhaustiva, pero estos temas arrojarán luz sobre las implicaciones de las técnicas y enfoques presentados en otros temas del análisis de datos biomédicos. El libro encuentra un equilibrio entre la cobertura teórica y práctica de una amplia gama de cuestiones en el campo del análisis de datos biomédicos, gracias a DL. Los pocos libros publicados sobre DL para análisis de datos biomédicos se centran en temas específicos o carecen de profundidad técnica. Los capítulos presentados en este libro fueron seleccionados por su calidad y relevancia. El libro también presenta experimentos que brindan resúmenes cualitativos y cuantitativos en el campo del análisis de datos biomédicos. El lector necesitará cierta familiaridad con AI, ML y DL y aprenderá sobre técnicas y enfoques que abordan los temas más importantes y/o más nuevos encontrados en el campo de DL para el análisis de datos biomédicos. Descubrirá tanto los fundamentos detrás de las técnicas y enfoques de DL como sus aplicaciones en datos biomédicos. Este libro también puede servir como libro de referencia para cursos de posgrado en Bioinformática, IA, ML y DL. El libro está dirigido no sólo a investigadores y profesionales en ejercicio, sino también a estudiantes de posgrado, estudiantes universitarios de último año y jóvenes investigadores. Sin duda, este libro mostrará el camino hacia nuevas técnicas y enfoques para realizar nuevos descubrimientos.
Nota de contenido:	1-Dimensional Convolution Neural Network Classification Technique for Gene Expression Data -- Classification of Sequences with Deep Artificial Neural Networks: Representation and Architectural Issues -- A Deep Learning Model for MicroRNA-Target Binding -- Recurrent Neural Networks Architectures for Accidental Fall Detection on Wearable Embedded Devices -- Medical Image Retrieval System using Deep Learning Techniques -- Medical Image Fusion using Deep Learning -- Deep Learning for Histopathological Image Analysis -- Innovative Deep Learning Approach for Biomedical Data Instantiation and Visualization -- Convolutional Neural Networks in Advanced Biomedical Imaging Applications -- Deep Learning for Lung Disease Detection from Chest X-Rays Images -- Deep Learning in Multi-Omics Data Integration in Cancer Diagnostic -- Using Deep Learning with Canadian Primary Care Data for Disease Diagnosis -- Brain Tumor Segmentation and Surveillance with Deep Artificial Neural Networks.
En línea:	https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
Link:	https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i