Pushpa C N (39 results)

Condition: New.

Condition: New. In English.

Condition: New.

Condition: New.

Condition: New.

Condition: New.

Condition: New.

Condition: New.

Condition: New.

Condition: New.

Condition: New.

Condition: New.

Condition: New.

Condition: New.

Condition: New.

Condition: New.

Condition: New.

Condition: New.

Taschenbuch. Condition: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - This book explores Deep Learning strategies to overcome the challenges of Class Imbalance, Multi-Class Classification, and Multi-Modality Issues in Alzheimer's Disease and Dementia diagnosis. It introduces optimized neural models with better data enhancement techniques to improve the classification accuracy, supporting early and precise detection using MRI, PET, Genetical and Clinical data.This book serves as a detailed guide for researchers, data scientists, and healthcare experts focusing on AI-based Alzheimer's detection. It offers insights into building advanced, efficient, and scalable diagnostic models for neurodegenerative diseases, helping improve accuracy and reliability in early diagnosis.…

Taschenbuch. Condition: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - This book presents a comprehensive Artificial Intelligence driven framework for predicting COVID-19 severity in patients with comorbidities, addressing critical challenges in diagnosis, prognosis, and healthcare resource management. It integrates Machine Learning and Deep Learning techniques to analyze large-scale clinical, demographic, and medical imaging data. Imbalanced clinical datasets are handled using advanced preprocessing and resampling strategies, enabling robust prediction of mortality, survival, and disease severity. The book serves as a comprehensive guide for researchers, data scientists, and healthcare professionals interested in AI-based Prediction of COVID-19 Severity in Patients with Comorbidities. It highlights that classical Machine Learning models, including Decision Tree, Random Forest, and Gaussian Naïve Bayes, achieve high precision, while neural network-based models demonstrate strong generalization and robustness.…

Condition: New. Print on Demand.

Condition: New. Print on Demand.

Condition: New. PRINT ON DEMAND.

Taschenbuch. Condition: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Este libro presenta un marco integral impulsado por la Inteligencia Artificial para predecir la gravedad de la COVID-19 en pacientes con comorbilidades, abordando desafíos críticos en el diagnóstico, el pronóstico y la gestión de los recursos sanitarios. Integra técnicas de aprendizaje automático y aprendizaje profundo para analizar datos clínicos, demográficos y de imágenes médicas a gran escala. Los conjuntos de datos clínicos desequilibrados se manejan utilizando estrategias avanzadas de preprocesamiento y remuestreo, lo que permite una predicción robusta de la mortalidad, la supervivencia y la gravedad de la enfermedad.El libro sirve de guía exhaustiva para investigadores, científicos de datos y profesionales sanitarios interesados en la predicción basada en IA de la gravedad de la COVID-19 en pacientes con comorbilidades. Destaca que los modelos clásicos de aprendizaje automático, como el árbol de decisión, el bosque aleatorio y el Bayes Naive gaussiano, logran una gran precisión, mientras que los modelos basados en redes neuronales demuestran una gran generalización y robustez.…

Taschenbuch. Condition: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Ce livre présente un cadre complet axé sur l'intelligence artificielle pour prédire la gravité de COVID-19 chez les patients présentant des comorbidités, en relevant des défis critiques en matière de diagnostic, de pronostic et de gestion des ressources de soins de santé. Il intègre des techniques d'apprentissage automatique et d'apprentissage profond pour analyser des données cliniques, démographiques et d'imagerie médicale à grande échelle. Les ensembles de données cliniques déséquilibrés sont traités à l'aide de stratégies avancées de prétraitement et de rééchantillonnage, permettant une prédiction robuste de la mortalité, de la survie et de la gravité de la maladie.Ce livre est un guide complet pour les chercheurs, les scientifiques des données et les professionnels de la santé qui s'intéressent à la prédiction basée sur l'IA de la gravité de COVID-19 chez les patients présentant des comorbidités. Il souligne que les modèles classiques d'apprentissage automatique, y compris l'arbre de décision, la forêt aléatoire et les Bayes naïves gaussiennes, atteignent une grande précision, tandis que les modèles basés sur les réseaux neuronaux font preuve d'une forte généralisation et d'une grande robustesse.…

Condition: New. Print on Demand.

Condition: New. PRINT ON DEMAND.

Taschenbuch. Condition: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Este livro apresenta uma estrutura abrangente orientada pela Inteligência Artificial para prever a gravidade da COVID-19 em pacientes com comorbidades, abordando desafios críticos no diagnóstico, prognóstico e gestão de recursos de saúde. Integra técnicas de aprendizagem automática e aprendizagem profunda para analisar dados clínicos, demográficos e de imagiologia médica em grande escala. Conjuntos de dados clínicos desequilibrados são tratados usando estratégias avançadas de pré-processamento e reamostragem, permitindo uma previsão robusta de mortalidade, sobrevivência e gravidade da doença.O livro serve como um guia abrangente para pesquisadores, cientistas de dados e profissionais de saúde interessados na previsão baseada em IA da gravidade do COVID-19 em pacientes com comorbidades. Destaca que os modelos clássicos de Machine Learning, incluindo Decision Tree, Random Forest e Gaussian Naïve Bayes, alcançam alta precisão, enquanto os modelos baseados em redes neurais demonstram forte generalização e robustez.…

Taschenbuch. Condition: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Questo libro presenta una struttura completa basata sull'intelligenza artificiale per prevedere la gravità della COVID-19 nei pazienti con comorbidità, affrontando sfide critiche nella diagnosi, nella prognosi e nella gestione delle risorse sanitarie. Integra tecniche di Machine Learning e Deep Learning per analizzare dati clinici, demografici e di imaging medico su larga scala. Gli insiemi di dati clinici sbilanciati vengono gestiti utilizzando strategie avanzate di preelaborazione e ricampionamento, consentendo una solida previsione della mortalità, della sopravvivenza e della gravità della malattia.Il libro è una guida completa per i ricercatori, gli scienziati dei dati e gli operatori sanitari interessati alla predizione basata sull'intelligenza artificiale della gravità della COVID-19 nei pazienti con comorbilità. Il libro evidenzia che i modelli classici di apprendimento automatico, tra cui Decision Tree, Random Forest e Gaussian Naïve Bayes, raggiungono un'elevata precisione, mentre i modelli basati sulle reti neurali dimostrano una forte generalizzazione e robustezza.…

Taschenbuch. Condition: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Dieses Buch stellt ein umfassendes, auf künstlicher Intelligenz basierendes System zur Vorhersage des Schweregrads von COVID-19 bei Patienten mit Komorbiditäten vor und geht damit auf kritische Herausforderungen bei der Diagnose, Prognose und dem Management von Gesundheitsressourcen ein. Es integriert Techniken des maschinellen Lernens und des Deep Learning zur Analyse umfangreicher klinischer, demografischer und bildgebender medizinischer Daten. Unausgewogene klinische Datensätze werden mit fortschrittlichen Vorverarbeitungs- und Resampling-Strategien behandelt, die eine robuste Vorhersage von Sterblichkeit, Überleben und Krankheitsschwere ermöglichen.Das Buch dient als umfassender Leitfaden für Forscher, Datenwissenschaftler und medizinisches Fachpersonal, die sich für die KI-basierte Vorhersage des COVID-19-Schweregrads bei Patienten mit Begleiterkrankungen interessieren. Es hebt hervor, dass klassische Modelle des maschinellen Lernens, einschließlich Entscheidungsbaum, Zufallsforst und Gaußscher Naïve Bayes, eine hohe Präzision erreichen, während auf neuronalen Netzen basierende Modelle eine starke Generalisierung und Robustheit aufweisen.…