| ISBN13: | 9781032647005 |
| ISBN10: | 10326470011 |
| Kötéstípus: | Keménykötés |
| Terjedelem: | 200 oldal |
| Méret: | 234x156 mm |
| Nyelv: | angol |
| Illusztrációk: | 54 Illustrations, black & white; 54 Line drawings, black & white |
| 700 |
A biológia általános kérdései
Genetika, evolúció, fejlődéstan
Biokémia
Az orvostudomány általános kérdései
Klinikai orvostudomány és belgyógyászat általában
Endokrinológia, diabetológia
Villamosmérnöki tudományok, híradástechnika, műszeripar
Mesterséges intelligencia
A számítástechnika biztonsági és egészségügyi vonatkozásai
Környezetmérnöki tudományok
Biofizika
Betegtájékoztatás, természetgyógyászat, házi patika
A biológia általános kérdései (karitatív célú kampány)
Genetika, evolúció, fejlődéstan (karitatív célú kampány)
Biokémia (karitatív célú kampány)
Az orvostudomány általános kérdései (karitatív célú kampány)
Klinikai orvostudomány és belgyógyászat általában (karitatív célú kampány)
Endokrinológia, diabetológia (karitatív célú kampány)
Villamosmérnöki tudományok, híradástechnika, műszeripar (karitatív célú kampány)
Mesterséges intelligencia (karitatív célú kampány)
A számítástechnika biztonsági és egészségügyi vonatkozásai (karitatív célú kampány)
Környezetmérnöki tudományok (karitatív célú kampány)
Biofizika (karitatív célú kampány)
Betegtájékoztatás, természetgyógyászat, házi patika (karitatív célú kampány)
Deep Learning in Diabetes Mellitus Detection and Diagnosis
GBP 115.00
Kattintson ide a feliratkozáshoz
This book focuses on deep learning-based approaches in the field of Diabetes Mellitus detection and diagnosis, including preprocessing techniques which are an essential part of this subject. This is the first book of its kind to cover deep learning-based approaches in the specific field of Diabetes Mellitus.
Deep Learning in Diabetes Mellitus Detection and Diagnosis focuses on deep learning-based approaches in the field of diabetes mellitus detection and diagnosis, including preprocessing techniques that are an essential part of this subject. This is the first book of its kind to cover deep learning-based approaches in the specific field of diabetes mellitus. This book includes a detailed introductory overview as well as chapters on current applications, preprocessing of data using deep learning, deep learning techniques, complexity, challenges, and future directions. It will be of great interest to researchers and professionals working on diabetes mellitus as well as general medical applications of machine learning.
Features:
- Highlights how the use of deep neural networks-based applications can address new questions and protocols, as well as improve upon existing challenges in diabetes mellitus detection and diagnosis
- Assists scholars and students who might like to learn about this area as well as others who may have begun without a formal presentation, with no complex mathematical equations
- Involves exceptional subject coverage and includes the principles needed to understand deep learning
1. Introduction to Diabetes Mellitus Detection and Diagnosis using deep Learning. 2. Pre-processing and Detection of Diabetes Mellitus from physiological data using deep learning. 3. Graph-based Explainable Method for Blood Glucose Prediction through Federated Learning. 4. Automated Early detection of Diabetes Mellitus from Retinal Fundus images using Residual U-Network Approach. 5. Towards Classifying the Severity of Diabetic Retinopathy Using Deep Learning. 6. Deep Learning saves lives of diabetes mellitus patients and cuts treatment costs. 7. Diabetes mellitus detection using deep learning model. 8. A Comprehensive Review of the Use of Deep Learning Algorithms in Diabetes Mellitus Detection and Diagnosis. 9. Examining the Role of Machine Learning and Deep Learning in Diabetes Mellitus Detection and Diagnosis - A Critical Review. 10. Deep Learning in Diabetes Mellitus Detection and Diagnosis. 11. Title: Deep Learning Algorithms for Diabetes Mellitus Detection and Management. 12. An Analysis of Deep Learning Models for Diabetic Retinopathy Detection and Classification Based on Fundus Image.
