یادگیری ماشین در سلامت هوشمند
ترجمه نشده

یادگیری ماشین در سلامت هوشمند

عنوان فارسی مقاله: رویکردهای یادگیری ماشین در سلامت هوشمند
عنوان انگلیسی مقاله: Machine Learning Approaches in Smart Health
مجله/کنفرانس: علوم کامپیوتر پروسیدیا – Procedia Computer Science
رشته های تحصیلی مرتبط: مهندسی کامپیوتر، مهندسی صنایع
گرایش های تحصیلی مرتبط: هوش مصنوعی، مهندسی سیستم های سلامت
کلمات کلیدی فارسی: سلامت هوشمند، سلامت الکترونیک، انفورماتیک پزشکی، یادگیری ماشین
کلمات کلیدی انگلیسی: Smart Health; Electronic Health; Medical Informatics; Machine Learning
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.procs.2019.06.052
دانشگاه: Department of Computer Science, Faculty of computer and information science, University of Ain Shams, Cairo, Egypt
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2019
ایمپکت فاکتور: 1.257 در سال 2018
شاخص H_index: 47 در سال 2019
شاخص SJR: 0.281 در سال 2018
شناسه ISSN: 1877-0509
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 8
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
کد محصول: E12318
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست انگلیسی مطالب

Abstract


1-Introduction


2-Smart Health


3-ML Approaches in Smart Health


4-Conclusions and Future Work


References

نمونه متن انگلیسی مقاله

Abstract


The increase of age average led to an increase in the demand of providing and improving the service of healthcare. The advancing of the information and communication technology (ICT) led to the development of smart cities which have a lot of components. One of those components is Smart Health (s-Health), which is used in improving healthcare by providing many services such as patient monitoring, early diagnosis of diseases and so on. Nowadays there are many machine learning techniques that can facilitates s-Health services. This paper reviews recent published papers in the area of smart health starting from the years 2011 to 2017, and a structured analysis for different machine learning (ML) approaches that are applied in s-Health. The results show that the ML approach is used in many s-Health applications such as Glaucoma diagnosis, Alzheimer’s disease, bacterial sepsis diagnoses, the Intensive Care Unit (ICU) readmissions, and cataract detection. The Artificial Neural Network (ANN), Support Vector Machine (SVM) algorithm and deep learning models especially the Convolutional Neural Network (CNN) are the most commonly used machine learning approaches where they proved to get high evaluation performance in most cases.


Introduction


e-Health can be defined as “an emerging field in the intersection of medical informatics, public health and business, referring to health services and information delivered or enhanced through the Internet and related technologies. In a broader sense, the term characterizes not only a technical development, but also a state-of-mind, a way of thinking, an attitude, and a commitment for networked, global thinking, to improve health care locally, regionally, and worldwide by using information and communication technology.”۳٫ There is an intersection between s-Health and Mobile Health (m-Health); m-Health can be defined as “emerging mobile communications and network technologies for healthcare systems”۴٫ Machine Learning (ML) is a field that grew out of Artificial Intelligence (AI). It is concerned with designing and developing algorithms that enable the computers to evolve their behaviors according to empirical data. The ML approach is evolving rapidly as a result of the improvement of the ML algorithms, enhanced methods of capturing data, improved computer networks, new sensors/IO units, and the interest in self-customization to users’ behavior 5.

  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

یادگیری ماشین در سلامت هوشمند
نوشته های مرتبط
مقالات جدید
نماد اعتماد الکترونیکی
پیوندها