توضیحات
This open access book describes the results of natural language processing and machine learning methods applied to clinical text from electronic patient records.
It is divided into twelve chapters. Chapters 1-4 discuss the history and background of the original paper-based patient records, their purpose, and how they are written and structured. These initial chapters do not require any technical or medical background knowledge. The remaining eight chapters are more technical in nature and describe various medical classifications and terminologies such as ICD diagnosis codes, SNOMED CT, MeSH, UMLS, and ATC. Chapters 5-10 cover basic tools for natural language processing and information retrieval, and how to apply them to clinical text. The difference between rule-based and machine learning-based methods, as well as between supervised and unsupervised machine learning methods, are also explained. Next, ethical concerns regarding the use of sensitive patient records for research purposes are discussed, including methods for de-identifying electronic patient records and safely storing patient records. The books closing chapters present a number of applications in clinical text mining and summarise the lessons learned from the previous chapters.
The book provides a comprehensive overview of technical issues arising in clinical text mining, and offers a valuable guide for advanced students in health informatics, computational linguistics, and information retrieval, and for researchers entering these fields.
————————————————————–
ترجمه ماشینی :
این کتاب دسترسی آزاد، نتایج پردازش زبان طبیعی و روشهای یادگیری ماشینی را که در متن بالینی از سوابق الکترونیکی بیماران اعمال میشود، توصیف میکند.
این کتاب به دوازده فصل تقسیم شده است. . فصل های 1-4 تاریخچه و پیشینه پرونده های اصلی بیمار مبتنی بر کاغذ، هدف آنها و نحوه نگارش و ساختار آنها را مورد بحث قرار می دهد. این فصل های اولیه نیازی به دانش فنی یا زمینه پزشکی ندارند. هشت فصل باقیمانده ماهیت فنی بیشتری دارند و طبقه بندی ها و اصطلاحات پزشکی مختلف مانند کدهای تشخیص ICD، SNOMED CT، MeSH، UMLS و ATC را شرح می دهند. فصل های 5-10 ابزارهای اساسی برای پردازش زبان طبیعی و بازیابی اطلاعات و نحوه اعمال آنها در متن بالینی را پوشش می دهد. تفاوت بین روشهای مبتنی بر قانون و مبتنی بر یادگیری ماشین و همچنین بین روشهای یادگیری ماشین تحت نظارت و بدون نظارت نیز توضیح داده شده است. در مرحله بعد، نگرانی های اخلاقی در مورد استفاده از سوابق حساس بیمار برای اهداف تحقیقاتی مورد بحث قرار می گیرد، از جمله روش هایی برای شناسایی سوابق الکترونیکی بیمار و ذخیره ایمن سوابق بیمار. فصول پایانی کتاب تعدادی از کاربردها را در متن کاوی بالینی ارائه می کند و درس های آموخته شده از فصل های قبلی را خلاصه می کند.
این کتاب مروری جامع از مسائل فنی ناشی از متن کاوی بالینی ارائه می دهد و راهنمای ارزشمندی را ارائه می دهد. برای دانشجویان پیشرفته در انفورماتیک سلامت، زبان شناسی محاسباتی، و بازیابی اطلاعات، و برای محققانی که وارد این حوزه ها می شوند.
tag : دانلود کتاب متن کاوی بالینی , Download متن کاوی بالینی , دانلود متن کاوی بالینی , Download Clinical Text Mining Book , متن کاوی بالینی دانلود , buy متن کاوی بالینی , خرید کتاب متن کاوی بالینی , دانلود کتاب Clinical Text Mining , کتاب Clinical Text Mining , دانلود Clinical Text Mining , خرید Clinical Text Mining , خرید کتاب Clinical Text Mining ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.