9780128220009 - machine learning and artificial intelligence in radiation oncology: a guide for clinicians (4 Ergebnisse)
- Softcover
Anbieter: Majestic Books, Hounslow, , Vereinigtes KönigreichMajestic Books
Verkäufer/-in kontaktierenVerkäufer/-in mit 4 SternenZustand: Neu
EUR 160,74
EUR 7,50 VersandVersand von Vereinigtes Königreich nach USAAnzahl: 3 verfügbar
Zustand: New. pp. 300.
- Softcover
Anbieter: Ria Christie Collections, Uxbridge, Vereinigtes KönigreichRia Christie Collections
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 194,44
EUR 13,81 VersandVersand von Vereinigtes Königreich nach USAAnzahl: Mehr als 20 verfügbar
Zustand: New. In.
- Softcover
Anbieter: moluna, Greven, , Deutschlandmoluna
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 205,53
EUR 48,99 VersandVersand von Deutschland nach USAAnzahl: Mehr als 20 verfügbar
Kartoniert / Broschiert. Zustand: New. Presents content written by practicing clinicians and research scientists, allowing a healthy mix of both new clinical ideas as well as perspectives on how to translate research findings into the clinicProvides perspectives from artificial .
- Softcover
Anbieter: AHA-BUCH GmbH, Einbeck, DeutschlandAHA-BUCH GmbH
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 287,41
EUR 65,20 VersandVersand von Deutschland nach USAAnzahl: 2 verfügbar
Taschenbuch. Zustand: Neu. Neuware - Machine Learning and Artificial Intelligence in Radiation Oncology: A Guide for Clinicians is designed for the application of practical concepts in machine learning to clinical radiation oncology. It addresses the existing void in a resource to educate practicing clinicians about how machine…learning can be used to improve clinical and patient-centered outcomes. This book is divided into three sections: the first addresses fundamental concepts of machine learning and radiation oncology, detailing techniques applied in genomics; the second section discusses translational opportunities, such as in radiogenomics and autosegmentation; and the final section encompasses current clinical applications in clinical decision making, how to integrate AI into workflow, use cases, and cross-collaborations with industry. The book is a valuable resource for oncologists, radiologists and several members of biomedical field who need to learn more about machine learning as a support for radiation oncology.
