Indiziert in
  • Öffnen Sie das J-Tor
  • Genamics JournalSeek
  • Akademische Schlüssel
  • JournalTOCs
  • Nationale Wissensinfrastruktur Chinas (CNKI)
  • Ulrichs Zeitschriftenverzeichnis
  • RefSeek
  • Hamdard-Universität
  • EBSCO AZ
  • Verzeichnis der Abstract-Indexierung für Zeitschriften
  • OCLC – WorldCat
  • Publons
  • Genfer Stiftung für medizinische Ausbildung und Forschung
  • Euro-Pub
  • Google Scholar
Teile diese Seite
Zeitschriftenflyer
Flyer image

Abstrakt

Maschinelles Lernen in der Onkologie: Was sollten Ärzte wissen?

Deepak Mane

Abstrakt:

In den letzten Jahren haben Menge und Umfang wissenschaftlicher und klinischer Daten in der Onkologie erheblich zugenommen, unter anderem im Bereich elektronischer Gesundheitsdaten, radiologischer und histologischer Daten sowie der Genomik. Dieses Wachstum verspricht ein tieferes Verständnis von Krebserkrankungen und damit eine personalisierte und zuverlässigere onkologische Behandlung. Solche Ziele erfordern jedoch die Entwicklung neuer Methoden, um die Fülle der verfügbaren Daten voll ausschöpfen zu können. Verbesserungen der Computerverarbeitungsleistung und die Weiterentwicklung von Algorithmen haben Master Learning, einen Zweig der künstlichen Intelligenz, in den Bereich der onkologischen Forschung und Praxis gebracht. Diese Analyse bietet eine Zusammenfassung der Grundlagen der Computerausbildung und befasst sich mit den jüngsten Fortschritten und Schwierigkeiten bei der Anwendung dieser Technologie für Krebsdiagnostik, Prognose und Behandlungsempfehlungen.

Haftungsausschluss: Dieser Abstract wurde mit Hilfe von Künstlicher Intelligenz übersetzt und wurde noch nicht überprüft oder verifiziert.