Afficher la notice abrégée
dc.contributor.author |
RABANI, Mohamed El-Mourtada |
|
dc.date.accessioned |
2022-12-08T09:03:37Z |
|
dc.date.available |
2022-12-08T09:03:37Z |
|
dc.date.issued |
2022 |
|
dc.identifier.uri |
https://di.univ-blida.dz/jspui/handle/123456789/20415 |
|
dc.description |
4.629.1.111, 59p, illustree |
fr_FR |
dc.description.abstract |
L'intersection de la technologie mondiale et des dispositifs
informatiques miniaturisés à haute capacité a conduit à une révolution
dans la prestation des soins de santé et à la naissance de la
télémédecine et de la santé mobile. Les progrès rapides des appareils
d'imagerie portables avec d'autres appareils tels que les applications
pour smartphones et les appareils portables font de grands progrès
dans le domaine de l'imagerie cardiovasculaire comme jamais
auparavant. Bien que ces technologies offrent une belle promesse en
imagerie cardiovasculaire, c'est loin d'être simple. L'afflux massif de
données provenant de la télémédecine, notamment l'imagerie
cardiovasculaire, remplace les capacités existantes du système de santé
et des logiciels statistiques actuels. Avec est le seul et unique moyen de
naviguer dans ce labyrinthe complexe d'afflux de données à travers
diverses approches. Les techniques d'apprentissage en profondeur
élargissent encore leur rôle par la reconnaissance d'images et les
mesures automatisées. L'intelligence artificielle offre des possibilités
illimitées d'analyser rigoureusement les données. À mesure que nous
avançons, les futurs de la santé mobile, de la et de l'intelligence
artificielle s'entremêlent de plus en plus pour donner naissance à la
médecine de précision. |
fr_FR |
dc.language.iso |
fr |
fr_FR |
dc.publisher |
blida1 |
fr_FR |
dc.subject |
:L'intelligence artificielle ; l'apprentissage automatique ; télémédecine |
fr_FR |
dc.title |
AI : in the detection of heart risk for Telehealth |
fr_FR |
Fichier(s) constituant ce document
Ce document figure dans la(les) collection(s) suivante(s)
Afficher la notice abrégée