MARC details
| 000 -CABECERA |
|---|
| campo de control de longitud fija |
06461nam a22004215i 4500 |
| 001 - NÚMERO DE CONTROL |
|---|
| campo de control |
395766 |
| 003 - IDENTIFICADOR DEL NÚMERO DE CONTROL |
|---|
| campo de control |
ES-MaUEC |
| 005 - FECHA Y HORA DE LA ÚLTIMA TRANSACCIÓN |
|---|
| campo de control |
20230118085916.0 |
| 006 - CÓDIGOS DE INFORMACIÓN DE LONGITUD FIJA--CARACTERÍSTICAS DEL MATERIAL ADICIONAL |
|---|
| campo de control de longitud fija |
a||||fo|||| 00| 0 |
| 007 - CAMPO FIJO DE DESCRIPCIÓN FÍSICA--INFORMACIÓN GENERAL |
|---|
| campo de control de longitud fija |
cr nn 008mamaa |
| 008 - DATOS DE LONGITUD FIJA--INFORMACIÓN GENERAL |
|---|
| campo de control de longitud fija |
211203s2022 sz | s |||| 0|eng d |
| 020 ## - NÚMERO INTERNACIONAL ESTÁNDAR DEL LIBRO |
|---|
| Número Internacional Estándar del Libro |
9783030852924 |
| 024 7# - IDENTIFICADOR DE OTROS ESTÁNDARES |
|---|
| Número estándar o código |
10.1007/978-3-030-85292-4 |
| Fuente del número o código |
doi |
| 040 ## - FUENTE DE LA CATALOGACIÓN |
|---|
| Centro catalogador/agencia de origen |
ES-MaUEC |
| Lengua de catalogación |
spa |
| Centro/agencia transcriptor |
ES-MaUEC |
| Centro/agencia modificador |
ES-MaUEC |
| 050 #4 - SIGNATURA TOPOGRÁFICA DE LA BIBLIOTECA DEL CONGRESO |
|---|
| Número de clasificación |
QP357.5 |
| Número de documento/Ítem |
2022 EB |
| 245 10 - MENCIÓN DE TÍTULO |
|---|
| Título |
Machine Learning in Clinical Neuroscience |
| Resto del título |
Foundations and Applications |
| Mención de responsabilidad, etc. |
edited by Victor E. Staartjes, Luca Regli, Carlo Serra. |
| 250 ## - MENCIÓN DE EDICIÓN |
|---|
| Mención de edición |
1st edition 2022 |
| 264 #1 - PRODUCCIÓN, PUBLICACIÓN, DISTRIBUCIÓN, FABRICACIÓN Y COPYRIGHT |
|---|
| Producción, publicación, distribución, fabricación y copyright |
Cham |
| Nombre del de productor, editor, distribuidor, fabricante |
Springer International Publishing |
| Fecha de producción, publicación, distribución, fabricación o copyright |
2022 |
| 300 ## - DESCRIPCIÓN FÍSICA |
|---|
| Extensión |
1 recurso en línea (VII, 361 páginas) |
| Otras características físicas |
133 ilustraciones, 80 ilustraciones a color |
| 336 ## - TIPO DE CONTENIDO |
|---|
| Término de tipo de contenido |
texto |
| Código de tipo de contenido |
txt |
| Fuente |
rdacontent |
| 337 ## - TIPO DE MEDIO |
|---|
| Nombre/término del tipo de medio |
electrónico |
| Código del tipo de medio |
c |
| Fuente |
rdamedia |
| 338 ## - TIPO DE SOPORTE |
|---|
| Nombre/término del tipo de soporte |
recurso electrónico |
| Código del tipo de soporte |
cr |
| Fuente |
rdacarrier |
| 347 ## - CARACTERÍSTICAS DEL ARCHIVO DIGITAL |
|---|
| Tipo de archivo |
archivo de texto |
| Formato de codificación |
PDF |
| 490 0# - MENCIÓN DE SERIE |
|---|
| Mención de serie |
Acta Neurochirurgica Supplement |
| Número Internacional Normalizado para Publicaciones Seriadas |
2197-8395 |
| Designación de volumen o secuencia |
134 |
| 505 0# - NOTA DE CONTENIDO CON FORMATO |
|---|
| Nota de contenido con formato |
Preface -- Foundations of machine learning-based clinical prediction modeling - Part I: Introduction and general principles -- Foundations of machine learning-based clinical prediction modeling - Part II: Generalization and Overfitting -- Foundations of machine learning-based clinical prediction modeling - Part III: Evaluation and other points of significance -- Foundations of machine learning-based clinical prediction modeling - Part IV: A practical approach to binary classification problems -- Foundations of machine learning-based clinical prediction modeling - Part V: A practical approach to regression problems -- Supervised and unsupervised learning / clustering -- Introduction to Bayesian Modeling -- Introduction to Deep Learning -- Overview of algorithms for machine-learning based clinical prediction modelling -- Foundations of feature selection in clinical prediction modelling -- Dimensionality reduction: Foundations and applications in clinical neuroscience -- Machine learning-based survival modeling: Foundations and Applications -- Making clinical prediction models available: A brief introduction -- Machine Learning-based Clustering Analysis: Foundational Concepts, Methods, and Applications -- Introduction to Machine Learning in Neuroimaging -- Overview of machine learning algorithms in imaging -- Foundations of classification modeling based on neuroimaging -- Foundations of lesion-symptom mapping using machine learning -- Foundations of Machine Learning-Based Segmentation in Cranial Imaging -- Foundations of lesion detection using machine learning in clinical neuroimaging -- Foundations of multiparametric brain tumor imaging characterization -- Radiomics in clinical neuroscience - Overview -- Radiomic feature extraction: Methodological Foundations -- Complexity and interpretability in machine vision -- Foundations of intraoperative anatomical recognition using machine vision -- Machine Vision Foundations -- Natural Language Processing: Foundations and Applications in Clinical Neuroscience -- Foundations of Time Series Analysis -- Overview of algorithms for natural language processing and time series analysis -- History of machine learning in neurosurgery -- The AI doctor - considerations for AI-based medicine -- Ethics of Machine Learning-Based Predictive Analytics -- Predictive analytics in clinical practice: Pro and contra -- Review of machine vision applications in neuroophtalmology -- Prediction Model -- Prediction Model -- Prediction Model -- Topical Review of machine learning in intracranial aneurysm surgery -- Review of applications of machine learning in neuroimaging -- Prediction Model -- An overview of machine learning applications in the Neurointensive Care Unit -- Prediction Model -- Review of natural language processing in the clinical neurosciences -- Review of big data applications in the clinical neurosciences -- Radiomic features associated with extent of resection in glioma surgery. |
| 520 ## - SUMARIO, ETC. |
|---|
| Sumario, etc. |
This book bridges the gap between data scientists and clinicians by introducing all relevant aspects of machine learning in an accessible way, and will certainly foster new and serendipitous applications of machine learning in the clinical neurosciences. Building from the ground up by communicating the foundational knowledge and intuitions first before progressing to more advanced and specific topics, the book is well-suited even for clinicians without prior machine learning experience. Authored by a wide array of experienced global machine learning groups, the book is aimed at clinicians who are interested in mastering the basics of machine learning and who wish to get started with their own machine learning research. The volume is structured in two major parts: The first uniquely introduces all major concepts in clinical machine learning from the ground up, and includes step-by-step instructions on how to correctly develop and validate clinical prediction models. It also includes methodological and conceptual foundations of other applications of machine learning in clinical neuroscience, such as applications of machine learning to neuroimaging, natural language processing, and time series analysis. The second part provides an overview of some state-of-the-art applications of these methodologies. The Machine Intelligence in Clinical Neuroscience (MICN) Laboratory at the Department of Neurosurgery of the University Hospital Zurich studies clinical applications of machine intelligence to improve patient care in clinical neuroscience. The group focuses on diagnostic, prognostic and predictive analytics that aid in decision-making by increasing objectivity and transparency to patients. Other major interests of our group members are in medical imaging, and intraoperative applications of machine vision. |
| 988 ## - NOTA LOCAL 598 |
|---|
| Nota local 598 (boletines) |
Springer_Medicine_2022 |
| 650 #7 - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA |
|---|
| Fuente del encabezamiento o término |
embne |
| 9 (RLIN) |
481390 |
| Término de materia o nombre geográfico como elemento de entrada |
Neurociencia computacional |
| 650 #7 - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA |
|---|
| Fuente del encabezamiento o término |
embne |
| 9 (RLIN) |
421371 |
| Término de materia o nombre geográfico como elemento de entrada |
Inteligencia artificial en medicina |
| 776 08 - ENTRADA/ENLACE A UN FORMATO FÍSICO ADICIONAL |
|---|
| Información de relación/Frase instructiva de referencia |
Printed edition: |
| Número Internacional Estándar del Libro |
9783030852917 |
| 776 08 - ENTRADA/ENLACE A UN FORMATO FÍSICO ADICIONAL |
|---|
| Información de relación/Frase instructiva de referencia |
Printed edition: |
| Número Internacional Estándar del Libro |
9783030852931 |
| 776 08 - ENTRADA/ENLACE A UN FORMATO FÍSICO ADICIONAL |
|---|
| Información de relación/Frase instructiva de referencia |
Printed edition: |
| Número Internacional Estándar del Libro |
9783030852948 |
| 856 40 - LOCALIZACIÓN Y ACCESO ELECTRÓNICOS |
|---|
| Identificador Uniforme del Recurso |
https://go.openathens.net/redirector/universidadeuropea.es?url=https://doi.org/10.1007/978-3-030-85292-4 |
| Nota pública |
Acceso a este recurso digital (usuarios Universidad Europea de Madrid) |
| 942 ## - ELEMENTOS DE PUNTO DE ACCESO ADICIONAL (KOHA) |
|---|
| Fuente del sistema de clasificación o colocación |
Library of Congress Classification |
| Tipo de ítem Koha |
LIBRO-E NO PRÉSTAMO |
| 998 ## - DATOS ESTADÍSTICOS |
|---|
| Fecha de catalogación |
01/2023 |
| Tipo de materia |
E-book |
| Catalogador |
Isabel Alonso |
| Catalogado |
Sí |