دانلود کتاب Mathematical Modeling and Validation in Physiology: Applications to the Cardiovascular and Respiratory Systems
دسته: زیست شناسی
کتاب مدل‌سازی ریاضی و اعتبارسنجی در فیزیولوژی: کاربردها در سیستم‌های قلبی عروقی و تنفسی نسخه زبان اصلی
دانلود کتاب مدل‌سازی ریاضی و اعتبارسنجی در فیزیولوژی: کاربردها در سیستم‌های قلبی عروقی و تنفسی بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
توضیحاتی در مورد کتاب Mathematical Modeling and Validation in Physiology: Applications to the Cardiovascular and Respiratory Systems
نام کتاب : Mathematical Modeling and Validation in Physiology: Applications to the Cardiovascular and Respiratory Systems
ویرایش : 1
عنوان ترجمه شده به فارسی : مدل‌سازی ریاضی و اعتبارسنجی در فیزیولوژی: کاربردها در سیستم‌های قلبی عروقی و تنفسی
سری : Lecture Notes in Mathematics 2064
نویسندگان : Jerry J. Batzel, Mostafa Bachar, John M. Karemaker, Franz Kappel (auth.), Jerry J. Batzel, Mostafa Bachar, Franz Kappel (eds.)
ناشر : Springer-Verlag Berlin Heidelberg
سال نشر : 2013
تعداد صفحات : 269
ISBN (شابک) : 9783642328817 , 9783642328824
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 4 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
توضیحاتی در مورد کتاب :
این جلد جنبه‌های نظری و عملی دیدگاه‌های ریاضی و علوم زیستی مورد نیاز برای مدل‌سازی سیستم قلبی عروقی-تنفسی به‌طور خاص و سیستم‌های فیزیولوژیکی را به طور کلی ترکیب می‌کند. نکات نظری شامل طراحی مدل، پیچیدگی و اعتبارسنجی مدل در پرتو داده‌های موجود، و همچنین رویکردهای تئوری کنترل برای تأخیر بازخورد و کاربردهای فیلتر کالمن برای شناسایی پارامتر است. رویکردهای پیشرفته با استفاده از حساسیت پارامتر برای افزایش قابلیت شناسایی مدل از طریق تجزیه و تحلیل مشترک ساختار مدل و داده ها مورد بحث قرار می گیرند. مثال‌های عملی توسعه مدل را در سطوح مختلف پیچیدگی بر اساس اطلاعات فیزیولوژیکی نشان می‌دهند. رویکردهای مبتنی بر حساسیت برای بررسی قابلیت شناسایی مدل با استفاده از نمونه‌های مدل‌سازی خاص نشان داده شده‌اند. مضامین ارائه شده به مشکل فعلی انطباق مدل خاص بیمار در محیط بالینی می پردازد، جایی که داده ها معمولاً محدود هستند.
فهرست مطالب :
Front Matter....Pages i-xx
Front Matter....Pages 1-1
Merging Mathematical and Physiological Knowledge: Dimensions and Challenges....Pages 3-19
Mathematical Modeling of Physiological Systems....Pages 21-41
Parameter Selection Methods in Inverse Problem Formulation....Pages 43-73
Application of the Unscented Kalman Filtering to Parameter Estimation....Pages 75-88
Integrative and Reductionist Approaches to Modeling of Control of Breathing....Pages 89-103
Parameter Identification in a Respiratory Control System Model with Delay....Pages 105-118
Front Matter....Pages 119-119
Experimental Studies of Respiration and Apnea....Pages 121-132
Model Validation and Control Issues in the Respiratory System....Pages 133-162
Experimental Studies of the Baroreflex....Pages 163-176
Development of Patient Specific Cardiovascular Models Predicting Dynamics in Response to Orthostatic Stress Challenges....Pages 177-213
Parameter Estimation of a Model for Baroreflex Control of Unstressed Volume....Pages 215-246
Back Matter....Pages 247-254
توضیحاتی در مورد کتاب به زبان اصلی :
This volume synthesizes theoretical and practical aspects of both the mathematical and life science viewpoints needed for modeling of the cardiovascular-respiratory system specifically and physiological systems generally. Theoretical points include model design, model complexity and validation in the light of available data, as well as control theory approaches to feedback delay and Kalman filter applications to parameter identification. State of the art approaches using parameter sensitivity are discussed for enhancing model identifiability through joint analysis of model structure and data. Practical examples illustrate model development at various levels of complexity based on given physiological information. The sensitivity-based approaches for examining model identifiability are illustrated by means of specific modeling examples. The themes presented address the current problem of patient-specific model adaptation in the clinical setting, where data is typically limited.
پست ها تصادفی