Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

**Gültig bis 06.07.2026 auf fremdsprachige Bücher online auf thalia.at, in der Thalia App ab einem Mindestbestellwert von 30€ und in allen Thalia Buchhandlungen in Österreich. In den Buchhandlungen nur gültig auf lagernde Ware. Einzelne Artikel können ausgeschlossen sein. Ausgenommen sind preisgebundene Artikel & eBooks. Pro Einkauf einmal einlösbar. Nur gültig gegen Vorlage oder im Onlineshop hinterlegter Bonuscard. Infos zur Einlösung in der Buchhandlung sind auf der Bonuscard-Vorteilspreisseite zu finden. Click & Collect nur bei Onlinevorabzahlung möglich. Keine Einlösung bei Scan & Go-Bezahlung. Keine Barauszahlung. Nicht kombinierbar mit anderen Aktionen und Gutscheinen. Gutschein wird auf max. 500€ Bestellwert angerechnet. Nicht gültig für Versandkosten und Services.
  • Produktbild: Health Information Processing. Evaluation Track Papers
  • Produktbild: Health Information Processing. Evaluation Track Papers
- 16%

Health Information Processing. Evaluation Track Papers 10th China Health Information Processing Conference, CHIP 2024, Fuzhou, China, November 15–17, 2024, Proceedings

Aus der Reihe Communications in Computer and Information Science
16% sparen

68,99 € UVP 82,49 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

13.04.2025

Herausgeber

Hongfei Lin + weitere

Verlag

Springer Singapore

Seitenzahl

228

Maße (L/B/H)

23,5/15,5/1,4 cm

Gewicht

382 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-981-9642-97-7

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

13.04.2025

Herausgeber

Verlag

Springer Singapore

Seitenzahl

228

Maße (L/B/H)

23,5/15,5/1,4 cm

Gewicht

382 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-981-9642-97-7

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: GPSR Kontakt

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Health Information Processing. Evaluation Track Papers
  • Produktbild: Health Information Processing. Evaluation Track Papers

  • .- Syndrome Differentiation Thought in Traditional Chinese Medicine .

    .- Overview of the evaluation task for syndrome differentiation thought in traditional Chinese medicine in CHIP2024.

    .- Traditional Chinese Medicine Case Analysis System for High-Level Semantic Abstraction: Optimized with Prompt and RAG.

    .- A TCM Syndrome Differentiation Thinking Method Based on Chain of Thought and Knowledge Retrieval Augmentation.

    .- Fine-Tuning Large Language Models for Syndrome Differentiation in Traditional Chinese Medicine.

    .- Iterative Retrieval Augmentation for Syndrome Differentiation via Large Language Models.

    .- Lymphoma Information Extraction and Automatic Coding.

    .- Benchmark for Lymphoma Information Extraction and Automated Coding.

    .- Overview of the Lymphoma Information Extraction and Automatic Coding Evaluation Task in CHIP 2024.

    .- Automatic ICD Code Generation for Lymphoma Using Large Language Models.

    .- Lymphoma Tumor Coding and Information Extraction: A Comparative Analysis of Large Language Model-based Methods.

    .- Leveraging Chain of Thought for Automated Medical Coding of Lymphoma Cases.

    .- Harnessing Retrieval-Augmented LLMs for Training-Free Tumor Coding Classification.

    .- Hierarchical Information Extraction and Classification of Lymphoma Tumor Codes Based On LLM.

    .- Typical Case Diagnosis Consistenc.

    .- Benchmark of the Typical Case Diagnosis Consistency Evaluation Task in CHIP2024.

    .- Overview of the Typical Case Diagnosis Consistency Evaluation Task in CHIP2024.

    .- The Diagnosis of Typical Medical Cases through Optimized Fine-Tuning of Large Language Models.

    .- Utilizing Large Language Models Enhanced by Chain-of-Thought for the Diagnosis of Typical Medical Cases.

    .- Assessing Diagnostic Consistency in Clinical Cases: A Fine-Tuned LLM Voting and GPT Error Correction Framework.

    .- Typical Medical Case Diagnosis with Voting and Answer Discrimination using Fine-tuned LLM.

    .- Reliable Typical Case Diagnosis via Optimized Retrieval-Augmented Generation Techniques.