Nat Mach Intell|基于AI算法预测基因组错义变异的功能影响
准确预测有害错义变异对于解释基因组序列至关重要。gMVP可以改善临床检测和遗传研究中对错义变异的解释,有望在基因临床检测和新风险基因发现研究中发挥积极作用。
测序中国 - 神经网络模型预测错义变异的功能影响,gMVP和已发表方法预测,gMVP 和已发表方法区分神经发育障碍 - 2022-12-13
Nat Med:基于血液代谢组学预测24种疾病的神经网络模型
基于22个中心、近12万名志愿者的168个循环标志物NMR血液代谢组学数据,作者训练了一个通过代谢谱预测代谢、血管、呼吸、肌肉骨骼-神经疾病和癌症等24种疾病风险的神经网络模型,该模型对疾病风险分层和
代谢网 - 糖尿病,痴呆,腹主动脉瘤,神经网络,代谢组学 - 2022-10-10
IJNS:构建基于人工神经网络的外周置入中心静脉导管相关血栓形成预测模型
人工神经网络模型能有效预测接受化疗的乳腺癌患者外周置入中心静脉导管相关性血栓形成。
MedSci原创 - 血栓,人工神经网络,经外周静脉置入中心静脉导管 - 2022-10-27
Genome Med:基于体细胞突变表征的深度神经网络模型MuAt,可预测肿瘤类型及亚型
研究团队开发了一种新颖的深度神经网络(DNN)模型能够通过学习简单和复杂的体细胞突变表征,从癌症全基因组和全外显子组测序数据中预测肿瘤类型和亚型。
测序中国 - 肿瘤,MuAt,深度神经网络模型 - 2023-08-09
DeepMind 又一成就:AlphaMissense能够预测出7100万错义突变,助力罕见病
蛋白质预测模型AlphaFold在AI界掀起海啸级巨浪后,Alpha家族又迎来新贵。
新智元 - 罕见病,DeepMind,AlphaMissense - 2023-09-23
European Radiology:静息状态的fMRI机器学习预测PRC皮层肿瘤患者的个体化手部运动
准确的脑功能区映射在术前规划中起着至关重要的作用,不仅有助于评估手术风险和疗效,还有助于避免手术引起的神经功能缺损。血氧水平依赖(BOLD)功能磁共振成像(fMRI)是一种无创成像技术,越来越多地应用
MedSci原创 - 机器学习,BOLD,PRC皮层 - 2021-03-27
Bioinformatics:人工智能帮助预测混合用药的副作用
斯坦福大学的科研人员设计出了一种卷积神经网络,能够预测混合使用多种药物可能产生的副作用。美国斯坦福大学(Stanford University)的计算机科学家设计出一种卷积神经网络,能够预测混合用药可能产生的副作用。 这项研究工作对患者具有重大的现实意义。通常,患者为治疗一种疾病或者减轻多种病情而服用的药物越来越多。但问题在于,我们对药物之间的相互作用知之甚少,由此带来了巨大风险。据研究
MedSci原创 - 人工智能,副作用 - 2018-08-13
神经网络从入门到精通——从神经元到深度学习
图1 人脑神经网络 神经网络是一门重要的机器学习技术。它是目前最为火热的研究方向–深度学习的基础。学习神经网络不仅可以让你掌握一门强大的机器学习方法,同时也可以更好地帮助你理解深度学习技术。本文以一种简单的,循序的方式讲解神经网络。适合对神经网络了解不多的同学。本文对阅读没有一定的前提要求,但是懂一些机器学习基础会更好地帮助理解本文。 神经网络是一种模拟人脑的神经网络以期能够实现类
博客 - 神经网络,深度学习 - 2016-04-01
eGastroenterology:人工智能在肝细胞癌诊断中的应用
人工智能,特别是深度学习和神经网络模型,在目前放射学检测HCC方面显示出巨大前景。AI在HCC诊断方面具有多种优势,包括减少诊断的异质性、优化数据分析以及重新分配医疗资源。基于AI的放射诊断的进步对于
eGastroenterology - 肝细胞癌,人工智能 - 2023-12-29
Hum Mol Genet:编码泛素水解酶的USP48的突变与常染色体显性非综合征性遗传性听力损失有关
听力损失是最常见的感官障碍,估计影响全世界6%的人口。大约60%的遗传性耳聋是由于内耳结构的异常,如耳蜗和听觉神经。其遗传可分为综合症(30%以上的病例)和非综合症(70%以上的病例)两种形式。尽管已
MedSci原创 - 突变,听力损失,USP48 - 2021-06-25
Clinica Chimica Acta:新生儿短链和长链酰基辅酶a脱氢酶缺陷患者的筛查和遗传特征
本研究评估了通过新生儿筛查发现的短链和极长链酰基辅酶a脱氢酶缺陷(SCADD/VLCADD)患者的生化和遗传特征。
MedSci原创 - 筛查;遗传特征 - 2020-08-09
机器学习、统计分析、数据挖掘、神经网络、人工智能、模式识别前世今生
在技术飞快进步的时代,下一个计算平台,可能将是量子计算机与人工智能的结合的产物。机器学习、统计分析、数据挖掘、神经网络、人工智能、模式识别,很难说谁包含于谁,只能分开说每一个概念的意义,谁服务于谁。 离线而非在线的云数据才是未来的机会所在。这也是机器人可以进入的领域,因为它能够移动,利用机器人身上装的传感器,它可以感知到周围的真实环境,在与环境互动的过程中学习。 这几者间的基本区别如下:
MedSci原创 - 机器学习,人工智能 - 2016-06-25
当你生病时,你会选择机器还是医生|对话神经网络先驱特伦斯
深陷某种疑难杂症的你面临两个诊断结果和两套治疗方法:第一个来自一台通过验证的机器,通过视觉影像输入,它能够针对你的病症进行诊断并给出相应疗法;第二个则来自一个有经验的专业医生。你会相信谁?作出这个回答的是特伦斯·谢诺夫斯基(Terrence Sejnowski),深度学习领域的先驱者和顶级AI科学家,NIPS基金会主席,上世
大数据文献 - 生病,机器,医生 - 2019-12-04
为您找到相关结果约500个