Celltrion的COVID-19治療抗體CT-P59已完成全球臨床試驗，立即向韓國食藥署申請緊急使用許可並在全球展開申請程序
- 順利完成第二期臨床試驗 … 今日已向韓國食藥署遞交緊急使用許可申請書 - 以臨床試驗結(jié)果爲依據(jù)，爲了於2021年1月份申請美國、歐洲緊急使用許可，與FDA、EMA進行協(xié)商
國際文傳 - 新冠 - 2021-01-05
Lancet：10年間的變化-中國的老年人健康狀況
80歲以上的老年人是全球發(fā)展最快的年齡群體，并且最需要保健和援助。 在此項研究中研究者們的評估了在1998年至2008年之間死亡率，日常生活活動上的障礙，以及老年人之間的身體和認知功能的變化。
MedSci原創(chuàng) - 老年人，健康狀況，存活率 - 2017-03-12
Cell Reports | 南方醫(yī)科大學朱浩團隊開發(fā)深度學習算法DeepFavored，揭示適應性突變與疾病易感性關(guān)聯(lián)
DeepFavored在CEU、CHB和YRI中識別的454、287和272個有利突變，以及附近的搭便車突變是否富含神經(jīng)、代謝和免疫相關(guān)疾病/性狀位點。
測序中國 - 疾病易感性，DeepFavored，適應性突變 - 2022-09-26
Crit Care：利用人工智能分析了COVID-19危重患者的微循環(huán)變化
經(jīng)過內(nèi)部驗證，深度學習優(yōu)于算法方法。
MedSci原創(chuàng) - 人工智能，COVID-19危重患者，微循環(huán)變化 - 2022-10-17
CIRC J： DEFENSE試驗結(jié)果證實SST技術(shù)辨別心律能力更卓越
近日日本學者發(fā)表一項題為《DEFENSE（功能增強的、經(jīng)設(shè)置減少不準確檢測的植入式除顫器）試驗結(jié)果證實SST技術(shù)辨別心律能力更卓越》的前瞻性、多中心觀察性研究于circulation journal，比較了SST鑒別算法與常規(guī)算法對室性心律失常的不準確檢測
MedSci原創(chuàng) - 心律失常，除顫，同步化治療 - 2017-04-26
Nature子刊 | 范驍輝/陳華鈞/高月團隊開發(fā)空間解卷積算法Bulk2Space，將Bulk轉(zhuǎn)錄組重構(gòu)至單細胞空間分辨率
Bulk2Space具有很好的生物學和臨床應用前景，包括揭示細胞的空間特異性變異，發(fā)現(xiàn)新基因的空間表達模式，實現(xiàn)更精細的細胞聚類，預測分子疾病進展的潛在機制等。
測序中國 - Bulk2Space，Bulk轉(zhuǎn)錄組，單細胞空間分辨率 - 2022-11-26
Biomed Eng Online：鄭健課題組在基于字典學習方法的CT圖像重建算法研究中取得進展
為了降低輻射劑量，減少投影角度是一個直接有效的方法，但是這種方法在利用傳統(tǒng)解析算法進行重建時，采樣率的降低會導致重建圖像中產(chǎn)生嚴重的混疊偽影，影響醫(yī)生的診斷和治療。
蘇州生物醫(yī)學工程技術(shù)研究所 - CT，重建算法，字典學習 - 2017-05-19
Brief Bioinform：中科院北京生科院趙方慶團隊發(fā)表環(huán)形非編碼RNA識別新技術(shù)
因為目前在環(huán)形RNA識別方面存在著假陽性率高、敏感度不夠等問題，該團隊研究并提出了全新的多重種子匹配算法及最大似然估計模型，可以精確識別環(huán)形R
中國科學院北京生命科學研究院 - 環(huán)形RNA，接頭序列，生物信息學 - 2017-04-21
Radiology：人工智能在肺癌影像學篩查上的新進展
在CT圖像上，肺癌表現(xiàn)為亞實性病變的實性成分的大小與病理評估時的浸潤性成分大小非常吻合，這決定了治療方案的制定并反映了患者的預后，是臨床關(guān)注的重中之重。
MedSci原創(chuàng) - 肺癌，人工智能，自動深度學習算法，亞實性結(jié)節(jié) - 2021-05-04
機器學習、統(tǒng)計分析、數(shù)據(jù)挖掘、神經(jīng)網(wǎng)絡、人工智能、模式識別前世今生
在技術(shù)飛快進步的時代，下一個計算平臺，可能將是量子計算機與人工智能的結(jié)合的產(chǎn)物。機器學習、統(tǒng)計分析、數(shù)據(jù)挖掘、神經(jīng)網(wǎng)絡、人工智能、模式識別，很難說誰包含于誰，只能分開說每一個概念的意義，誰服務于誰。 離線而非在線的云數(shù)據(jù)才是未來的機會所在。這也是機器人可以進入的領(lǐng)域，因為它能夠移動，利用機器人身上裝的傳感器，它可以感知到周圍的真實環(huán)境，在與環(huán)境互動的過程中學習。 這幾者間的基本區(qū)別如下：
MedSci原創(chuàng) - 機器學習，人工智能 - 2016-06-25
詳解：如何用Python實現(xiàn)機器學習算法（1）
Python是實現(xiàn)機器學習的最主要語言，下面詳細介紹各類相關(guān)算法。目錄 一、線性回歸 1、代價函數(shù) 2、梯度下降算法 3、均值歸一化
AI科技大本營 - 機器學習，Python - 2017-12-25
在R語言中比較不同機器學習算法的性能差異
選擇最好的機器學習模型 你如何根據(jù)需求選擇最好的模型？ 在你進行機器學習項目的時候，往往會有許多良好模型可供選擇。每個模型都有不同的性能特點。 使用重采樣方法，如交叉驗證，就可以得到每個模型在未知數(shù)據(jù)上精準度的估計。你需要利用這些估計從你創(chuàng)建的一系列模型中選擇一到兩個最好的模型。 仔細比較機器學習模型 當你有了新數(shù)據(jù)集，使用多種不同的圖形技術(shù)可視化數(shù)據(jù)是個好主意，你可以從不同角度來觀
CSDN - 機器學習，R，算法，性能 - 2016-03-01
［題目出處、原始鏈接］斯坦福團隊開發(fā)超強算法：海量挖掘“基因CP”，助力癌癥精準治療
癌癥常依賴于一對對互補的基因，以維持細胞脫離正常運作的模式。如果互補基因中有一個發(fā)生突變，另一個會擴大表達量以彌補突變一方的缺失。但是如果這一對基因都發(fā)生錯誤了，細胞會因此死亡。這種兩個非致死基因同時失活導致細胞死亡的現(xiàn)象被稱為“合成致死”（synthetic lethals）。依據(jù)這一原理，如果一個基因發(fā)生癌癥相關(guān)的突變，那么用藥物抑制它的另一半（有合成致死關(guān)系），就可以特異性地消滅癌細胞。這種
生物探索 - 基因CP，精準醫(yī)療 - 2017-06-02
為您找到相關(guān)結(jié)果約500個
