Prédiction de l'efficacité de l'immunothérapie pour le cancer du poumon non à petites cellules en utilisant des réseaux de convolution graphique pondérés adaptatifs multi-vues

Prédiction de l’efficacité de l’immunothérapie pour le cancer du poumon non à petites cellules : Rapport de recherche sur le réseau de convolution graphique pondéré adaptatif multi-vues Introduction générale Le cancer du poumon est une tumeur maligne ayant un taux d’incidence extrêmement élevé et un pronostic défavorable, dont la létalité reste éle...

KG4NH : Un graphe de connaissances complet pour répondre aux questions sur la nutrition alimentaire et la santé humaine

Contexte et motivation de la recherche Comme il est bien connu, la nutrition alimentaire est étroitement liée à la santé humaine. Les recherches scientifiques montrent qu’une mauvaise nutrition alimentaire est associée à plus de 200 maladies, surtout lorsqu’on considère le métabolisme des micro-organismes intestinaux, rendant l’interaction complexe...

CIGNN : Un cadre basé sur le réseau de neurones graphiques et informé par la causalité pour l'estimation continue de la pression artérielle sans manchette

CIGNN: Cadre de l’estimation de la pression artérielle continue sans brassard basé sur les relations causales et les réseaux de neurones graphiques Introduction Selon les données de l’Organisation mondiale de la santé (OMS), environ 1,13 milliard de personnes dans le monde sont touchées par l’hypertension, et ce chiffre devrait augmenter à 1,5 mill...

Prédire les troubles futurs via des graphes de connaissances temporelles et des ontologies médicales

Prédire les maladies futures : Fusion des Graphes de Connaissances Temporels et des Ontologies Médicales Les dossiers de santé électroniques (Electronic Health Records, EHRs) sont des outils indispensables dans les institutions médicales modernes. Ils contiennent les antécédents médicaux détaillés des patients, incluant les données démographiques, ...

EHR-HGCN : Une Approche Hybride Améliorée pour la Classification de Texte Utilisant des Réseaux de Convolution de Graphes Hétérogènes dans les Dossiers de Santé Électroniques

EHR-HGCN : Une Approche Hybride Améliorée pour la Classification de Texte Utilisant des Réseaux de Convolution de Graphes Hétérogènes dans les Dossiers de Santé Électroniques

EHR-HGCN : une nouvelle méthode hybride de réseau de convolution de graphes hétérogènes pour la classification de textes de dossiers de santé électroniques Introduction au contexte académique Avec le développement rapide du traitement du langage naturel (NLP), la classification de texte est devenue une direction de recherche importante dans ce doma...

Extraction de Relations Biomédicales avec des Recommandations Basées sur des Graphes de Connaissance

Rapport de recherche sur la combinaison de l’extraction des relations médicales et des systèmes de recommandation basés sur les graphes de connaissances Introduction Dans le domaine médical, la croissance exponentielle de la littérature rend difficile pour les chercheurs de suivre en temps opportun les derniers développements dans leurs domaines re...

Réseau de Graphes Hétérogènes à Double Niveau d'Interaction pour la Recommandation de Paquets Médicamentaux

Recherche sur le Système de Recommandation de Paquets Médicaux : Réseau de Neurones Graphiques Hétérogènes Basé sur une Conscience d’Interaction Bi-niveau Avec la large adoption des dossiers de santé électroniques (electronic health records, EHRs) dans le domaine médical, extraire des connaissances médicales potentielles et précieuses pour soutenir...

Prédire l'affinité médicament-cible en apprenant des connaissances sur les protéines à partir de réseaux biologiques

Prédiction de l’affinité médicament-cible basée sur l’apprentissage des connaissances des protéines via des réseaux biologiques Introduction La prédiction de l’affinité médicament-cible (drug-target affinity, DTA) joue un rôle crucial dans le processus de découverte de médicaments. Une prédiction du DTA efficace et précise peut significativement ré...

Un modèle de raisonnement cognitif explicable et personnalisé basé sur un graphe de connaissances: Vers la prise de décision pour la pratique générale

Un modèle de raisonnement cognitif explicable et personnalisé basé sur un graphe de connaissances: Vers la prise de décision pour la pratique générale

Modèle de raisonnement cognitif explicable et personnalisé basé sur un graphe de connaissances pour la prise de décision en médecine générale Introduction La médecine générale, en tant que composante importante des soins médicaux communautaires et familiaux, couvre différents âges, sexes, systèmes d’organes et divers types de maladies. Son principa...

Transformateur de Sujet Graphique Amélioré par la Connaissance pour la Résumé de Texte Biomédical Explicable

Application de Transformer Thématique Renforcé par la Connaissance dans le Résumé Explicable de Textes Biomédicaux Contexte de la Recherche Avec l’augmentation continue du volume de publications biomédicales, la tâche de résumé automatique des textes biomédicaux devient de plus en plus importante. En 2021, rien que dans la base de données PubMed, 1...