Approche d'apprentissage contrastif par graphe basé sur l'échantillonnage négatif hiérarchique pour la prédiction des associations médicament-maladie

Sciences de l'information, Informatique, Intelligence artificielle, Médecine, Pharmacie, Sciences de la vie, Biochimie,
Association Médicament-Maladie   Apprentissage Contrastif   Réseaux de Neurones Graphiques   Échantillonnage Négatif   Réseau Hétérogène  

Étude sur l’apprentissage par contraste de graphiques basé sur un échantillonnage négatif hiérarchique pour la prédiction des associations médicament-maladie La prédiction des associations médicament-maladie (RDAs) joue un rôle crucial dans la révélation des stratégies de traitement des maladies et la promotion du repositionnement des médicaments. ...

GCTNet : un réseau de transformateur de convolution en graphes pour la détection des troubles dépressifs majeurs à partir des signaux EEG

Ingénierie, Génie électrique, Sciences de l'information, Informatique, Intelligence artificielle, Médecine, Psychiatrie, Neurologie, Psychologie clinique, Imagerie médicale,
Trouble Dépressif Majeur   EEG   Apprentissage Profond   Valeur de Verrouillage de Phase   Apprentissage Contrastif  

GCTNet：Réseau de Transformateurs à Convolution de Graphe pour la Détection de la Dépression Majeure Basée sur des Signaux EEG Contexte de la Recherche La dépression majeure (Major Depressive Disorder, MDD) est une maladie mentale courante caractérisée par des humeurs dépressives significatives et persistantes, touchant plus de 350 millions de perso...