Identification des troubles du spectre autistique à l'aide d'un réseau de convolution de graphes basé sur la connectivité fonctionnelle multiple

Autisme Spectrum Disorder (ASD) est une maladie hétérogène caractérisée par des comportements répétitifs, des intérêts restreints et de graves déficiences dans les interactions sociales, ce qui signifie qu’elle se manifeste différemment chez chaque individu. Environ 1 % des enfants d’âge préscolaire en Chine sont atteints d’autisme. Actuellement, l...

Réseau de Neurones Graphique pour l'Apprentissage de la Représentation du Cancer du Poumon

Réseau de Neurones Graphique pour l'Apprentissage de la Représentation du Cancer du Poumon

Apprentissage de représentation du cancer du poumon basé sur les réseaux de neurones graphiques Introduction Avec le développement rapide de la pathologie numérique, les systèmes de diagnostic basés sur l’image deviennent de plus en plus importants pour des diagnostics pathologiques précis. Ces systèmes reposent sur des techniques d’apprentissage p...

Altérations de la connectivité fonctionnelle chez les patients ayant une épilepsie post-AVC basées sur l’EEG de niveau source et la théorie des graphes

Rapport de recherche sur les changements de connectivité fonctionnelle chez les patients souffrant d’épilepsie post-AVC basés sur l’EEG de sources et la théorie des graphes Contexte de la recherche Les causes de l’épilepsie sont diverses, comprenant l’épilepsie idiopathique, congénitale, les traumatismes crâniens, les infections du système nerveux ...

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

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. ...

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...