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...

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...

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...

Réseau de neurones graphique avec connaissances préalables multiples pour l’analyse de données multi-omiques en médecine Introduction générale La médecine de précision représente un domaine crucial pour l’avenir des soins de santé car elle propose des traitements personnalisés pour les patients, améliorant ainsi les résultats tout en réduisant les ...

Application du réseau relationnel attention hiérarchique dans la prédiction des diagnostics Ces dernières années, les dossiers de santé électroniques (Electronic Health Records, EHR) sont devenus extrêmement précieux pour améliorer les décisions médicales, la détection des maladies en ligne et le suivi des patients. En parallèle, les approches basé...

Agrégation Temporelle et Propagation dans les Réseaux de Neurones Graphiques pour les Représentations Dynamiques des Graphes Introduction Un graphe temporel (temporal graph) est une structure de graphe dans laquelle les interactions entre les nœuds évoluent dynamiquement au fil du temps. La topologie du graphe évolue avec le temps, reflétant des pr...

AutoAlign：Une méthode d’alignement de graphes de connaissances entièrement automatique et efficace, conduite par des modèles linguistiques à grande échelle Le graphe de connaissances (Knowledge Graph, KG) a été largement utilisé dans divers domaines tels que les systèmes de questions-réponses, les systèmes de conversation et les systèmes de recomma...

Système de recommandation explicable amélioré par le social basé sur le graphe de connaissances Introduction Avec l’augmentation constante du volume d’informations dans le monde d’Internet, les informations relatives aux utilisateurs et aux produits se sont également rapidement étendues, entraînant un problème croissant de surcharge d’informations....

Réseaux de Neurones Graphiques Renforcés par la Connaissance pour une Recommandation Explicable Introduction Avec l’explosion exponentielle des informations en ligne, les systèmes de recommandation jouent un rôle important dans la résolution du problème de surcharge d’information. Les systèmes de recommandation traditionnels reposent généralement s...

Réseau de Mémoire Graphique Profonde pour le Suivi de Connaissances Robustes À l’Oubli Ces dernières années, le suivi des connaissances (Knowledge Tracing, KT) en tant que méthode importante d’apprentissage personnalisé a attiré une attention considérable. Le suivi des connaissances vise à prédire la précision des réponses des étudiants à de nouvel...