女人自慰AV免费观看内涵网,日韩国产剧情在线观看网址,神马电影网特片网,最新一级电影欧美,在线观看亚洲欧美日韩,黄色视频在线播放免费观看,ABO涨奶期羡澄,第一导航fulione,美女主播操b

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

使用計算建模和機器學習方法來預測心臟“從原子到心律”的電毒性

倩倩 ? 來源:互聯網分析沙龍 ? 2020-05-21 10:49 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

研究人員已經證明了一種方法,可以幫助患者避免在開藥之前因藥物引起的心律不齊。他們的技術使用計算建模和機器學習方法來預測心臟“從原子到心律”的電毒性。

該研究在加州大學戴維斯分校進行,并在《循環研究》雜志上進行。

“我們希望模型框架可以擴展到對藥物發現,對各種化合物和靶標進行藥物安全性篩查以及在各種監管過程中產生影響,” Colleen Clancy博士,Igor Vorobyov博士和同事。

到目前為止,了解藥物會導致任何給定患者心律不齊的唯一方法是開處方,等待和觀察。

克蘭西在加州大學戴維斯分校(UC-Davis)發表的一項研究的新聞中說:“甚至開發出的用于治療心律不齊的藥物實際上最終也導致了它們。”她解釋說,這個問題一直缺乏了解藥物如何影響hERG編碼的鉀通道的方法,這有助于使心律正常化。(首字母縮寫代表人類以太相關的基因。)

克蘭西說,這項新研究表明,根據藥物的化學成分以及心臟的細胞和組織,對藥物對心律的影響進行建模的可行性。

“每一種新藥都需要進行心臟毒性篩查,這可能是表明危害或安全性的重要第一步,然后再進行更昂貴,更廣泛的測試,” Clancy補充說。

該研究是免費的。

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 建模
    +關注

    關注

    1

    文章

    317

    瀏覽量

    61585
  • 機器學習
    +關注

    關注

    66

    文章

    8502

    瀏覽量

    134592
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    邊緣計算中的機器學習:基于 Linux 系統的實時推理模型部署與工業集成!

    你好,旅行者!歡迎來到Medium的這一角落。在本文中,我們將把一個機器學習模型(神經網絡)部署邊緣設備上,利用ModbusTCP寄存器獲取的實時數據
    的頭像 發表于 06-11 17:22 ?335次閱讀
    邊緣<b class='flag-5'>計算</b>中的<b class='flag-5'>機器</b><b class='flag-5'>學習</b>:基于 Linux 系統的實時推理模型部署與工業集成!

    使用MATLAB進行無監督學習

    無監督學習是一種根據未標注數據進行推斷的機器學習方法。無監督學習旨在識別數據中隱藏的模式和關系,無需任何監督或關于結果的先驗知識。
    的頭像 發表于 05-16 14:48 ?680次閱讀
    使用MATLAB進行無監督<b class='flag-5'>學習</b>

    使用ad9467-250采集低頻信號,請問有什么方法來提高sfdr嗎?

    你好,我現在在使用ad9467-250采集低頻信號,在測試3Mhz部分時sfdr只有86,采樣頻率是102.4Mhz,請問有什么方法來提高sfdr嗎
    發表于 04-24 06:05

    18個常用的強化學習算法整理:基礎方法高級模型的理論技術與代碼實現

    本來轉自:DeepHubIMBA本文系統講解基本強化學習方法高級技術(如PPO、A3C、PlaNet等)的實現原理與編碼過程,旨在通過理論結合代碼的方式,構建對強化學習算法的全面理
    的頭像 發表于 04-23 13:22 ?403次閱讀
    18個常用的強化<b class='flag-5'>學習</b>算法整理:<b class='flag-5'>從</b>基礎<b class='flag-5'>方法</b><b class='flag-5'>到</b>高級模型的理論技術與代碼實現

    掌握這六點,原來學習和模這么簡單!

    的認知理解,而先學習模電能夠更好的對數的內部結構原理得到了解,這樣學習起數來就更容易上手了,下面我們開始今天的
    的頭像 發表于 03-19 19:33 ?1649次閱讀
    掌握這六點,原來<b class='flag-5'>學習</b>數<b class='flag-5'>電</b>和模<b class='flag-5'>電</b>這么簡單!

    用ADS1258做了一塊采集卡,請問有比較簡單的測試方法來測試我的采集卡的性能和精度嗎?

    您好!我現在用ADS1258做了一塊采集卡,請問有比較簡單的測試方法來測試我的采集卡的性能和精度嗎。 我現在用普通的信號發生器產生了一個正弦波,1KHz的頻率,用采集卡采集了16*1024個數
    發表于 02-10 07:49

    基于移動自回歸的時序擴散預測模型

    在人工智能領域,目前有很多工作采用自回歸方法來模擬或是替代擴散模型,其中視覺自回歸建模(Visual AutoRegressive modeling,簡稱 VAR)就是其中的典型代表,該工作利用自
    的頭像 發表于 01-03 14:05 ?881次閱讀
    基于移動自回歸的時序擴散<b class='flag-5'>預測</b>模型

    傳統機器學習方法和應用指導

    用于開發生物學數據的機器學習方法。盡管深度學習(一般指神經網絡算法)是一個強大的工具,目前也非常流行,但它的應用領域仍然有限。與深度學習相比,傳統
    的頭像 發表于 12-30 09:16 ?1184次閱讀
    傳統<b class='flag-5'>機器</b><b class='flag-5'>學習方法</b>和應用指導

    什么是機器學習?通過機器學習方法能解決哪些問題?

    來源:Master編程樹“機器學習”最初的研究動機是讓計算機系統具有人的學習能力以便實現人工智能。因為沒有學習能力的系統很難被認為是具有智能
    的頭像 發表于 11-16 01:07 ?963次閱讀
    什么是<b class='flag-5'>機器</b><b class='flag-5'>學習</b>?通過<b class='flag-5'>機器</b><b class='flag-5'>學習方法</b>能解決哪些問題?

    如何使用 PyTorch 進行強化學習

    強化學習(Reinforcement Learning, RL)是一種機器學習方法,它通過與環境的交互學習如何做出決策,以最大化累積獎勵。
    的頭像 發表于 11-05 17:34 ?1041次閱讀

    《DNK210使用指南 -CanMV版 V1.0》第一章本書學習方法

    第一章 本書學習方法 為了讓讀者更好地學習和使用本書,本章將為讀者介紹本書的學習方法,包括:本書的學習順序、編寫規范、代碼規范、資料查找和學習
    發表于 08-28 17:57

    【「時間序列與機器學習」閱讀體驗】時間序列的信息提取

    個重要環節,目標是給定的時間序列數據中提取出有用的信息和特征,以支持后續的分析和預測任務。 特征工程(Feature Engineering)是將數據轉換為更好地表示潛在問題的特征,從而提高機器
    發表于 08-17 21:12

    【《時間序列與機器學習》閱讀體驗】+ 時間序列的信息提取

    本人有些機器學習的基礎,理解起來一點也不輕松,加油。 作者首先說明了時間序列的信息提取是時間序列分析的一個重要環節,目標是給定的時間序列數據中提取出有用的信息和特征,以支持后續的分析和預測
    發表于 08-14 18:00

    【《時間序列與機器學習》閱讀體驗】+ 了解時間序列

    學習方法對該序列數據進行分析,可以得到結論或預測估計,因此時間序列分析的用途是非常多的,比如: 可以反映社會經濟現象的發展變化過程,描述現象的發展狀態和結果。 可以研究社會經濟現象的發展趨勢和發展速度
    發表于 08-11 17:55

    【「時間序列與機器學習」閱讀體驗】全書概覽與時間序列概述

    的應用也很廣泛,用機器學習為時間分析帶來新的可能性。人們往往可以通過過往的時間序列數據預測未來,在各行各業中都有很好的應用與發展前景。 時間序列分類: 1.單維時間序列 單維時間序列
    發表于 08-07 23:03