Beruflich Dokumente
Kultur Dokumente
Resumo
Método
Deep Artificial Neural Networks and Apresentar uma visão geral das A Farmacologia e a Bioinformática
Neuromorphic Chips for Big Data principais arquiteturas das redes são campos interessantes para
Analysis: Pharmaceutical and neurais profundas, e sua aplicação da aprendizagem
Bioinformatics Applications(1) utilidade em Farmacologia e profunda, porque há um
Bioinformática. crescimento exponencial dos
dados. Há um enorme potencial na
aplicação das redes neurais
profundas no processo de
descoberta de drogas, design e
validação que poderiam melhorar o
desempenho e reduzir
significativamente os custos.
Artificial Neural Networks as Analisar o papel das Redes A grande maioria das aplicações
Decision Support Tools in Neurais Artificiais (RNAs) em das Redes Neurais Artificiais estão
Cytopathology: Past, Present, and citopatologia. Mais relacionados com citopatologia
Future(2) especificamente, visa destacar a cervical, especificamente para o
importância da utilização de sistema de diagnóstico comercial
dessas Redes em aplicações semi-automático baseado em
existentes e futuras e na RNAs. Para citopatologia cervical,
identificação de tópicos de existe uma infinidade de estudos
pesquisa inexploradas ou pouco relevantes para a precisão do
exploradas. diagnóstico.
Developing an Intelligent System for A falta de diagnóstico adequado e A rede neural foi capaz de
Diagnosis of Asthma Based on tratamento inadequado da asma, identificar corretamente em 96,5%
Artificial Neural Network(4) leva a complicações físicas e a 100% dos casos. Alcançar a taxa
financeiras. Este estudo teve de precisão mencionada, depende
como objetivo utilizar técnicas de diferentes fatores, incluindo a
de mineração de dados e a criação natureza da doença, seus fatores
de um sistema inteligente de rede de risco e as características
neural para o diagnóstico de clínicas, mas uma das descobertas
asma. mais importantes para alcançar a
essa taxa de precisão é medir a
otimização dos efeitos encontrados
nos resultados obtidos.
Biologically inspired intelligent Introdução à teoria de redes As redes neurais são uma
decision making: a commentary on neurais artificiais e rever algumas ferramenta potencialmente
the use of artificial neural networks in aplicações recentes interessantes poderosa para bioinformática, com
bioinformatics(5) para os problemas da aplicações de sucesso relatados
bioinformática. em muitas áreas e níveis de
domínio. As aplicações
apresentadas mostram que as
RNAs são capaz de identificar
padrões complexos e gerenciar
grandes conjuntos de dados.
Artificial Neural Networks for Apresentar estudos que Estudos têm demonstrado que as
Decision-Making in Urologic demonstram que as Redes Neurais RNAs melhora significativamente a
Oncology(6) Artificiais melhora capacidade de detectar câncer de
significativamente a capacidade de próstata precoce, evitando um
detectar câncer de próstata de maior número de amostras de
forma precoce. tecido desnecessárias. A utilização
de RNAs no câncer de próstata é
ideal por causa de: 1) múltiplos
fatores prevendo que resultado
influência; 2) o desejo de oferecer
consultoria individual com base em
vários testes; 3) o fato de que os
resultados da análise de regressão
logística anteriores tiveram sérias
limitações na aplicação; e 4) a
necessidade de uma ferramenta
atualizada que podem ser aplicada
facilmente a todos.
Referências
1. Pastur-Romay, Lucas Antón, et al. "Deep Artificial Neural Networks and Neuromorphic Chips for
Big Data Analysis: Pharmaceutical and Bioinformatics Applications." International Journal of
Molecular Sciences 17.8 (2016): 1313. Int J Mol Sci. 2016 Aug 11;17(8). pii: E1313. doi:
10.3390/ijms1708131.
2. Pouliakis, Abraham, et al. "Artificial Neural Networks as Decision Support Tools in Cytopathology:
Past, Present, and Future." Biomedical engineering and computational biology 7 (2016): 1. Biomed
Eng Comput Biol. 2016 Feb 18;7:1-18. doi: 10.4137/BECB.S31601. eCollection.
3. Leung, Michael KK, et al. "Machine Learning in Genomic Medicine: A Review of Computational
Problems and Data Sets." Proceedings of the IEEE 104.1 (2016): 176-197. Proceedings of the
IEEE | Vol. 104, No. 1, January 2016.
4. Alizadeh, Behrouz, et al. "Developing an Intelligent System for Diagnosis of Asthma Based on
Artificial Neural Network." Acta Informatica Medica 23.4 (2015): 220. Acta Inform Med. 2015
Aug;23(4):220-3. doi: 10.5455/aim.2015.23.220-223. Epub 2015 Jul 30.
5. Manning, Timmy, Roy D. Sleator, and Paul Walsh. "Biologically inspired intelligent decision
making: a commentary on the use of artificial neural networks in bioinformatics." Bioengineered 5.2
(2014): 80-95. Bioengineered. 2014 Mar-Apr;5(2):80-95. doi: 10.4161/bioe.26997. Epub 2013 Dec
16.
6. Anagnostou, Theodore, et al. "Artificial neural networks for decision-making in urologic oncology."
European urology 43.6 (2003): 596-603. Rev Urol. 2003 Winter; 5(1): 15–21.