Retrospektive Daten wurden von 210 Patienten gesammelt, die von 2013 bis 2021 in China an der Zentralen Krankenhaus von Xuzhou und dem Suqian Affiliated Hospital der Xuzhou Medical University eine transurethrale Resektion eines Blasentumors (TURBT) hatten. Die Studienkohorten wurden anhand ...
Tiefes Lernen ist ein Zweig des maschinellen Lernens, bei dem statistische Repräsentationen der Eingabedaten erlernt werden, im Gegensatz zu aufgabenbezogenen Algorithmen. Tiefes Lernen kann überwacht, unüberwacht oder teilweise überwacht sein. Tiefes Lernen ist hinter vielen beeindruckenden Erfolgen des maschinellen Lernens ...
Multimodales Deep Learning zur Demenzklassifizierung mit Text und Audio – Wissenschaftliche Berichte
Wir haben zwei Datenmodalitäten, Audio und Text, sowie textbasierte Synonymdatenaugmentation und die Einbeziehung von Zeitstempeln als Eingabe für das Modell evaluiert. Als Datenquelle verwendeten wir den “Pitt Cookie Theft” Datensatz aus DementiaBank, der Teilnehmerantworten enthält, als sie gebeten wurden, zu ...
Die Geometrie des turbulenten Kanalflusses besteht aus zwei parallelen Ebenen im Abstand von 2h, wobei ein Druckgradient die Strömung in der Stromrichtung antreibt. Die Koordinaten x, y und z repräsentieren die Stromrichtung, die Wandnormale und die Spannweite. Länge und Breite ...
Die Chemikerin Dr. Jiayun Pang von der Universität Greenwich wird mit Dr. Ivan Vulić, einem NLP- und Machine-Learning-Experten von der Universität Cambridge, zusammenarbeiten, um die neuesten Entwicklungen im Bereich NLP zu untersuchen und deren weitere Anwendbarkeit im chemischen Bereich zu ...
Die vorgestellten Ergebnisse wurden durch einen zweistufigen Modellierungsprozess erzielt, bei dem zunächst ein etabliertes mechanistisches Modell der ICI-Therapie bei soliden Tumoren auf eine retrospektive Patientenkohorte angewendet wurde. Anschließend wurden die Ausgaben des mechanistischen Modells mit zusätzlichen, oft nicht-mechanistischen Patientendaten kombiniert, ...
Die Literatur zur Gebäude-Fußabdrucksegmentierung umfasst drei Hauptbereiche. Regelbasierte Methoden verlassen sich auf vordefinierte Regeln und Schwellenwerte, maschinelles Lernen nutzt Algorithmen für die Bildklassifizierung basierend auf Merkmalsextraktion und Deep Learning verwendet faltende neuronale Netzwerke. Darüber hinaus integriert die Datenfusion verschiedene Quellen, ...
Die genaue Segmentierung von Strukturen wie Zellen und Organellen ist entscheidend, um aus Bildgebungsd aten sinnvolle biologische Erkenntnisse zu gewinnen. Mit dem Fortschreiten der Bildgebungstechnologien stellen die wachsende Größe, Dimensionalität und Komplexität von Bildern jedoch Herausforderungen für die Skalierung bestehender ...
Die Basis vieler künstlicher Intelligenz (KI) ist Deep Learning, eine Teilmenge des maschinellen Lernens, die mehrschichtige neuronale Netzwerke verwendet, um die komplexe Entscheidungskraft des menschlichen Gehirns zu simulieren. Deep Learning treibt viele Anwendungen voran, die die Automatisierung verbessern, wie beispielsweise ...
CandyCrunch nutzt domain-Expertise zur Vorhersage von Glykanstrukturen. Die Fragmentierungsmuster und Grundmuster in MS/MS sind vorhersagbar und durch maschinelles Lernen analysiert. Eine bisher unvergleichlich große Menge an annotierten LC–MS/MS Spektren von Glykanen wurde gesammelt und kuratiert. Die Datenbank umfasst fast 500.000 ...