Inhaltsverzeichnis
Was ist medizinische künstliche Intelligenz?
Top 10 Anwendungsszenarien für künstliche Intelligenz im Gesundheitswesen im Jahr 2022
(1) Medizinisches Management
(2) Öffentliche Gesundheit
(3)Medizinische Forschung
(4) Medizinische Ausbildung
(5) Medizinische Fachkräfteunterstützung
(6) Bieten Sie Patienten direkte Unterstützung
(7) Telemedizin
(8) Diagnose
(9) Chirurgie
(10) Krankenhausversorgung
Heim Technologie-Peripheriegeräte KI Die zehn wichtigsten Anwendungsszenarien für künstliche Intelligenz im medizinischen Bereich

Die zehn wichtigsten Anwendungsszenarien für künstliche Intelligenz im medizinischen Bereich

Apr 12, 2023 pm 12:28 PM
人工智能 医疗领域

Die zehn wichtigsten Anwendungsszenarien für künstliche Intelligenz im medizinischen Bereich

Was ist medizinische künstliche Intelligenz?

Medizinische künstliche Intelligenz bezieht sich auf die Anwendung künstlicher Intelligenz in medizinischen Diensten und der Verwaltung oder Erbringung medizinischer Dienste. Maschinelles Lernen, große unstrukturierte Datensätze, fortschrittliche Sensoren, Verarbeitung natürlicher Sprache und Robotik werden in immer mehr Gesundheitssektoren eingesetzt.

Neben den breiten Anwendungsaussichten bringt die Technologie der künstlichen Intelligenz auch erhebliche potenzielle Probleme mit sich – etwa einen möglichen Missbrauch durch die Zentralisierung und Digitalisierung von Patientendaten und mögliche Verbindungen zur Nanomedizin oder zu universellen biometrischen IDs. Fairness und Voreingenommenheit waren bei einigen frühen KI-Anwendungen ebenfalls ein Problem, aber die Technologie kann möglicherweise auch die medizinische Gerechtigkeit verbessern.

Obwohl der Einsatz von KI im Gesundheitswesen gerade erst am Anfang steht, wird er immer häufiger eingesetzt. Das Forschungsunternehmen Gartner prognostiziert, dass die weltweiten IT-Ausgaben im Gesundheitswesen im Jahr 2021 140 Milliarden US-Dollar erreichen werden, wobei die Unternehmen künstliche Intelligenz und robotergestützte Prozessautomatisierung (RPA) als Hauptausgaben nennen werden.

Im Jahr 2020 machten die medizinischen Kosten fast 20) (19,7 %) der gesamten US-Wirtschaft aus (ca. 4,1 Billionen US-Dollar). Und Betrug gegen Regierungen ist besonders schwerwiegend.

Von der Verwaltungsverwaltung bis hin zur medizinischen KI ist der potenzielle Wert medizinischer KI also enorm.

Top 10 Anwendungsszenarien für künstliche Intelligenz im Gesundheitswesen im Jahr 2022

Im Folgenden sind 10 Hauptbereiche aufgeführt, in denen KI-Anwendungsfälle im Gesundheitswesen derzeit entwickelt und eingesetzt werden.

(1) Medizinisches Management

Die Verwaltungskosten machen schätzungsweise 15 bis 25 % der gesamten medizinischen Kosten aus. Tools, die die Verwaltung verbessern und vereinfachen, sind für Versicherer, Kostenträger und Anbieter wertvoll.

Allerdings kann die Erkennung und Reduzierung von Betrug den größten Nutzen bringen, da Betrug im Gesundheitswesen auf vielen Ebenen auftreten und von verschiedenen Parteien begangen werden kann. In einigen der schlimmsten Fälle kann Betrug dazu führen, dass Versicherungsgesellschaften Gebühren für nicht erbrachte Leistungen in Rechnung stellen oder dass Chirurgen im Gegenzug für höhere Versicherungsleistungen unnötige Operationen durchführen. Versicherer zahlen möglicherweise auch mehr für defekte Geräte oder Testkits.

Künstliche Intelligenz kann ein nützliches Instrument sein, um Betrug zu verhindern. So wie Banken normalerweise Algorithmen verwenden, um ungewöhnliche Transaktionen zu erkennen, können Krankenkassen dasselbe tun.

  • Untersuchungen von McKinsey & Company zeigen Einsparungen durch algorithmusgesteuerte „intelligente Prüfung“ von Versicherungsansprüchen.
  • Die Centers for Medicare and Medicaid Services der US-Regierung haben eine Partnerschaft zur Betrugsbekämpfung und Prävention im Gesundheitswesen gegründet, um Muster in aggregierten Datenbanken zu identifizieren.

(2) Öffentliche Gesundheit

Künstliche Intelligenz wird im gesamten öffentlichen Gesundheitssektor eingesetzt. Dazu gehören:

  • Maschinelle Lernalgorithmen werden auf große Datensätze zur öffentlichen Gesundheit angewendet, und die US-amerikanischen Zentren für die Kontrolle und Prävention von Krankheiten (CDC) haben viele Anwendungsmethoden künstlicher Intelligenz bei der Analyse der neuen Kronenepidemie und ihrer öffentlichen Gesundheit zusammengestellt.
  • Die Verarbeitung natürlicher Sprache wird im Bereich der öffentlichen Gesundheit eingesetzt.
  • Immer mehr diagnostische Bilddaten werden für die Bevölkerungsanalyse und -vorhersage verwendet.
  • Wenden Sie Verbraucherdatenwissenschaft und verhaltensbezogene „Push“-Technologie an, um „präzise“ oder personalisierte Pushs zu erstellen, um Arztbesuche, medizinische Compliance und mehr zu fördern.

(3)Medizinische Forschung

  • Die Suche nach neuen Medikamenten zur Behandlung von Krankheiten kann sehr komplex sein. Computergestütztes Arzneimitteldesign ist ein sehr komplexes Gebiet.
  • In einigen Fällen besteht das Ziel darin, vorhandene Medikamente wiederzuverwenden. In einem aktuellen Beispiel analysiert künstliche Intelligenz Bilder von Zellen, um herauszufinden, welche Medikamente bei Patienten mit neurodegenerativen Erkrankungen am wirksamsten sind. Wenn die Neuronen positiv auf diese Behandlungen reagieren, verändern sie ihre Form. Herkömmliche Computer sind jedoch zu langsam, um diese Unterschiede zu erkennen.
  • Der Pharmazulieferer Bayer glaubt, dass künstliche Intelligenz klinische Studien verbessern kann, indem sie Informationen aus medizinischen Datenbanken nutzt, um virtuelle Kontrollgruppen zu erstellen. Sie untersuchen auch andere Anwendungen für klinische KI-Studien, um diese Studien sicherer und effektiver zu machen.

(4) Medizinische Ausbildung

Künstliche Intelligenz kann auch die Art und Weise verändern, wie Medizinstudenten einen Teil ihrer Ausbildung erhalten. Dazu gehören Situationen wie:

  • Ein Beispiel ist, als Medizinstudenten von einem KI-Tutor unterstützt wurden, als sie lernten, einen Gehirntumor zu entfernen. Das System verwendet Algorithmen des maschinellen Lernens, um den Schülern sichere und effektive Techniken beizubringen, und bewertet anschließend ihre Leistung. Menschen, die KI-Systeme nutzen, erlernen Fähigkeiten 2,6-mal schneller und erbringen 36 % bessere Leistungen als diejenigen, die dies nicht tun.
  • Gesundheitseinrichtungen in den USA und im Vereinigten Königreich haben ebenfalls KI-basierte Patientendienste eingeführt, um virtuelle und Fernschulungen zu ermöglichen. Dieser Ansatz ist besonders nützlich, wenn die COVID-19-Pandemie Gruppentreffen verhindert. Künstliche Intelligenz unterstützt die Ausübung einer Vielzahl von Fähigkeiten, beispielsweise das Trösten eines verzweifelten Patienten oder das Überbringen einer Nachricht.

(5) Medizinische Fachkräfteunterstützung

Künstliche Intelligenz wird auch zur Unterstützung medizinischer Fachkräfte im klinischen Umfeld eingesetzt, darunter:

  • Künstliche Intelligenz sollte genutzt werden, um medizinische Einrichtungen bei der Einarbeitung von Fachkräften zu unterstützen. Ein Pilotprojekt an der Stanford University verwendet Algorithmen, um festzustellen, ob bei einem Patienten ein ausreichend hohes Risiko besteht, dass er eine Behandlung auf der Intensivstation benötigt, ob ein Code-bezogenes Ereignis auftritt oder ob ein schnelles Reaktionsteam benötigt wird. Sie bewerten die Wahrscheinlichkeit dieser Ereignisse innerhalb von sechs bis 18 Stunden und helfen Ärzten, sicherere Entscheidungen zu treffen.
  • KI-basierte Anwendungen werden entwickelt, um Pflegekräfte zu unterstützen, indem sie Entscheidungsunterstützung, Sensoren, die sie über Patientenbedürfnisse informieren, und Roboterunterstützung in herausfordernden oder gefährlichen Situationen im Außendienst bereitstellen.

(6) Bieten Sie Patienten direkte Unterstützung

Künstliche Intelligenz wird auch verwendet, um Patienten direkt zu unterstützen:

  • Krankenhäuser nutzen Chatbots mit künstlicher Intelligenz, um sich bei Patienten zu melden und ihnen zu helfen, notwendige Informationen schneller zu erhalten. Als das System der künstlichen Intelligenz von Northwell Health mit Patienten chattete, betrug die Beteiligungsrate der Patienten, die onkologische Dienste in Anspruch nahmen, 94 %. Ärzte, die das Tool ausprobiert haben, sind sich einig, dass es die von ihnen angebotene Pflege erweitert. Chatbots können sich über die Symptome, die Genesung und mehr der Patienten informieren. Viele Menschen sind an Textnachrichten gewöhnt, was die Patientenakzeptanz erhöht. Chatbots reduzieren auch die Herausforderungen, mit denen Patienten bei der Suche nach medizinischer Versorgung konfrontiert sein können. Menschen können damit ein Krankenhaus oder eine Klinik finden, einen Termin vereinbaren und ihre Bedürfnisse schildern.
  • Es wird geschätzt, dass bis zur Hälfte der Patienten ihre Medikamente nicht wie verordnet einnehmen. Allerdings kann künstliche Intelligenz die Chancen erhöhen, dass Patienten ihre Medikamente rechtzeitig einnehmen. Einige Plattformen verwenden intelligente Algorithmen, um zu empfehlen, wann und über welche Kanäle medizinische Fachkräfte mit Patienten über Compliance-Fragen kommunizieren sollten. Es gibt sogar Chatbots zur Medikamentenerinnerung. In einem aktuellen Beispiel arbeiteten Forscher zusammen und nutzten künstliche Intelligenz, um die besten Medikamente für Menschen mit Typ-2-Diabetes zu finden. Diese Algorithmen halfen mehr als 83 % der Patienten bei der Wahl der richtigen Behandlung, selbst wenn die Patienten mehrere Medikamente gleichzeitig einnahmen.

(7) Telemedizin

Seit Beginn der Reisebeschränkungen aufgrund der COVID-19-Pandemie wird Telemedizin in Form virtueller Arztbesuche immer häufiger eingesetzt. Darüber hinaus unterstützt KI andere Formen der Telemedizin, darunter:

  • Die VirtuSense-App sagt eine KI-gestützte Fernüberwachung voraus und warnt Anbieter vor risikoreichen Veränderungen, die zu Stürzen des Patienten führen könnten.
  • Einige Einrichtungen, die derzeit KI zur Überwachung einsetzen, verlassen sich darauf, um alles von Herzerkrankungen bis hin zu Diabetes zu erkennen. Krankenhäuser nutzen die Technologie auch zur Überwachung von COVID-19-Patienten und erleichtern so die Entscheidung, welche Patienten häusliche Pflege erhalten können und welche stationär behandelt werden müssen.

(8) Diagnose

KI wird auch zur Diagnose in Gesundheitszentren eingesetzt, darunter:

  • Ein KI-System zur Erkennung von Brustkrebs kann aktuelle Probleme und Patienten erkennen, die in den nächsten Jahren an der Krankheit erkranken. Möglichkeit einer Erkrankung.
  • Einige Anwendungen künstlicher Intelligenz im Gesundheitswesen können auch psychische Erkrankungen erkennen. Die Forscher verwendeten Algorithmen, die darauf trainiert waren, Menschen mit Depressionen zu identifizieren, indem sie auf ihre Stimmen hörten oder ihre Social-Media-Nachrichten scannten.

(9) Chirurgie

Künstliche Intelligenz beseitigt chirurgische Probleme nicht, hat aber das Potenzial, sie zu reduzieren und gleichzeitig die Ergebnisse für Patienten und Chirurgen zu verbessern. Das folgende Beispiel verdeutlicht dies:

  • Ein Startup namens Theater hat kürzlich eine Serie-A-Finanzierung in Höhe von 39,5 Millionen US-Dollar eingesammelt. Das Unternehmen verfügt über eine KI-Videolösung, die Chirurgen helfen soll, während der Operation zu verstehen, was falsch und was richtig läuft. Sie können diese Videos dann studieren und in Zukunft Verbesserungen vornehmen.
  • Zu den Anwendungen künstlicher Intelligenz im Gesundheitswesen gehören Operationsroboter, die immer häufiger in Operationssälen eingesetzt werden. Viele sind minimalinvasiv und erzielen oft bessere Ergebnisse als nicht-robotergestützte Eingriffe. Diese Anwendungen künstlicher Intelligenz werden das chirurgische Fachwissen des Menschen nicht ersetzen. Sie können dem Chirurgen jedoch als Begleiter dienen und so die Wahrscheinlichkeit einer erfolgreichen Operation erhöhen.

(10) Krankenhausversorgung

Zusätzlich zu den oben beschriebenen diagnostischen Anwendungsfällen müssen sich Ärzte auch um die Patientenversorgung kümmern sowie medizinische Versorgung lagern und Waren liefern. Mit künstlicher Intelligenz betriebene kollaborative Roboter beginnen, diese Belastung zu verringern. Laut Gartner werden bis 2023 50 % der US-Zulieferer in robotergestützte Prozessautomatisierung investieren. Einige Beispiele für die Automatisierung von Roboterprozessen in Krankenhäusern sind:

  • Ein Krankenhaus hat kürzlich fünf Roboter namens Moxie eingesetzt. Die Maschinen ermitteln proaktiv, wann Pflegekräfte Bedarf an Hilfsgütern haben oder helfen bei der Labortestlogistik. Sie reagieren dann, bevor die Arbeitsbelastung des Anbieters zu groß wird.

Die von Atheon bereitgestellten Roboter unterstützen nicht nur medizinische Funktionen, sondern können auch Aufgaben wie Jäten und Müllbeseitigung erledigen.

Das obige ist der detaillierte Inhalt vonDie zehn wichtigsten Anwendungsszenarien für künstliche Intelligenz im medizinischen Bereich. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn

Heiße KI -Werkzeuge

Undresser.AI Undress

Undresser.AI Undress

KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover

AI Clothes Remover

Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool

Undress AI Tool

Ausziehbilder kostenlos

Clothoff.io

Clothoff.io

KI-Kleiderentferner

AI Hentai Generator

AI Hentai Generator

Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

R.E.P.O. Energiekristalle erklärten und was sie tun (gelber Kristall)
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Beste grafische Einstellungen
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. So reparieren Sie Audio, wenn Sie niemanden hören können
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25: Wie man alles in Myrise freischaltet
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌

Heiße Werkzeuge

Notepad++7.3.1

Notepad++7.3.1

Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version

SublimeText3 chinesische Version

Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1

Senden Sie Studio 13.0.1

Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6

Dreamweaver CS6

Visuelle Webentwicklungstools

SublimeText3 Mac-Version

SublimeText3 Mac-Version

Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Jun 28, 2024 am 03:51 AM

Diese Seite berichtete am 27. Juni, dass Jianying eine von FaceMeng Technology, einer Tochtergesellschaft von ByteDance, entwickelte Videobearbeitungssoftware ist, die auf der Douyin-Plattform basiert und grundsätzlich kurze Videoinhalte für Benutzer der Plattform produziert Windows, MacOS und andere Betriebssysteme. Jianying kündigte offiziell die Aktualisierung seines Mitgliedschaftssystems an und führte ein neues SVIP ein, das eine Vielzahl von KI-Schwarztechnologien umfasst, wie z. B. intelligente Übersetzung, intelligente Hervorhebung, intelligente Verpackung, digitale menschliche Synthese usw. Preislich beträgt die monatliche Gebühr für das Clipping von SVIP 79 Yuan, die Jahresgebühr 599 Yuan (Hinweis auf dieser Website: entspricht 49,9 Yuan pro Monat), das fortlaufende Monatsabonnement beträgt 59 Yuan pro Monat und das fortlaufende Jahresabonnement beträgt 499 Yuan pro Jahr (entspricht 41,6 Yuan pro Monat). Darüber hinaus erklärte der Cut-Beamte auch, dass diejenigen, die den ursprünglichen VIP abonniert haben, das Benutzererlebnis verbessern sollen

Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Jun 10, 2024 am 11:08 AM

Verbessern Sie die Produktivität, Effizienz und Genauigkeit der Entwickler, indem Sie eine abrufgestützte Generierung und ein semantisches Gedächtnis in KI-Codierungsassistenten integrieren. Übersetzt aus EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, Autor JanakiramMSV. Obwohl grundlegende KI-Programmierassistenten natürlich hilfreich sind, können sie oft nicht die relevantesten und korrektesten Codevorschläge liefern, da sie auf einem allgemeinen Verständnis der Softwaresprache und den gängigsten Mustern beim Schreiben von Software basieren. Der von diesen Coding-Assistenten generierte Code eignet sich zur Lösung der von ihnen zu lösenden Probleme, entspricht jedoch häufig nicht den Coding-Standards, -Konventionen und -Stilen der einzelnen Teams. Dabei entstehen häufig Vorschläge, die geändert oder verfeinert werden müssen, damit der Code in die Anwendung übernommen wird

Sieben coole technische Interviewfragen für GenAI und LLM Sieben coole technische Interviewfragen für GenAI und LLM Jun 07, 2024 am 10:06 AM

Um mehr über AIGC zu erfahren, besuchen Sie bitte: 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou unterscheidet sich von der traditionellen Fragendatenbank, die überall im Internet zu sehen ist erfordert einen Blick über den Tellerrand hinaus. Large Language Models (LLMs) gewinnen in den Bereichen Datenwissenschaft, generative künstliche Intelligenz (GenAI) und künstliche Intelligenz zunehmend an Bedeutung. Diese komplexen Algorithmen verbessern die menschlichen Fähigkeiten, treiben Effizienz und Innovation in vielen Branchen voran und werden zum Schlüssel für Unternehmen, um wettbewerbsfähig zu bleiben. LLM hat ein breites Anwendungsspektrum und kann in Bereichen wie der Verarbeitung natürlicher Sprache, der Textgenerierung, der Spracherkennung und Empfehlungssystemen eingesetzt werden. Durch das Lernen aus großen Datenmengen ist LLM in der Lage, Text zu generieren

Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Jun 11, 2024 pm 03:57 PM

Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert

Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Jul 25, 2024 am 06:42 AM

Herausgeber | Der Frage-Antwort-Datensatz (QA) von ScienceAI spielt eine entscheidende Rolle bei der Förderung der Forschung zur Verarbeitung natürlicher Sprache (NLP). Hochwertige QS-Datensätze können nicht nur zur Feinabstimmung von Modellen verwendet werden, sondern auch effektiv die Fähigkeiten großer Sprachmodelle (LLMs) bewerten, insbesondere die Fähigkeit, wissenschaftliche Erkenntnisse zu verstehen und zu begründen. Obwohl es derzeit viele wissenschaftliche QS-Datensätze aus den Bereichen Medizin, Chemie, Biologie und anderen Bereichen gibt, weisen diese Datensätze immer noch einige Mängel auf. Erstens ist das Datenformular relativ einfach, die meisten davon sind Multiple-Choice-Fragen. Sie sind leicht auszuwerten, schränken jedoch den Antwortauswahlbereich des Modells ein und können die Fähigkeit des Modells zur Beantwortung wissenschaftlicher Fragen nicht vollständig testen. Im Gegensatz dazu offene Fragen und Antworten

Fünf Schulen des maschinellen Lernens, die Sie nicht kennen Fünf Schulen des maschinellen Lernens, die Sie nicht kennen Jun 05, 2024 pm 08:51 PM

Maschinelles Lernen ist ein wichtiger Zweig der künstlichen Intelligenz, der Computern die Möglichkeit gibt, aus Daten zu lernen und ihre Fähigkeiten zu verbessern, ohne explizit programmiert zu werden. Maschinelles Lernen hat ein breites Anwendungsspektrum in verschiedenen Bereichen, von der Bilderkennung und der Verarbeitung natürlicher Sprache bis hin zu Empfehlungssystemen und Betrugserkennung, und es verändert unsere Lebensweise. Im Bereich des maschinellen Lernens gibt es viele verschiedene Methoden und Theorien, von denen die fünf einflussreichsten Methoden als „Fünf Schulen des maschinellen Lernens“ bezeichnet werden. Die fünf Hauptschulen sind die symbolische Schule, die konnektionistische Schule, die evolutionäre Schule, die Bayes'sche Schule und die Analogieschule. 1. Der Symbolismus, auch Symbolismus genannt, betont die Verwendung von Symbolen zum logischen Denken und zum Ausdruck von Wissen. Diese Denkrichtung glaubt, dass Lernen ein Prozess der umgekehrten Schlussfolgerung durch das Vorhandene ist

SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen Jul 17, 2024 pm 06:37 PM

Herausgeber |. KX Im Bereich der Arzneimittelforschung und -entwicklung ist die genaue und effektive Vorhersage der Bindungsaffinität von Proteinen und Liganden für das Arzneimittelscreening und die Arzneimitteloptimierung von entscheidender Bedeutung. Aktuelle Studien berücksichtigen jedoch nicht die wichtige Rolle molekularer Oberflächeninformationen bei Protein-Ligand-Wechselwirkungen. Auf dieser Grundlage schlugen Forscher der Universität Xiamen ein neuartiges Framework zur multimodalen Merkmalsextraktion (MFE) vor, das erstmals Informationen über Proteinoberfläche, 3D-Struktur und -Sequenz kombiniert und einen Kreuzaufmerksamkeitsmechanismus verwendet, um verschiedene Modalitäten zu vergleichen Ausrichtung. Experimentelle Ergebnisse zeigen, dass diese Methode bei der Vorhersage von Protein-Ligand-Bindungsaffinitäten Spitzenleistungen erbringt. Darüber hinaus belegen Ablationsstudien die Wirksamkeit und Notwendigkeit der Proteinoberflächeninformation und der multimodalen Merkmalsausrichtung innerhalb dieses Rahmens. Verwandte Forschungen beginnen mit „S

GlobalFoundries erschließt Märkte wie KI und erwirbt die Galliumnitrid-Technologie von Tagore Technology und zugehörige Teams GlobalFoundries erschließt Märkte wie KI und erwirbt die Galliumnitrid-Technologie von Tagore Technology und zugehörige Teams Jul 15, 2024 pm 12:21 PM

Laut Nachrichten dieser Website vom 5. Juli veröffentlichte GlobalFoundries am 1. Juli dieses Jahres eine Pressemitteilung, in der die Übernahme der Power-Galliumnitrid (GaN)-Technologie und des Portfolios an geistigem Eigentum von Tagore Technology angekündigt wurde, in der Hoffnung, seinen Marktanteil in den Bereichen Automobile und Internet auszubauen Anwendungsbereiche für Rechenzentren mit künstlicher Intelligenz, um höhere Effizienz und bessere Leistung zu erforschen. Da sich Technologien wie generative künstliche Intelligenz (GenerativeAI) in der digitalen Welt weiterentwickeln, ist Galliumnitrid (GaN) zu einer Schlüssellösung für nachhaltiges und effizientes Energiemanagement, insbesondere in Rechenzentren, geworden. Auf dieser Website wurde die offizielle Ankündigung zitiert, dass sich das Ingenieurteam von Tagore Technology im Rahmen dieser Übernahme mit GF zusammenschließen wird, um die Galliumnitrid-Technologie weiterzuentwickeln. G

See all articles