生物重建VII轨道3挑战重点是在Twitter用户时间表中识别药物名称。对于我们提交这一挑战,我们通过使用多种数据增强技术扩展了可用的培训数据。然后,增强数据用于微调在一般域推特内容上预先培训的语言模型的集合。拟议的方法优于先前的最先进的算法Kusuri,并在竞争中排名高,为我们所选择的客观函数重叠F1分数。
translated by 谷歌翻译
心肌活力的评估对于患有心肌梗塞的患者的诊断和治疗管理是必不可少的,并且心肌病理学的分类是本评估的关键。这项工作定义了医学图像分析的新任务,即进行心肌病理分割(MYOPS)结合三个序列的心脏磁共振(CMR)图像,该图像首次与Mycai 2020一起在Myops挑战中提出的。挑战提供了45个配对和预对准的CMR图像,允许算法将互补信息与三个CMR序列组合到病理分割。在本文中,我们提供了挑战的详细信息,从十五个参与者的作品调查,并根据五个方面解释他们的方法,即预处理,数据增强,学习策略,模型架构和后处理。此外,我们对不同因素的结果分析了结果,以检查关键障碍和探索解决方案的潜力,以及为未来的研究提供基准。我们得出结论,虽然报告了有前途的结果,但研究仍处于早期阶段,在成功应用于诊所之前需要更深入的探索。请注意,MyOPS数据和评估工具继续通过其主页(www.sdspeople.fudan.edu.cn/zhuangxiahai/0/myops20 /)注册注册。
translated by 谷歌翻译
动机:准确识别高亲和蛋白化学对的计算模型可以加速药物发现管道。在可用的蛋白质 - 化学相互作用数据集上培训的这些模型可用于预测输入蛋白化学对的结合亲和力。然而,训练数据集可以包含称为DataSet偏差的表面图案,这导致模型记住特定于数据集的生物分子属性,而不是学习绑定机制。结果,模型的预测性能下降了看不见的生物分子。这里,我们提出了一种新的药物 - 目标亲和力(DTA)预测模型训练框架,其解决数据集偏差以改善新的生物分子的亲和预测。 DebiasedDTA使用集合学习和采样权重适应来识别和避免偏置,并且适用于大多数DTA预测模型。结果:结果表明,DebiasedDTA可以在预测看不见的生物分子之间的相互作用时提高模型。此外,可见的生物分子的预测性能也提高了。实验还表明,DebiasedDTA可以增强不同输入和模型结构的DTA预测模型,并且能够避免不同来源的偏差。预测的调查揭示了模型脱位可以减少误导性功能的重要性,并且可以使模型能够从蛋白质中学到更多。 DebiasedDTA已发布为开​​源Python软件包,以启用只有两行代码的脱叠自定义DTA预测模型。
translated by 谷歌翻译
在本文中,我们提出了一种设计用于图形域的域适配算法。给定具有许多标记节点的源图和具有少数或没有标记节点的目标图,我们的目标是通过利用两个图表上标签函数的变化的特征之间的相似性来估计目标标签。我们对源和目标域的假设是标签函数的本地行为,例如图表上的速度和变化的变化速度,在两个图形之间存在相似之处。我们通过求解标签信息基于之前的标签函数的投影在源图和目标图之间类似地将标签信息从源图传输到目标图来求解从源图到目标图的优化问题来估计未知的目标标签。为了有效地捕获图形上标签函数的局部变化,光谱图小波用作图形基础。与参考域适配方法相比,各种数据集的实验表明,该方法产生了相当令人满意的分类精度。
translated by 谷歌翻译