基于机器学习精确揭示心律不齐的原因
近日，Skoltech研究所的科学家们设计了一种新的基于机器学习的方法，用于检测“心房颤动驱动器”，即被认为会导致最常见类型的心律不齐的心肌小斑块。据美国心脏协会称，这种方法可能导致更有效的针对性医疗干预，以治疗估计影响全球3300万人的疾病。 心房颤动（AF）的背后机制尚不清楚，AF是一种异常的心律，与心力衰竭和中风的风险增加有关。研究表明，它可能是由折返性房颤驱动引起的，并导致房颤反复发作，这是导致重复性心律失常的高度局部原因。目前针对这种症状可以通过外科手术处理以减轻病情，甚至恢复心脏的正常功能。（图片来源： Pavel Odinev / Skoltech） 为了找到这些可折返的AF驱动器以进行后续处理，医生使用了多电极映射技术，该技术使他们能够记录心脏内部的多个电描记图（通过导管完成）并在心房内建立电活动图。但是，这种技术的临床应用通常会在找不到现有的AF驾驶员时产生很多假阴性，而在检测到真正没有驱动器的情况下会......阅读全文
利用机器学习揭示全球中大地震破裂模式
原文地址：http://news.sciencenet.cn/htmlnews/2022/4/477899.shtm 全球地震震源时间函数在变分自编码器隐式空间的分布（a）和重构的全球地震破裂模式流形（b） 中国科大供图 地震是对人类社会面对的重要自然灾害之一。近20年来，全球中大地震
科学家利用机器学习让耐药检测更高效
细菌耐药已成为影响全人类健康的重大问题，引起了全世界广泛的关注。世界卫生组织提出的解决耐药措施之一是研发耐药快速准确的新型诊断技术和相关试剂。传统的检测方法基于细菌培养，周期长，易导致漏诊、误诊，延误最佳治疗时机。而基于基因的检测技术，如具有灵敏、高效、快捷特点的基因芯片、数字PCR等技术，是公
科学家努力遏制机器学习带来社会不公平
2015年，一名忧心忡忡的父亲问了Rhema Vaithianathan一个问题，这个问题至今依然萦绕在她的记忆里。当时，一小群人聚集在美国宾夕法尼亚州匹兹堡的一个地下室内，听她讲软件如何解决虐待儿童的问题。该区域的热线每一天都会接听到数十个电话，指称怀疑有儿童处于危险中；其中一些电话被呼叫中心
IBM－Watson联合辉瑞，将机器学习用于癌症药物发现
根据Healthcare IT News报道，IBM Watson与辉瑞达成了一项新协议，会将前者的超级计算能力用于癌症药物研发。 辉瑞将用上Watson for Drug Discovery的机器学习、自然语言处理及其它认知推理能力，用于免疫肿瘤学（Immuno-oncology）中的新药物
用机器学习揭示全球中大地震破裂模式
原文地址：http://news.sciencenet.cn/htmlnews/2022/4/477906.shtm 科技日报合肥4月24日电 （记者吴长锋）24日，记者从中国科学技术大学了解到，该校李泽峰研究员利用机器学习方法，总结了全球3000多个5.5级以上地震的震源时间函数特征，全景式地
利用机器学习构建新型物理约束的大涡模拟模型
大涡模拟作为当前及未来主流的湍流模拟方法被广泛应用于航空、航天及海洋工程等国家战略科技领域，而大涡模拟模型和方法是大涡模拟研究的核心基础。传统的大涡模拟模型方法存在着诸多不足，例如既有的模型很难兼顾强数值稳定性以及高保真性，这样会导致湍流模拟的误差过大或者计算发散等问题。因此，探索新的建模思路一
心房颤动概述
核心提示: 目前心房颤动的发病率在逐年提升，这是一种常见的快速心率失常的情况，患有该疾病很可能会伴有多种并发症产生，严重的还可以能会有生命危险出现，对于此病人们需要全面了解其发病的原因，及时有效的进行治疗。 对于心房颤动这个疾病需要全面了解其相关的知识，引发心房颤动出
腾讯机器学习框架升级，可节省一半算力成本
原文地址：http://news.sciencenet.cn/htmlnews/2023/11/512960.shtm
运用可解释机器学习成功破解催化结构敏感性难题
原文地址：http://news.sciencenet.cn/htmlnews/2024/3/519339.shtm记者19日从中国科学技术大学获悉，该校李微雪教授结合物理启发的可解释机器学习算法与第一性原理计算，解决了一个多相催化研究中长期存在的关于催化结构敏感性难题。研究成果近日发表于《美国化学
机器学习“万里挑一”识别高性能化合物
美国能源部劳伦斯伯克利国家实验室与多家合作机构共同演示了一种机器学习技术，旨在发现适用于薄膜电容器的新型材料。这一进展对于电气化和可再生能源技术来说至关重要，因为薄膜电容器是这些领域中不可或缺的组件。研究团队使用这项技术从接近5万种化学结构中筛选出了一种性能破纪录的化合物。研究成果发表在最新的《自然
利用机器学习构建新型物理约束的大涡模拟模型研究
大涡模拟作为当前及未来主流的湍流模拟方法被广泛应用于航空、航天及海洋工程等国家战略科技领域，而大涡模拟模型和方法是大涡模拟研究的核心基础。传统的大涡模拟模型方法存在诸多不足，例如既有模型难以兼顾强数值稳定性以及高保真性，导致湍流模拟的误差过大或者计算发散等问题。因此，探索新的建模思路是大涡模拟研
研究提出可用于癌症驱动基因识别的图机器学习模型
当前，全球癌症患者数量呈逐年上升趋势。癌症驱动基因识别在探讨癌症的发生机制中扮演着重要角色，能够为个性化精准治疗提供策略。而现有方法在泛化性和可解释性方面面临挑战。中国科学院新疆理化技术研究所科研团队与合作者，提出了可用于癌症驱动基因识别的图机器学习模型。这一模型融合人工智能与生物医学的优势，具备可
国际最新研究：机器学习方法可帮助识别人造毒品
施普林格·自然旗下专业学术期刊《自然-机器智能》发表一篇计算生物学研究论文称，科研人员发现一种自动化、生成式的机器学习方法，可以仅利用质谱就确定未知的新型精神药物(又称人造毒品)的化学结构，了解这些结构能帮助法医实验室更快识别出疑似的人造毒品。 该论文指，每年有大
未来机器人大脑将获取互联网知识自我学习
研究人员在对机器人大脑学习方法进行测试。 据国外媒体报道，近期在美国伯克利召开的“2014年度机器人技术：科学与系统大会”上，美国科学家发表最新研究成果认为，未来“机器人大脑”将能够从互联网上获取海量信息，然后教会机器人其所知道的所有知识和所拥有的所有技能。目前，“机器人大脑”正在从互联网
国际最新研究：机器学习方法可帮助识别人造毒品
施普林格·自然旗下专业学术期刊《自然-机器智能》发表一篇计算生物学研究论文称，科研人员发现一种自动化、生成式的机器学习方法，可以仅利用质谱就确定未知的新型精神药物(又称人造毒品)的化学结构，了解这些结构能帮助法医实验室更快识别出疑似的人造毒品。 该论文指，每年有大
人工智能和机器学习正在如何重塑当今的医疗产业？
在医疗健康领域活跃着世界上最具创新性的初创公司，他们致力于为人类带来更高质量的生活和更长的生命。软件和信息技术刺激了这些创新的产生和发展，数字化的健康和医疗数据使得医疗的研究和应用进程不断加速。 近年来，以人工智能和机器学习为首的先进技术让软件变得越来越智能和独立，不断加速着健康领域的创新步伐
运用可解释机器学习成功破解催化结构敏感性难题
李微雪教授结合物理启发的可解释机器学习算法与第一性原理计算，解决了一个多相催化研究中长期存在的关于催化结构敏感性难题。研究成果近日发表于《美国化学会》期刊。催化反应活性位及其结构敏感性是多相催化研究中最为重要的基本概念之一。尽管近年来研究取得了很大进展，但由于影响因素众多并横跨多个空间和时间尺度，如
力学所在干酪根结构的机器学习研究中取得进展
干酪根是页岩油气的主要母质，其分子模型构建及熟化机理是油气勘探开发的理论基础。中国科学院力学研究所赵亚溥研究团队前期针对珍贵的深部页岩样品，基于大量实验及计算，构建了目前国际最大的干酪根分子群，建立了干酪根的时间-温度-成熟度关系[Global Challenges 3, 190000
研究人员利用“机器学习”帮助鉴定磷酸化位点
EMBL的欧洲生物信息学研究所（EMBL-EBI）的研究人员创建了迄今为止最大的参考磷酸化蛋白质组，将近120000个人类磷酸化位点。为了识别最重要的成员，他们使用了一种机器学习方法，能够根据功能重要性对其进行排名。 蛋白质是细胞的核心分子机器，可以通过类似于分子开关的蛋白质修饰来调节。磷酸化
基于宽度学习的微型机器人智能轨迹追踪方法
近日，中国科学院深圳先进技术研究院集成所智能仿生研究中心副研究员徐升和研究员徐天添研究团队合作，将宽度学习算法成功应用于微型机器人轨迹追踪控制中，将数据驱动的思想用于微型机器人控制器设计，由示教训练替换复杂调参，并推导训练算法参数约束以保障稳定性能，极大提升了微型机器人轨迹追踪的准确性及控制器的
全国政协委员周志华：支持机器学习基础研究
原文地址：http://news.sciencenet.cn/htmlnews/2023/3/495353.shtm ? 周志华 全国政协委员、南京大学人工智能学院院长 机器学习基础研究相对门槛高，研究成果不仅在短期内难以体现效益，且在以高质量论文数、引用数等为指标的评价体系中
如何治疗窦性心律不齐？
窦性心动过速的治疗主要是祛除诱因，如止痛、控制感染，纠正贫血、改善心功能、控制甲状腺功能亢进等，必要时可适当予以β受体阻滞剂治疗。但须注意，窦性心动过速多为生理应激反应所致，故在诱因未祛除情况下β受体阻滞剂勿大量应用，以防止因此产生的心脏过度抑制。 窦性心动过缓如心率在40次/分以上可观察，严
窦性心律不齐的分类介绍
窦性心律失常分为窦性心动过速、窦性心动过缓、窦性心律不齐、窦性停搏及病态窦房结综合征。 1、窦性心动过速 正常成人窦性心律的频率>100次/分，称为窦性心动过速。窦性心动过速时，P-R间期、QRS及Q-T时限都相应缩短，有时可伴有继发性ST段轻度压低和T波振幅偏低。常见于运动、精神紧张、发热
关于窦性心律不齐的简介
是一种正常的生理现象，不是病。“窦性心律不齐”以儿童、青少年最常见，成年人也不少见。 正常人的心脏跳动是由一个称为“窦房结”的高级司令部指挥。窦房结发出信号刺激心脏跳动，这种来自窦房结信号引起的心脏跳动，就称为正常的“窦性心律”，频率每分钟约为60—100次。每分钟心跳的次数，即心率就是由此而
心房颤动预防方法
核心提示: 心房颤动是一种比较严重的疾病，患了这个疾病本一定要及时进行调理，这样可以有效预防猝死的现象，对患者的身心健康也是比较好的，避免出现生命方面的威胁，患者应该定期到医院进行身体检查，如果出现了及早的进行用药调整，也可以住院治疗。 心房颤动是一种比较常见的症状，
心房颤动的诊治
心房颤动的诊治定义：房颤是指规则有序的心房电活动丧失，代之以快速无序的颤动波。临床听诊有心律绝对不齐。心电图窦性P波消失，代之以频率350～600次/分f波，RR间期绝对不等。根据合并疾病和房颤本身的情况，可以出现轻重不一的临床表现。房颤是最常见的急性心律失常之一，可发生于器质性心脏病或无器质性心脏
心电图知识：心房颤动
一、背景知识 心房颤动(atrialfibrillationAf)简称房颤，是一种常见的心律失常。心房颤动发生率随增龄而升高。40～50岁小于0.5％，80岁人群高达5％～15％。近70％心房颤动患者年龄在65～85岁。心房颤动患病男女相近。流行病学资料表明，60岁后男性患病率明显升高，根据近年来
4亿美元助力机器学习驱动药物开发，insitro完成C轮融资
速递 | 今日，致力于通过利用机器学习驱动药物发现和开发的初创公司insitro宣布完成数额为4亿美元的C轮融资。本轮融资获得的资金将用于进一步提升该公司平台的技术能力，扩展可以使用的数据库，以及收购通过该公司的独特策略去风险化（de-risked）的潜在候选药物。
我国科学家在超导系统中实现量子对抗机器学习
本报北京12月3日电（记者邓晖）随着发展量子计算和人工智能成为世界各国的重要战略，两者交汇而生的量子人工智能更是发展迅速。但由于神经网络容易受到对抗扰动的影响，量子人工智能技术的安全性成为研究热点。 近日，清华大学交叉信息研究院邓东灵研究组与浙江大学物理学院王浩华、宋超研究组等合作，在超导系统中首次
基于脑功能影像数据机器学习分类的跨中心泛化性
在临床研究领域，机器学习已被广泛用于优化脑影像数据分析和建立预测模型来对精神分裂症患者进行分类。评估泛化性是对预测模型性能评价的重要步骤，然而对该方面问题进行探讨的临床研究却很少。 为了解决这一问题，中国科学院心理研究所心理健康重点实验室神经心理和应用认知神经科学（NACN）实验室研究员陈楚侨