文章简介 | 发表时间 | 会议来源 | 文献名 | 机器学习方法 | 文章备注 |
---|---|---|---|---|---|
医学报告术语自动检测 | 2015 | IJCAI | Information Extraction of Texts in the Biomedical Domain | NLP | 方法 |
本体流中的知识发现 | 2015 | IJCAI | Scalable Maintenance of Knowledge Discovery in an Ontology Stream | 无 | 综述 |
基因表达数据的双聚类 | 2015 | IJCAI | Biclustering Gene Expressions Using Factor Graphs and the Max-Sum Algorithm | 二元因子图、Max Sum算法 | 方法 |
医学同义词抽取 | 2015 | IJCAI | Medical Synonym Extraction with Concept Space Models | 半监督、Word2Vec | 方法 |
文章简介 | 发表时间 | 会议来源 | 文献名 | 机器学习方法 | 文章备注 |
---|---|---|---|---|---|
生物医疗文本中不良药物时间提取 | 2016 | IJCAI | Joint Models for Extracting Adverse Drug Events from Biomedical Text | CNN | 方法,GitHub开源 |
利用分子机器人群体进行治疗 | 2016 | IJCAI | Rule-Based Programming of Molecular Robot Swarms for Biomedical Applications | Athelas、Bilbo | 理论 |
蛋白质二级结构预测 | 2016 | IJCAI | Protein Secondary Structure Prediction Using Cascaded Convolutional and Recurrent Neural Networks | 端到端DNN(CNN、RNN) | 方法 |
利用EHR进行药物重定位 | 2016 | IJCAI | Baseline Regularization for Computational Drug Repositioning with Longitudinal Observational Data | 正则化 | 方法 |
文章简介 | 发表时间 | 会议来源 | 文献名 | 机器学习方法 | 文章备注 |
---|---|---|---|---|---|
解决基因组数据的高维度麻烦 | 2017 | IJCAI | Breaking the curse of dimensionality for machine learning on genomic data | 随机森林 | 方法 |
改进OTUs结果的质量和表示 | 2017 | IJCAI | A De Novo Robust Clustering Approach for Amplicon-Based Sequence Data | 聚类 | 方法 |
生物声音分类 | 2017 | IJCAI | JSI Sound – a machine-learning tool in Orange for simple biosound classification | 6种ML方法 | 工具 |
生存分析、存活率分析 | 2017 | IJCAI | Feature Selection and Deep Learning for Survival Analysis | 迭代贝叶斯平均、DNN | 方法 |
文章简介 | 发表时间 | 会议来源 | 文献名 | 机器学习方法 | 文章备注 |
---|---|---|---|---|---|
药物可解释的相似度度量 | 2018 | IJCAI | Drug Similarity Integration Through Attentive Multi-view Graph Auto-Encoders | 自编码、多视图、注意力 | 方法 |
DTIs预测,端到端可解释 | 2018 | IJCAI | Interpretable Drug Target Prediction Using Deep Neural Representation | 端到端DNN、注意力 | 方法 |
预测慢性病的演变速度 | 2018 | IJCAI | Predicting the Spatio-Temporal Evolution of Chronic Diseases in Population with Human Mobility Data | 协同主题、高斯混合模型 | 方法 |
跨模态生物医学图像分割 | 2018 | IJCAI | Unsupervised Cross-Modality Domain Adaptation of ConvNets for Biomedical Image Segmentations with Adversarial Loss | CNN、对抗 | 方法 |
暂未全部公布
文章简介 | 发表时间 | 会议来源 | 文献名 | 机器学习方法 | 文章备注 | 重要性评分 | 是否药物重定位 |
---|---|---|---|---|---|---|---|
蛋白质相互作用的设计和特异性 | 2014 | RECOMB | Learning Sequence Determinants of Protein: Protein Interaction Specificity with Sparse Graphical Models | 图模型 | 方法 | 2 | 否 |
基于序列的蛋白质同源性检测 | 2014 | RECOMB | MRFalign: Protein Homology Detection through Alignment of Markov Random Fields | 马尔可夫随机场、位置特异得分矩阵 | 方法 | 1 | 否 |
癌症通路推断 | 2014 | RECOMB | Simultaneous Inference of Cancer Pathways and Tumor Progression from Cross-Sectional Mutation Data | 贝叶斯网络 | 方法,TCGA数据 | 2 | 否 |
蛋白质功能预测 | 2014 | RECOMB | Correlated Protein Function Prediction via Maximization of Data-Knowledge Consistency | 多标签分类、矩阵分解 | 方法 | 2 | 否 |
蛋白质结构对齐 | 2014 | RECOMB | Bayesian Multiple Protein Structure Alignment | 贝叶斯统计、MCMC | 方法 | 1 | 否 |
文章简介 | 发表时间 | 会议来源 | 文献名 | 机器学习方法 | 文章备注 | 重要性评分 | 是否药物重定位 |
---|---|---|---|---|---|---|---|
基因组非编码DNA序列的顺式调控元件信息特征发现 | 2015 | RECOMB | Deep Feature Selection: Theory and Application to Identify Enhancers and Promoters | DNN、特征选择 | 1 | 否 | |
多药物多靶点DTI预测 | 2015 | RECOMB | Deciding When to Stop: Efficient Experimentation to Learn to Predict Drug-Target Interactions | 核化贝叶斯矩阵分解 | 方法 | 3 | 是 |
文章简介 | 发表时间 | 会议来源 | 文献名 | 机器学习方法 | 文章备注 | 重要性评分 | 是否药物重定位 |
---|---|---|---|---|---|---|---|
蛋白质病毒间相互作用 | 2016 | RECOMB | Multitask Matrix Completion for Learning Protein Interactions Across Diseases | 多任务矩阵 | 方法 | 1 | 否 |
互斥癌症通路和依赖关系的联合推断 | 3016 | RECOMB | pathTiMEx: Joint Inference of Mutually Exclusive Cancer Pathways and Their Dependencies in Tumor Progression | MCMC、概率生成模型 | 方法 | 1 | 否 |
文章简介 | 发表时间 | 会议来源 | 文献名 | 机器学习方法 | 文章备注 | 重要性评分 | 是否药物重定位 |
---|
文章简介 | 发表时间 | 会议来源 | 文献名 | 机器学习方法 | 文章备注 | 重要性评分 | 是否药物重定位 |
---|---|---|---|---|---|---|---|
新的图编辑距离 | 2018 | RECOMB | GTED: Graph Traversal Edit Distance | 无 | 理论 | 1 | 否 |
元基因组微生物分类 | 2018 | RECOMB | Accurate Reconstruction of Microbial Strains from Metagenomic Sequencing Using Representative Reference Genomes | 概率模型,聚类 | 方法 | 2 | 否 |
文章简介 | 发表时间 | 会议来源 | 文献名 | 机器学习方法 | 文章备注 | 重要性评分 | 是否药物重定位 |
---|---|---|---|---|---|---|---|
非结构化本体论文本概念识别 | 2019 | RECOMB | Identifying Clinical Terms in Free-Text Notes Using Ontology-Guided Machine Learning | CNN | 方法 | 1 | 否 |