- 综合排序
- 最热优先
- 最新优先
- 来自专栏聊点学术
如何确定实验动物用药量？
（和这个质量比，就差那么“亿”点点） 作为多年不沾染数学的医学生，当时的我总搞不清动物用药量的换算，套用导师给的Excel表格就是正道的光。 ? 今儿把这个话题捋一捋，做个小总结。 举个例子 ↓ 如果成人用药剂量为4.0mg/kg，那么犬的等效剂量就是6mg/kg，大鼠的等效剂量就是28mg/kg，小鼠的为40-44mg/kg。 然而，现实往往是动物体重增长较快，实验前、中、后期，体重变化较大，如果再抱着表面积计算会导致后期实际用药量降低。体型系数换算可以根据动物的实际体重来计算用药剂量，个人觉得更贴近实际。 ?
2.3K10发布于 2020-07-30 - 来自专栏Hank’s Blog
4-6 R语言函数 排序
#sort:对向量进行排序;返回排好序的内容 #order:返回排好序的内容的下标/多个排序标准 > x <- data.frame(v1=1:5,v2=c(10,7,9,6,8),v3=11:15,v4=c(1,1,2,2,1)) > sort(x$v2) [1] 6 7 8 9 10 > sort(x$v2,decreasing = TRUE) [1] 10 9 8 7 6 > order(x$v2) [1] 4 2 5 3 1 > x[order(x$v2),] v1 v
36740发布于 2020-09-16 - 来自专栏作图丫
基于网络模块预测联合用药
蛋白质有唯一的UniProt登录号 （4）在UniProt数据库中蛋白质标记为“reviewed” （5）人类蛋白质 最终：15051个药物靶点互作关系，包括4428种药物和2256个靶点 3.实验验证联合用药 三、基于网络发现治疗高血压的联合用药 （1）限制药物靶点模块是Complementary Exposure关系，对 65 个FDA批准的治疗高血压的药物联用（Fig.3a），24种药物联合用法有59%的精度 基于网络的模型已成功识别出在高血压疾病模块中具有明确药物药理学途径的已知高血压药物组合(Figs. 3b) 小编总结： 基于网络来预测药物联用是个很好的思路，本文中有一个重要结论，当药物靶点模块都与疾病基因模块有交叠，且两者不交叠的时候联合用药效果好 但是本文主要介绍的是高血压的联合用药，我们是不是可以用类似方法在肿瘤中进行相关分析呢~
1.1K31编辑于 2022-03-29 腾讯健康药箱赋能药品追溯监管：从扫码核查到用药管理的实践路径
直面药品监管与用药安全双重挑战 国家医保局全面推进“码上”严监管，利用药品追溯码打击药品领域欺诈保、违法违规问题，严打“回流药”和“串换药”。 用户面临核心痛点：难以核查药品来源与销售记录，用药存在漏服、错服、过期及相互作用风险，购药合规性难验证。理想状态需实现每颗药销售信息可查可追，现实差距在于缺乏便捷工具整合追溯查询与用药管理。 构建扫码追溯与用药管理服务 依托国家医保服务平台，腾讯健康药箱提供微信“扫一扫”药品追溯码解决方案，包含两大核心功能： 销售信息查询：覆盖线下处方药、线上OTC药品，支持查询销售记录、适应症、用法用量 智能用药提醒：一键设置保存提醒、多药管理（含相互作用风险提示）、到期提醒、用药记录可视化，助慢性病患者科学管理用药计划。 技术支撑与政策协同的双重优势 技术领先性：依托国家医保服务平台构建稳定查询系统，实现微信生态无缝集成（扫码即用），功能设计直击监管（销售记录核查、结果判定）与用户需求（用药提醒、多药管理）。
10010编辑于 2026-04-16- 来自专栏yuyy.info技术专栏
《代码整洁之道》笔记（4-6章节）
个人认为注释还是要写，算是对代码的中文翻译，因为我们的英语水平，命名习惯各不相同。
28110编辑于 2022-06-28 - 来自专栏DrugOne
Bioinformatics|癌症细胞系的用药反应预测
预测癌症患者对癌症药物的反应是精准医疗的重要问题。由于花大量的时间与金钱完成大批量癌症患者与药物之间反应的实验验证是不切实际的，业界非常期待一种基于癌细胞株的大规模药物基因组学临床前预测模型的出现，然而，大多数现有研究主要基于癌细胞的基因组相似性，忽略了基因之间的关系，导致不能很好的预测细胞株的药物反应。
81750发布于 2021-02-01 依托微信“扫一扫”实现药品全链路追溯与智能用药管理实践
这要求医疗机构与消费者必须具备便捷、准确的核对工具，以消除信息壁垒，确保用药安全与医保基金安全。 依托微信生态构建药品溯源与用药查询体系 针对药品溯源与合规监管需求，腾讯健康依托国家医保服务平台，打通了微信原生能力。 提供智能用药提醒服务，降低安全隐患： 除了基础的溯源功能，腾讯健康通过“扫一扫”拓展了个人健康管理模块。 系统支持一键设置保存用药提醒（防漏服、错服）、多药品合规性排查（禁忌与配伍禁忌提示）、临近效期预警，并自动生成用药记录，显著提升了慢病患者的用药依从性与健康管理闭环能力。 消费者购药后直接通过官方公众号入口扫描，即可获取药品适应症、用法用量等明细，从国家背书层面确保了数据核验的权威性与消费者的用药安全。
13410编辑于 2026-04-16微信“扫一扫”赋能医保监管：药品全流程追溯与智能用药管理实践
传统监管方式难以实现对每一盒药品流通环节的精准追踪，患者用药安全存在隐患。 智能用药管理功能提升患者服药安全性 腾讯健康药箱同时提供智能用药提醒服务： 一键设置用药提醒，避免漏服、错服 支持多药品管理，实时显示药物相互作用风险 药品到期自动提醒，降低安全风险 用药记录可视化，特别适合慢性病患者长期管理
13010编辑于 2026-04-16- 来自专栏生命科学
高通量筛选技术加速联合用药研究 | MedChemExpress
与单一给药相比，联合用药具有增强药物疗效、减少剂量依赖性毒性和防止出现耐药性等潜在优势，尤其是在癌症及抗感染治疗方面。 然而，由于可能的药物组合的数量特别巨大，发现具有协同作用药物组合的筛选仍然是一个费力且偶然的过程。 ■ AI 技术助力药物组合研究多种药物组合测试数据已经公布，一些大型免费数据库也已经建立，如芬兰分子医学研究所、赫尔辛基大学发布的可免费访问的癌症联合用药数据门户 DrugComb 目前已经收录 739964
72320编辑于 2023-01-10 - 来自专栏人工智能快报
人工智能帮助预测混合用药的副作用
美国斯坦福大学（Stanford University）的计算机科学家设计出一种卷积神经网络，能够预测混合用药可能产生的副作用。 这项研究工作对患者具有重大的现实意义。 这个问题促使研究人员设计了“十边形”（Decagon）系统，它是一种预测不同混合用药潜在副作用的人工智能应用。 他们还加入了详细描述某些药物及混合用药相关副作用的数据库。 为实现预测功能，他们选择使用图卷积神经网络。这种神经网络常用于社交网络和知识图谱，但还需要对其进行调整才能用于计算生物学。 虽然用于开发这个模型的原始数据都没有表明存在这种副作用，但根据一篇已发表的案例研究，这种混合用药确实会引起肌肉炎症，导致患者要在加护病房治疗69天。
62210发布于 2018-08-17 - 来自专栏思影科技
Neurology：早期、未用药帕金森病存在特异的白质连接
研究目标：帕金森早期未用药患者全脑白质纤维连接的拓扑结构及连接强度。 研究方法：该研究纳入70例早期未用药PD患者及41例健康对照，利用弥散MRI，采用无模型、数据驱动方法计算全脑白质的拓扑结构及连接强度。 共得到92例未用药的早期PD患者及49例健康对照。 被试特征： 对照组年龄匹配、无任何神经系统疾病、一级亲属无PD患者，MoCA评分大于等于26分。
1.3K20发布于 2020-02-24 - 来自专栏DrugOne
人工智能和机器学习在精准用药中的应用
Artificial Intelligence，AI）和机器学习（Machine Learning，ML）在治疗药物监测（Therapeutic Drug Monitoring，TDM）和模型引导的精准用药 摘要 背景：过去60年，计算和数学领域的进步极大地提高了治疗药物监测(TDM)和模型引导的精准用药(MIPD)的效果。 因此，美国食品药品监督管理局、加拿大卫生部和英国药品和医疗保健产品监管局联合发布了针对医疗设备研发的“Good Machine Learning Practice”指导原则，发布方指出这些原则也适用于药物开发 此外，国际药品监管机构联盟发布了一份报告，概述了有关利用AI开发药物的用途和挑战的建议，该报告得到了欧洲药品管理局的支持。 结论 尽管应用于TDM和精确用药的AI和ML方法仍处于起步阶段，但已经有大量应用案例显示出该领域的广阔前景。机器学习方法似乎与当前的定量药理学技术相当，有望增加实现精确给药的目标。
1.5K11编辑于 2023-09-19 - 来自专栏量子位
支持移动GPU、推断速度提升4-6倍
TensorFlow用于移动设备的框架TensorFlow Lite发布重大更新，支持开发者使用手机等移动设备的GPU来提高模型推断速度。
1.1K30发布于 2019-04-24 - 来自专栏人人都是极客
支持移动GPU、推断速度提升4-6倍
在此步骤中，我们还为中间张量管理 GPU 内存，以尽可能减少后端的内存占用 必要时将输出移动到 CPU：一旦深度神经网络完成处理，框架将结果从 GPU 内存复制到 CPU 内存，除非网络的输出可以直接在屏幕上呈现
1.6K20发布于 2019-03-15 - 来自专栏人工智能与演化计算成长与进阶
15非监督学习异常检测4-6构建与评价异常检测系统
Note 对于异常检测问题而言，样本数据集往往是倾斜的，即 标记为 1 异常的数据往往很少，而标记为 0 即正常的数据往往很多 此时使用准确率等方法来进行判断一个模型的好坏往往是不合适的，所以通过 查准率和查全率以及 F1 分数能够很好的分析和判断这个问题
1.8K11发布于 2020-08-14 - 来自专栏AI机器学习与深度学习算法
机器学习入门 4-6 网格搜索与k近邻算法中更多超参数
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍使用sklearn网格搜索寻找最好的超参数以及kNN计算两个数据点距离的其他距离定义。
78100发布于 2019-11-13 - 来自专栏机器之心
学界 | Petuum新研究助力临床决策：使用深度学习预测出院用药
精准的出院用药预测能向医生提供指导，帮助医生及时发现用药偏差（medication discrepancy）。用药偏差是指在患者入院，转院，出院过程中用药方案在记录过程中发生的非计划性的改变。 入院时对出院用药的预测可以帮助医生及时发现用药偏差，避免由于药物重复或遗漏可能造成的病人安全风险问题，同时这种预测可以作为一种有效的早期预警工具帮助医生尽早监控管理药物的处方，并及时减少不必要的用药疏失 论文链接：https://arxiv.org/abs/1711.01386 摘要：在病人入院就诊时预测其出院用药可以帮助医生更好地计划和核对用药方案、发现用药偏差、降低用药安全风险。 本文研究了如何使用深度学习技术来协助医生根据病人就诊记录中的健康信息来预测其出院用药。在实现上，我们设计了一种卷积神经网络来分析就诊记录然后预测病人在出院时的用药。 该模型的输入为就诊记录，输出是病人的出院用药（一种或多种）。
1.2K110发布于 2018-05-09 - 来自专栏desperate633
第4-6课 数据的过滤where子句操作符使用通配符进行过滤
实际查询中，通常不会检索所有行，需要对数据进行筛选过滤，选出符合我们需要条件的数据。
1.9K10发布于 2018-08-22 - 来自专栏新智元
2021年搞笑诺贝尔奖出炉：性爱能让鼻子通气，效果不亚于用药！
别以为科学家都是一本正经不苟言笑的老学究。今天，搞笑诺贝尔奖2021年的颁奖结果公布了。获奖成果也是五花八门，什么“啪啪啪可以缓解鼻塞”，“留大胡子是为了在战斗中护脸”，“领导越胖，国家越腐败”.......
1.2K50发布于 2021-09-17 - 来自专栏yuyy.info技术专栏
《Go语言精进之路：从新手到高手的编程思想、方法和技巧1》4-6章笔记
---- go.mod和go.sum：Go语言包依赖管理使用的配置文件。Go 1.11版本引入Go module机制，Go 1.16版本中，Go module成为默认的依赖包管理和构建机制。 因此对于新的Go项目，建议基于Go module进行包依赖管理。 对于没有使用Go module进行包管理的项目（可能主要是一些使用Go 1.11以前版本的Go项目），这里可以换为dep的Gopkg.toml和Gopkg.lock，或者glide的glide.yaml vendor不再是可选目录：对于库类型项目而言，不推荐在项目中放置vendor目录去缓存库自身的第三方依赖，库项目仅通过go.mod（或其他包依赖管理工具的manifest文件）明确表述出该项目依赖的模块或包以及版本要求即可
1.1K20编辑于 2022-09-21
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号