scholarly journals Enhanced Deep‐Learning Prediction of Molecular Properties via Augmentation of Bond Topology

ChemMedChem ◽  
2019 ◽  
Vol 14 (17) ◽  
pp. 1604-1609 ◽  
Author(s):  
Hyeoncheol Cho ◽  
Insung S. Choi
Keyword(s):  
Deep Learning ◽  
Molecular Properties ◽  
Bond Topology

Accurate predictions of aqueous solubility of drug molecules via the multilevel graph convolutional network (MGCN) and SchNet architectures

2020 ◽  
Vol 22 (41) ◽  
pp. 23766-23772 ◽  
Author(s):  
Peng Gao ◽  
Jie Zhang ◽  
Yuzhu Sun ◽  
Jianguo Yu
Keyword(s):  
Deep Learning ◽  
Pharmaceutical Industry ◽  
Aqueous Solubility ◽  
Molecular Properties ◽  
Convolutional Network ◽  
Drug Molecules

Deep learning based methods have been widely applied to predict various kinds of molecular properties in the pharmaceutical industry with increasingly more success.

Deep Learning

2009 ◽  
Author(s):  
Stellan Ohlsson
Keyword(s):  
Deep Learning

Intelligence artificielle : le futur de l’Orthodontie ?

2019 ◽  
Vol 53 (3) ◽  
pp. 281-294
Author(s):  
Jean-Michel Foucart ◽  
Augustin Chavanne ◽  
Jérôme Bourriau
Keyword(s):  
Big Data ◽  
Deep Learning ◽  
Intelligence Artificielle ◽  
Set Up

Nombreux sont les apports envisagés de l’Intelligence Artificielle (IA) en médecine. En orthodontie, plusieurs solutions automatisées sont disponibles depuis quelques années en imagerie par rayons X (analyse céphalométrique automatisée, analyse automatisée des voies aériennes) ou depuis quelques mois (analyse automatique des modèles numériques, set-up automatisé; CS Model +, Carestream Dental™). L’objectif de cette étude, en deux parties, est d’évaluer la fiabilité de l’analyse automatisée des modèles tant au niveau de leur numérisation que de leur segmentation. La comparaison des résultats d’analyse des modèles obtenus automatiquement et par l’intermédiaire de plusieurs orthodontistes démontre la fiabilité de l’analyse automatique; l’erreur de mesure oscillant, in fine, entre 0,08 et 1,04 mm, ce qui est non significatif et comparable avec les erreurs de mesures inter-observateurs rapportées dans la littérature. Ces résultats ouvrent ainsi de nouvelles perspectives quand à l’apport de l’IA en Orthodontie qui, basée sur le deep learning et le big data, devrait permettre, à moyen terme, d’évoluer vers une orthodontie plus préventive et plus prédictive.

Primäre ZNS-Lymphome: Vollautomatisierte Detektion und Segmentierung auf multiparametrischen MRT-Datensätzen mittels Deep-Learning

2020 ◽  
Author(s):  
L Pennig ◽  
L Lourenco Caldeira ◽  
C Hoyer ◽  
L Görtz ◽  
R Shahzad ◽  
...  
Keyword(s):  
Deep Learning

Computertomografie: Bildrekonstruktion mit Deep Learning in der klinischen Routine

2020 ◽  
Author(s):  
A Heinrich ◽  
M Engler ◽  
D Dachoua ◽  
U Teichgräber ◽  
F Güttler
Keyword(s):  
Deep Learning
Sign in / Sign up

Export Citation Format

Share Document