Fugu-MT 論文翻訳(概要): An Integrated System of Drug Matching and Abnormal Approval Number Correction

論文の概要: An Integrated System of Drug Matching and Abnormal Approval Number Correction

arxiv url: http://arxiv.org/abs/2207.01543v1
Date: Fri, 1 Jul 2022 11:19:50 GMT
ステータス: 処理完了
システム内更新日: 2022-07-05 14:40:12.513845
Title: An Integrated System of Drug Matching and Abnormal Approval Number Correction
Title（参考訳）: 薬物マッチングと異常承認数補正の統合システム
Authors: Dong Chenxi, QP Zhang, B Hu, JC Zhang, Dl Lin
Abstract要約: 本稿では、2つのデータソースから薬品をマッチングする統合システムを作成する。我々の統合システムは、99.2%の精度と97.5%のリコールで、98.3%の薬物マッチング精度を達成する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This essay is based on the joint project with 111, Inc. The pharmacy e-Commerce business grows rapidly in recent years with the ever-increasing medical demand during the pandemic. A big challenge for online pharmacy platforms is drug product matching. The e-Commerce platform usually collects drug product information from multiple data sources such as the warehouse or retailers. Therefore, the data format is inconsistent, making it hard to identify and match the same drug product. This paper creates an integrated system for matching drug products from two data sources. Besides, the system would correct some inconsistent drug approval numbers based on a Naive-Bayes drug type (Chinese or Non-Chinese Drug) classifier. Our integrated system achieves 98.3% drug matching accuracy, with 99.2% precision and 97.5% recall
Abstract（参考訳）: このエッセイは111,incとの共同プロジェクトに基づいている。薬局のeコマース事業は近年急速に成長し、パンデミックによる医療需要の増大が続いている。オンライン製薬プラットフォームの大きな課題は、ドラッグ製品のマッチングだ。 eコマースプラットフォームは通常、倉庫や小売業者などの複数のデータソースから薬品情報を収集する。したがって、データフォーマットは一貫性がなく、同じ薬物製品を特定するのが困難である。本稿では、2つのデータソースから薬品をマッチングする統合システムを作成する。さらに、このシステムは、ナイブベイズ薬型(中国薬または非中国薬)分類器に基づいて、矛盾する薬物承認番号を補正する。我々の統合システムは99.2%の精度と97.5%のリコールで98.3%の薬剤適合精度を達成している

関連論文リスト

DrugCLIP: Contrastive Drug-Disease Interaction For Drug Repurposing [4.969453745531116]
DrugCLIPは、ネガティブなラベルなしで薬物と疾患の相互作用を学ぶための対照的な学習方法である。実地臨床試験記録に基づく薬物再服用データセットをキュレートした。
論文参考訳（メタデータ） (2024-07-02T13:41:59Z)
"Hey..! This medicine made me sick": Sentiment Analysis of User-Generated Drug Reviews using Machine Learning Techniques [2.2874754079405535]
本研究は、特定の薬物に関するユーザレビューを、ポジティブ、ネガティブ、中立などの異なるクラスに分類する薬物レビュー分類システムを提案する。収集されたデータは手動でラベル付けされ、ラベルが正しいことを保証するために手動で検証される。
論文参考訳（メタデータ） (2024-04-09T08:42:34Z)
Learning to Describe for Predicting Zero-shot Drug-Drug Interactions [54.172575323610175]
薬物と薬物の相互作用は同時投与の有効性を損なう可能性がある。従来のDDI予測の計算手法では、知識不足のため、新しい薬物の相互作用を捉えることができない可能性がある。言語モデルに基づくDDI予測器と強化学習(RL)に基づく情報セレクタを用いたテキストDDIを提案する。
論文参考訳（メタデータ） (2024-03-13T09:42:46Z)
NeuroCADR: Drug Repurposing to Reveal Novel Anti-Epileptic Drug Candidates Through an Integrated Computational Approach [0.0]
薬物再資源化は、新しい目的のために既存の薬物を再割り当てすることを含む薬物発見の新たなアプローチである。提案するアルゴリズムはNeuroCADRであり,k-nearest neighbor algorithm (KNN),ランダム森林分類,決定木からなるマルチプログレッシブアプローチによる創薬システムである。データは病気、症状、遺伝子、および関連する薬物分子間の相互作用からなるデータベースから作成され、その後バイナリで表現されたデータセットにコンパイルされた。 NeuroCADRは、臨床試験によってさらに承認されるてんかんの新規薬物候補を特定した。
論文参考訳（メタデータ） (2023-09-04T03:21:43Z)
Neural Bandits for Data Mining: Searching for Dangerous Polypharmacy [63.135687276599114]
一部の多薬局は、不適切とみなされており、死亡や入院などの健康上の有害な結果に関係している可能性がある。我々は、クレームデータセットを効率的にマイニングし、薬物の組み合わせと健康結果の関係の予測モデルを構築するためのOptimNeuralTS戦略を提案する。提案手法では,最大72%のPIPを検出でき,平均精度は99%であり,30000タイムステップで検出できる。
論文参考訳（メタデータ） (2022-12-10T03:43:23Z)
Knowledge-Driven New Drug Recommendation [88.35607943144261]
既存の薬物と新薬のギャップを埋めるために, 薬物依存型マルチフェノタイプ数発学習機を開発した。 EDGEは外部薬効知識ベースを用いて偽陰性監視信号を除去する。その結果, EDGEは, ROC-AUCスコアよりも7.3%向上していることがわかった。
論文参考訳（メタデータ） (2022-10-11T16:07:52Z)
Tailoring Molecules for Protein Pockets: a Transformer-based Generative Solution for Structured-based Drug Design [133.1268990638971]
標的タンパク質の構造に基づくデノボ薬物の設計は、新規な薬物候補を提供することができる。そこで本研究では,特定のターゲットに対して,対象薬物をスクラッチから直接生成できるTamGentという生成ソリューションを提案する。
論文参考訳（メタデータ） (2022-08-30T09:32:39Z)
Multi-View Substructure Learning for Drug-Drug Interaction Prediction [69.34322811160912]
DDI予測のための新しいマルチビュードラッグサブ構造ネットワーク(MSN-DDI)を提案する。 MSN-DDIは、単一の薬物(イントラビュー)と薬物ペア(インタービュー)の両方の表現から化学的サブ構造を同時に学習し、そのサブ構造を利用して、薬物表現を反復的に更新する。総合的な評価では、MSN-DDIは、トランスダクティブ・セッティングの下で比較的改善された19.32%と99%以上の精度を達成することで、既存の薬物に対するDDI予測をほぼ解決したことを示している。
論文参考訳（メタデータ） (2022-03-28T05:44:29Z)
Identifying Illicit Drug Dealers on Instagram with Large-scale Multimodal Data Fusion [18.223055392013542]
Instagramなどのソーシャルメディアサイトを経由した違法薬物の売買は深刻な問題となっている。ソーシャルメディアのデータから違法な麻薬ディーラーを識別する方法は、依然として技術的課題である。本稿では,大規模マルチモーダルデータセットの構築により,違法な麻薬ディーラー識別の問題に取り組むことを提案する。
論文参考訳（メタデータ） (2021-08-18T04:29:47Z)
Two Step Joint Model for Drug Drug Interaction Extraction [82.49278654043577]
薬物と薬物の相互作用 (DDI) テキスト分析会議 (TAC) 2018における薬物ラベルからの抽出本稿では,DDI検出のための2段階関節モデルを提案する。シーケンスタギングシステム(CNN-GRUエンコーダデコーダ)は、まず沈殿剤を発見し、その微細なトリガーを探索し、第2ステップで沈殿剤毎のDDIを決定する。
論文参考訳（メタデータ） (2020-08-28T15:30:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。