Học sâu là gì? Các công bố khoa học về Học sâu
Học sâu (deep learning) là một phương pháp học máy trong lĩnh vực trí tuệ nhân tạo, trong đó mô hình máy tính được huấn luyện để tự động tìm hiểu, phân tích và ...
Học sâu (deep learning) là một phương pháp học máy trong lĩnh vực trí tuệ nhân tạo, trong đó mô hình máy tính được huấn luyện để tự động tìm hiểu, phân tích và rút trích dữ liệu có cấu trúc phức tạp từ dữ liệu đầu vào. Mô hình học sâu thông thường được xây dựng dựa trên mạng nơ-ron nhân tạo với nhiều lớp ẩn, cho phép việc xử lý thông tin theo các cấu trúc phức tạp và chức năng như nhận dạng hình ảnh, xử lý ngôn ngữ tự nhiên và dự đoán. Học sâu đã được ứng dụng rộng rãi trong nhiều lĩnh vực như xử lý ảnh, xử lý ngôn ngữ tự nhiên, nhận dạng giọng nói, và tự động lái xe.
Học sâu (deep learning) là một phương pháp học máy dựa trên mạng nơ-ron nhân tạo (artificial neural network) có nhiều lớp ẩn, giúp máy tính tự động học các đặc trưng và mô hình hóa dữ liệu phức tạp.
Mạng nơ-ron nhân tạo trong học sâu bao gồm nhiều lớp kết nối và mỗi lớp có nhiều đơn vị xử lý (neuron) gắn với nhau thông qua các trọng số. Mỗi đơn vị xử lý nhận dữ liệu từ các đơn vị xử lý ở lớp trước đó, tính toán và chuyển tiếp kết quả cho các đơn vị tiếp theo. Dữ liệu sau khi đi qua các lớp kết nối sẽ được đưa vào một lớp cuối cùng để đưa ra kết quả dự đoán.
Quá trình huấn luyện một mạng nơ-ron nhân tạo trong học sâu thường được thực hiện thông qua việc tối ưu hóa hàm mất mát (loss function) bằng cách điều chỉnh các trọng số trong mạng. Phương pháp thông dụng để tối ưu hóa bao gồm lan truyền ngược (backpropagation) và gradient descent.
Học sâu đã chứng minh hiệu quả và ứng dụng rộng rãi trong nhiều lĩnh vực. Ví dụ, trong xử lý ảnh, học sâu có thể được sử dụng để nhận dạng đối tượng, phân loại hình ảnh và tự động gán nhãn. Trong xử lý ngôn ngữ tự nhiên, nó có thể được sử dụng để dịch máy, xác định ý kiến từ đoạn văn và sinh văn bản tự động. Ngoài ra, học sâu cũng được áp dụng trong các lĩnh vực như nhận dạng giọng nói, dự đoán chuỗi thời gian và tự động lái xe.
Tuy học sâu mang lại nhiều tiềm năng, nhưng việc huấn luyện mô hình học sâu thường đòi hỏi rất nhiều dữ liệu và công nghệ tính toán mạnh mẽ để đạt hiệu suất tốt.
Danh sách công bố khoa học về chủ đề "học sâu":
Một khảo sát dữ liệu trước/sau bài kiểm tra sử dụng bài kiểm tra Chẩn đoán Cơ học Halloun–Hestenes hoặc Đánh giá Khái niệm Lực gần đây hơn được báo cáo cho 62 khóa học vật lý cơ bản với tổng số sinh viên đăng ký N=6542. Một phân tích nhất quán trên các nhóm sinh viên đa dạng tại các trường trung học, cao đẳng và đại học đạt được nếu một đo lường thô về hiệu quả trung bình của một khóa học trong việc thúc đẩy hiểu biết khái niệm được coi là lợi ích chuẩn hóa trung bình 〈g〉. Lợi ích nay được xác định là tỷ lệ giữa lợi ích trung bình thực tế (%〈post〉−%〈pre〉) với lợi ích trung bình tối đa có thể (100−%〈pre〉). Mười bốn khóa học “truyền thống” (T) (N=2084) mà ít hoặc không sử dụng các phương pháp tương tác-engagement (IE) đạt được lợi ích trung bình 〈g〉T-ave=0.23±0.04 (độ lệch chuẩn). Ngược lại, 48 khóa học (N=4458) mà sử dụng đáng kể các phương pháp IE đạt được lợi ích trung bình 〈g〉IE-ave=0.48±0.14 (độ lệch chuẩn), gần hai độ lệch chuẩn của 〈g〉IE-ave vượt trên lợi ích của các khóa học truyền thống. Kết quả cho 30 (N=3259) trong số 62 khóa học trên về bài kiểm tra Cơ học Cơ sở vấn đề của Hestenes–Wells ngụ ý rằng các chiến lược IE nâng cao khả năng giải quyết vấn đề. Kết quả từ các bài kiểm tra khái niệm và giải quyết vấn đề mạnh mẽ gợi ý rằng việc sử dụng phương pháp IE trong lớp học có thể tăng cường hiệu quả của các khóa học cơ học vượt xa so với những gì có được trong thực hành truyền thống.
Phạm vi và mục đích của nghiên cứu này gồm hai phần: tổng hợp bằng chứng hiện có và chuyển hóa nó thành các khuyến nghị. Tài liệu này chỉ đưa ra các khuyến nghị khi có bằng chứng hỗ trợ. Do đó, chúng không cấu thành một giao thức hoàn chỉnh cho việc sử dụng trong lâm sàng. Ý định của chúng tôi là các khuyến nghị này sẽ được sử dụng bởi những người khác để phát triển các giao thức điều trị, trong đó cần thiết phải kết hợp đồng thuận và phán quyết lâm sàng trong những lĩnh vực có bằng chứng hiện tại còn thiếu hoặc không đủ. Chúng tôi cho rằng điều quan trọng là có các khuyến nghị dựa trên bằng chứng để làm rõ những khía cạnh thực hành hiện tại có thể và không thể được hỗ trợ bởi bằng chứng, khuyến khích sử dụng các phương pháp điều trị dựa trên bằng chứng đã tồn tại, và khuyến khích sáng tạo trong điều trị và nghiên cứu ở những lĩnh vực chưa có bằng chứng. Cộng đồng phẫu thuật thần kinh và chăm sóc chuyên sâu thần kinh đã là những người tiên phong và hỗ trợ tích cực cho y học dựa trên bằng chứng và có kế hoạch tiếp tục trong nỗ lực này. Tài liệu hướng dẫn hoàn chỉnh, tóm tắt và đánh giá các tài liệu cho từng chủ đề, và các phụ lục bổ sung (A-I) có sẵn trực tuyến tại https://www.braintrauma.org/coma/guidelines.
Chúng tôi báo cáo tại đây rằng miR-155 và miR-125b đóng vai trò trong đáp ứng miễn dịch bẩm sinh. Việc kích thích LPS trên đại thực bào dòng Raw 264.7 ở chuột dẫn đến tăng biểu hiện miR-155 và giảm biểu hiện miR-125b. Những thay đổi tương tự cũng được quan sát khi chuột C57BL/6 được tiêm phúc mạc LPS. Hơn nữa, nồng độ miR-155 và miR-125b trong tế bào Raw 264.7 thể hiện các biến thiên dao động khi đáp ứng với TNF-α. Những biến đổi này bị cản trở bởi việc tiền xử lý tế bào bằng chất ức chế proteasome MG-132, cho thấy rằng hai microRNA (miRNA) này ít nhất có thể tạm thời chịu sự kiểm soát trực tiếp bởi hoạt động phiên mã của NF-κB. Chúng tôi cho thấy miR-155 nhiều khả năng tác động trực tiếp lên các bản mã mã hóa cho một số protein tham gia dẫn truyền tín hiệu LPS, bao gồm protein miền chết liên kết Fas (FADD), IκB kinase ε (IKKε), và kinase serine-threonine tương tác thụ thể trong siêu họ TNFR 1 (Ripk1), đồng thời thúc đẩy quá trình dịch mã TNF-α. Ngược lại, miR-125b tương tác với vùng 3′-không dịch mã của bản mã TNF-α; do đó, sự giảm biểu hiện miR-125b để đáp ứng với LPS có thể cần thiết cho việc sản xuất TNF-α thích hợp. Cuối cùng, chuột chuyển gene Eμ-miR-155 tạo ra mức TNF-α cao hơn khi tiếp xúc với LPS và trở nên quá mẫn với sốc nhiễm trùng gây ra bởi LPS/d-galactosamine. Nhìn chung, dữ liệu của chúng tôi cho thấy việc điều hòa miR-155 và miR-125b phụ thuộc LPS/TNF-α có thể liên quan đến đáp ứng với sốc nội độc tố, qua đó mở ra những đích mới trong thiết kế thuốc.
Hình ảnh X-quang ngực là kỹ thuật chẩn đoán hình ảnh đầu tiên đóng vai trò quan trọng trong chẩn đoán bệnh COVID-19. Nhờ vào sự sẵn có cao của các tập dữ liệu hình ảnh được chú thích quy mô lớn, đã đạt được nhiều thành công lớn trong việc sử dụng mạng nơ-ron tích chập (
Mặc dù các khái niệm ban đầu về liệu pháp tế bào gốc nhằm thay thế mô bị mất, nhưng bằng chứng gần đây đã gợi ý rằng cả tế bào gốc và tiền thân đều thúc đẩy phục hồi thần kinh sau thiếu máu cục bộ thông qua các yếu tố tiết ra giúp phục hồi khả năng tái cấu trúc của não bị tổn thương. Cụ thể, các túi ngoại tiết (EVs) từ các tế bào gốc như exosomes đã được đề xuất gần đây có vai trò trung gian cho các tác dụng phục hồi của tế bào gốc. Để xác định liệu EVs có thực sự cải thiện suy giảm thần kinh sau thiếu máu cục bộ và tái cấu trúc não hay không, chúng tôi đã so sánh có hệ thống các tác động của các túi ngoại tiết (MSC-EVs) từ tế bào gốc trung mô (MSCs) so với MSCs được truyền i.v. vào chuột trong các ngày 1, 3 và 5 (MSC-EVs) hoặc ngày 1 (MSCs) sau khi xảy ra thiếu máu cục bộ não tiêu điểm ở chuột C57BL6. Trong 28 ngày sau khi đột quỵ, các điểm yếu về phối hợp vận động, tổn thương não trên mô học, phản ứng miễn dịch trong máu ngoại vi và não, cùng những thay đổi về tạo mạch và sinh trưởng tâm thần kinh đã được phân tích. Cải thiện suy giảm thần kinh và bảo vệ thần kinh dài hạn kết hợp với tăng cường tạo mạch thần kinh và thần kinh đã được ghi nhận ở các con chuột bị đột quỵ nhận EVs từ hai dòng MSC nguồn gốc tủy xương khác nhau. Việc sử dụng MSC-EV mô phỏng chính xác các phản ứng của MSCs và kéo dài suốt giai đoạn quan sát. Mặc dù sự xâm nhập của tế bào miễn dịch não không bị ảnh hưởng bởi MSC-EVs, sự suy giảm miễn dịch sau thiếu máu cục bộ (tức là B-cell, tế bào giết tự nhiên và lymphopenia tế bào T) đã giảm bớt trong máu ngoại vi ở 6 ngày sau thiếu máu cục bộ, cung cấp môi trường ngoại vi thích hợp cho tái cấu trúc não thành công. Vì các nghiên cứu gần đây cho thấy MSC-EVs an toàn với con người, nghiên cứu này cung cấp bằng chứng lâm sàng quan trọng cần thiết cho các nghiên cứu chứng minh nhanh chóng trong bệnh nhân đột quỵ.
Cấy ghép các tế bào gốc trung mô (MSCs) cung cấp một phương pháp tiếp cận hỗ trợ quan trọng bên cạnh việc làm tan cục máu đông để điều trị đột quỵ thiếu máu cục bộ. Tuy nhiên, MSCs không tích hợp vào các mạng lưới thần kinh cư trú mà hoạt động gián tiếp, gây bảo vệ thần kinh và thúc đẩy tái sinh thần kinh. Mặc dù cơ chế MSCs hoạt động còn chưa rõ ràng, bằng chứng gần đây đã gợi ý rằng các túi ngoại tiết (EVs) có thể chịu trách nhiệm cho các tác dụng gây ra bởi MSCs dưới điều kiện sinh lý và bệnh lý. Nghiên cứu hiện tại đã chứng minh rằng EVs không thua kém MSCs trong mô hình đột quỵ động vật gặm nhấm. EVs gây bảo vệ thần kinh lâu dài, thúc đẩy tái sinh thần kinh và phục hồi chức năng thần kinh, và điều tiết các phản ứng miễn dịch sau đột quỵ ngoại biên. Ngoài ra, vì EVs dung nạp tốt ở người theo báo cáo trước đó, việc sử dụng EVs trong điều kiện lâm sàng có thể mở đường cho một định nghĩa điều trị đột quỵ mới và sáng tạo mà không có các tác dụng phụ dự kiến liên quan đến cấy ghép tế bào gốc.
Bài viết mô tả các đặc tính huyết thanh học của sáu loại vỏ bọc mới của vi khuẩn phế cầu (pneumococcal). Kèm theo là bảng liệt kê đầy đủ của 90 loại phế cầu khuẩn và các phản ứng chéo của chúng.
Mặc dù chưa biết chính xác cơ chế bệnh sinh của bệnh tâm thần phân liệt, nhưng các nghiên cứu di truyền, dấu ấn sinh học và hình ảnh cho thấy sự tham gia của hệ miễn dịch. Trong nghiên cứu này, chúng tôi đã thực hiện một cuộc tổng hợp hệ thống và phân tích meta các nghiên cứu điều tra các yếu tố liên quan đến hệ miễn dịch trong các não bộ sau khi chết của bệnh nhân tâm thần phân liệt và các đối chứng khỏe mạnh. Bốn mươi mốt nghiên cứu đã được đưa vào, báo cáo trên 783 bệnh nhân và 762 đối chứng. Chúng tôi đã chia các nghiên cứu này thành hai nhóm: nhóm điều tra các biến đổi mô học của thành phần tế bào và nhóm đánh giá các tham số phân tử; các phân tích meta được thực hiện trên cả hai loại. Ước lượng gộp của chúng tôi về mức độ tế bào cho thấy sự tăng đáng kể về mật độ microglia (
Dược động học của itraconazole, một tác nhân chống nấm hệ thống phổ rộng hiệu quả qua đường uống, đã được đánh giá trên năm tình nguyện viên nam khỏe mạnh. Mỗi đối tượng được nghiên cứu vào ngày 1 và 15 với các liều lượng như sau: 100 mg một lần mỗi ngày (chế độ A), 200 mg một lần mỗi ngày (chế độ B), và 200 mg hai lần mỗi ngày (chế độ C). Vào mỗi ngày nghiên cứu, itraconazole được sử dụng cùng một bữa ăn chuẩn hóa. Mẫu huyết tương được thu thập trong vòng 72 giờ sau liều, và mẫu nước tiểu trong 24 giờ được lấy. Vào ngày 1 của chế độ C, mẫu huyết tương được thu thập sau liều thứ hai. Mẫu được phân tích định lượng itraconazole bằng phương pháp sắc ký lỏng hiệu suất cao đảo ngược, nhạy bén. Đã quan sát thấy sự thay đổi lớn giữa các đối tượng trong nồng độ itraconazole trong huyết tương so với thời gian nghiên cứu. Hấp thu có vẻ chậm, với nồng độ đỉnh trung bình của itraconazole trong huyết tương vào ngày 1 là 110 ng/ml sau 2,8 giờ (chế độ A), 272 ng/ml sau 3,0 giờ (chế độ B), và 553 ng/ml sau 3,4 giờ (chế độ C). Nồng độ đỉnh trung bình của itraconazole trong huyết tương vào ngày 15 là 412 ng/ml sau 3,0 giờ (chế độ A), 1.070 ng/ml sau 4,4 giờ (chế độ B), và 1.980 ng/ml sau 6,0 giờ (chế độ C). Trạng thái ổn định đã đạt được vào ngày 13. Thời gian bán thải tương ứng vào ngày 1 và 15 là 15 và 34 giờ (chế độ A), 20,7, và 36,5 giờ (chế độ B), và 25 và 41,7 giờ (chế độ C), tương ứng. Diện tích dưới đường cong nồng độ huyết tương so với thời gian (0 đến vô cùng) vào ngày 1 là 1.320 (chế độ A), 4.160 (chế độ B), và 12.600 ng.h/ml (chế độ C). Ngoại trừ một bệnh nhân vào ngày 15 của chế độ C, itraconazole không được phát hiện trong nước tiểu. Tất cả dữ liệu hỗ trợ cho hành vi dược động học phụ thuộc liều của itraconazole.
- 1
- 2
- 3
- 4
- 5
- 6
- 10