跳到主要内容
检索

Teesside University

2 篇关联报道

订阅更新
  1. bioRxiv

    把代谢网络画成超图:HyperGenie 预测必需基因,PR-AUC 比依赖目标函数的方法高 13%

    细菌必需基因的预测长期依赖通量平衡分析,而该方法默认敲除株仍以最大生长为目标,这一前提并不总成立。HyperGenie 把大肠杆菌代谢网络表示为有向超图,代谢物作节点、反应作超边,直接以野生型通量特征作输入,绕开敲除后的最优性假设。在 iML1515 模型的有氧葡萄糖条件下,其 PR-AUC 比依赖目标函数的 FlowGAT 与随机森林高 13%,并与通量采样的 FCL 在可比的基因子集上持平。

  2. medRxiv

    面向缺失序列的多序列MRI缺血性卒中检测、分割与体积估计

    该工作提出ISDS-MRI统一框架,利用图神经网络与序列特异性特征建模,从多序列MRI中完成缺血性卒中的检测、病灶分割与病灶体积估计,并可在MRI序列组合不完整时工作;在多个公开MRI数据集及新构建的孟加拉国三医院532例扫描数据集BGD-MRIS上评估,取得分割Dice 0.725、检测AUC 0.962、体积估计相对误差8.4%,相较对比方法Dice提升3.2%、检测提升2.6%、体积相对误差降低1.9%。

已读完全部报道