lung patch醫學中文的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

深度學習於生醫影像及多體學數據之應用

為了解決lung patch醫學中文的問題，作者潘日南 這樣論述：

在過去十年間，人工智慧（ＡＩ、機器學習（ＭＬ）、最佳化、預測及影像辨識）研究流程的開發與使用有快速的發展且被廣泛應用於各個研究領域之中。而將人工智慧的研究方法應用到高通量數據的生醫研究中（如影像以及多體學資料）可對該大數據資料有更深層的理解，亦能夠用於改善許多公共衛生的議題。深度學習為機器學習的一個最新的子類別，旨在讓機器學習能更接近人工智慧的底層概念。本研究欲建立高效能且可應用於分類及辨識目標物之深度學習方法，並使用病理切片影像及ＤＮＡ定序資料開發三種不同的深度學習流程。於第一項研究中，一套新穎且基於深度學習的預測流程可使用混雜不同個體的ＤＮＡ定序資料達到偵測及分類各序列來自哪個個體的功能

。為證明此技術同樣可用於其他不同的資料中，該模型的開發流程亦使用了來自不同定序技術所產生的資料集：（1）目標區間定序、（2）全外顯子定序（ＷＥＳ）。在第一個資料集中，利用目標的27個短片段重複序列及94個單核苷酸多型性，製備混雜不同個體的ＤＮＡ樣本，並使用此深度學習流程去區分出每個個體並可達到95-97％準確率。第二個資料集則使用乳癌患者的ＷＥＳ資料進行，且可完全正確地（100％）預測病患之疾病亞型。此外為克服每個序列之間長度的變異，本研究使用一新滑動窗口（sliding window）方法可大幅提升模型效能。總結來說，本研究提出一項能適用於不同次世代定序平台上的完整工作流程，同時包含序列資料

處理及使用深度學習進行預測。爲結合病理切片影像之易取得性和來自乳癌患者的70個基因印記的復發風險分數，第二項研究提出一深度學習模型，僅使用病理切片影像進行乳癌復發率的預測，提供一快速、低成本以及健全之乳癌復發率預測工具，幫助醫師進行治療計畫的評估。本研究使用六個預訓練模型（ＶＧＧ16、ＲesNet50、ResNet101、Inception_ResNet、EfficientB5、Xception）進行遷移式學習，並使用準確率、精確率、召回率、F1 分數、混淆矩陣以及AUC進行模型效能評估。在驗證資料中，Xception有最優異的表現，在patch-wise方法中有0.87％的準確率;且在pat

ient-wise方法中，高風險及低風險類別分別有0.90及1.00之準確率。總結來說，這項研究證明了在病理切片影像未標注特定區域的情況下，建立高效能之人工智慧模型預測癌症復發率之可行性。利用深度學習方法預測乳癌分子亞型可提供一便利之乳癌診斷策略，且可降低進行mRNA表達量分析以及免疫組織化學染色法鑑定亞型的成本。我們期望使用上一項研究中的70個基因印記影像所訓練的模型權重進行兩階段遷移式學習並應用到病理切片影像上，並作為我們的最後一項研究。我們使用來自四個預訓練模型（ＶＧＧ16、ResNet50、ResNet101、Xception）的權重以及TCGA-BRCA的資料集做四種乳癌亞型的預測模

型。此外，使用Imagenet權重的ResNet101被用於與上述模型進行比較。在分類結果上，此兩階段遷移式學習有優異的表現，ResNet101在slide-wise的預測準確率達到0.913。此深度學習模型亦用於與另一常用的乳癌分類工具Genefu進行比較，在比較的結果中，深度學習模型有與Genefu媲美的表現且在特定乳癌亞型中有更優異的預測能力。深度學習技術已在許多研究中使用，並被整合到現今的醫療照護系統之中，以增進疾病的診斷以及預後的判定。美國食品藥物管理局已制定完善的機器學習協議，用於管理深度學習及人工智慧工具的應用，並更進一步成為模型開發、資料集建立和部署到醫院的黃金標準。最後，此類

的人工智慧工具將使整個醫療照護系統更不易受到緊急狀況的影響，否則在現今的體系下較無法得到最好的處置。

利用即時生物影像系統開發新型鈣池調控鈣離子通道抑制劑

為了解決lung patch醫學中文的問題，作者王堉璿 這樣論述：

經由鈣池調控鈣離子通道(SOC)進入細胞(SOCE)的鈣離子 在生理學和病理學中有著重要的作用，例如免疫反應和癌症進程。參與在鈣池調控鈣離子通道激活過程的兩個主要分子，包含位於內質網膜上的鈣離子感測器，STIM1和鈣離子通道的主要亞基 Orai1。目前已有幾種鈣池調控鈣離子通道抑製劑被開發，然而礙於其細胞毒性，用途僅限於基礎研究。因此，開發具臨床應用潛力的鈣池調控鈣離子通道抑製劑更顯其必要性。本研究採用“老藥新用”和“新藥開發”兩種藥物開發策略來探索具潛力的鈣池調控鈣離子通道抑製劑。同時，也結合影像及螢光共振能量轉移（FRET）技術，建立高通量藥物篩選平台。首先，通過鈣離子影像和全細胞膜片

鉗技術從候選藥物中篩選出具有鈣池調控鈣離子通道抑制能力的2種非類固醇抗發炎藥（阿斯匹靈和舒林酸）和2種新化合物（MPT0M004和MPT0M021）。接著利用即時FRET-TIRF影像系統驗證藥物對鈣池調控鈣離子通道的抑制作用；同時以WST-8細胞生長試劑和LDH細胞毒性試劑檢查藥物對細胞存活的影響。此外，利用插入式細胞培養皿運動試驗檢驗藥物對細胞爬行的影響，結果顯示阿斯匹靈和舒林酸可能通過不同的機制抑制鈣池調控鈣離子內流：阿斯匹靈干擾STIM1-Orai1的交互作用，而舒林酸抑制 STIM1的易位。此外，由以上的實驗中也發現MPT0M004和MPT0M021皆具有成為鈣池調控鈣離子通道抑製劑

的潛力，但MPT0M021表現出比MPT0M004高的細胞毒性。接著，本研究建立一個結合FRET的高內涵影像篩選系統平台，並利用已知的配體-受體對 (AMF-AMFR) 及其抑製劑 (E4P) 進行驗證。初步結果顯示此平台具有潛力成為一種新型的高通量藥物篩選系統。在本研究中，2種潛在的非類固醇抗發炎藥（阿斯匹靈和舒林酸）和2種新化合物（MPT0M004和MPT0M021）被證實具有抑制 SOC 活性的能力。此外，由即時生物影像系統結果提出阿斯匹靈和舒林酸對鈣池調控鈣離子通道的不同抑制機制。最後，本研究建構一個利用FRET螢光技術的高內涵影像篩選系統的新高通量藥物篩選平台。更重要的是，在本研究中

發現的具潛力的鈣池調控鈣離子通道抑製劑不僅可作為癌症治療的新策略外，也具有治療與鈣池調控鈣離子通道相關疾病的潛力。