Hình 1 .6 Ví dụ về một số phép lọ c
Hình 1.24 Các bài tốn xử lý ngôn ngữ tự nhiên
Khám phá thuốc và độc tính
Một tỷ lệ lớn các loại thuốc ứng không giành được sự chấp thuận của cơ quan quản lý. Những thất bại này là do hiệu quả không đủ (tác dụng đúng mục tiêu), tương tác khơng mong muốn (tác dụng ngồi mục tiêu), hoặc tác dụng độc hại không lường trước được. Nghiên cứu đã khám phá việc sử dụng học sâu để dựđoán các mục tiêu phân tử sinh học, mục tiêu bên ngồi, và tác động độc hại của hóa chất môi trường trong chất dinh dưỡng, sản phẩm gia dụng và thuốc.
AtomNet là một hệ thống học tập sâu để thiết kế thuốc hợp lý dựa trên cấu trúc. AtomNet được sử dụng để dựđoán các phân tử sinh học ứng cử viên mới cho các mục tiêu bệnh tật như vi rút Ebola và bệnh đa xơ cứng.
Vào năm 2017, lần đầu tiên mạng thần kinh đồ thị được sử dụng để dựđốn các thuộc tính khác nhau của các phân tử trong một tập dữ liệu độc học lớn. Vào năm 2019, mạng thần kinh tạo gen được sử dụng để tạo ra các phân tửđã được xác nhận bằng thực nghiệm trên cơ thể chuột.
Hệ thống khuyến nghị
Hệ thống đề xuất đã sử dụng học sâu để trích xuất các tính năng có ý nghĩa cho mơ hình yếu tố tiềm ẩn cho các đề xuất về nhạc và tạp chí dựa trên nội dung. Học sâu nhiều chếđộ xem đã được áp dụng để tìm hiểu sở thích của người dùng từ nhiều miền. Mơ hình sử dụng cách tiếp cận dựa trên nội dung, cộng tác kết hợp và nâng cao các đề xuất trong nhiều nhiệm vụ.
22 Một autoencoder ANN được sử dụng trong tin sinh học, để dựđốn gen ontology chú thích và các mối quan hệ gen chức năng.
Trong tin học y tế, học sâu được sử dụng để dựđoán chất lượng giấc ngủ dựa trên dữ liệu từ thiết bị đeo được và dựđoán các biến chứng sức khỏe từ dữ liệu hồsơ sức khỏe điện tử.
Phân tích hình ảnh y tế
Học sâu đã được chứng minh là tạo ra các kết quả cạnh tranh trong ứng dụng y tế như phân loại tếbào ung thư, phát hiện tổn thương, phân đoạn cơ quan và nâng cao hình ảnh.