Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > q-bio > arXiv:2108.02354

帮助 | 高级搜索

定量生物学 > 生物大分子

arXiv:2108.02354 (q-bio)
[提交于 2021年8月5日 ]

标题: 人工智能与诊断和治疗放射性药物发展的未来:计算机智能分子设计

标题: Artificial intelligence and the future of diagnostic and therapeutic radiopharmaceutical development: in Silico smart molecular design

Authors:Bahar Ataeinia, Pedram Heidari
摘要: 新型诊断和治疗放射性药物正越来越多地成为个性化医疗的核心部分。新放射性药物开发的持续创新对于精准医学的持续增长和发展至关重要。人工智能(AI)已被用于医学的多个领域,以开发和验证更好的患者诊断和治疗方法,包括在放射性药物设计方面。在本综述中,我们首先讨论常见的计算机模拟方法,并重点关注它们在放射性药物开发中的实用性和挑战。接下来,我们讨论计算机模拟建模在各种疾病中放射性药物设计的实际应用。
摘要: Novel diagnostic and therapeutic radiopharmaceuticals are increasingly becoming a central part of personalized medicine. Continued innovation in the development of new radiopharmaceuticals is key to sustained growth and advancement of precision medicine. Artificial intelligence (AI) has been used in multiple fields of medicine to develop and validate better tools for patient diagnosis and therapy, including in radiopharmaceutical design. In this review, we first discuss common in silico approaches and focus on their utility and challenges in radiopharmaceutical development. Next, we discuss the practical applications of in silico modeling in design of radiopharmaceuticals in various diseases.
主题: 生物大分子 (q-bio.BM) ; 组织与器官 (q-bio.TO)
引用方式: arXiv:2108.02354 [q-bio.BM]
  (或者 arXiv:2108.02354v1 [q-bio.BM] 对于此版本)
  https://doi.org/10.48550/arXiv.2108.02354
通过 DataCite 发表的 arXiv DOI
相关 DOI: https://doi.org/10.1016/j.cpet.2021.06.008
链接到相关资源的 DOI

提交历史

来自: Pedram Heidari [查看电子邮件]
[v1] 星期四, 2021 年 8 月 5 日 03:51:24 UTC (2,300 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • 其他格式
查看许可
当前浏览上下文:
q-bio.BM
< 上一篇   |   下一篇 >
新的 | 最近的 | 2021-08
切换浏览方式为:
q-bio
q-bio.TO

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号