Browsing by Author "陳佩瑄"

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    以混合式方法自生醫文獻擷取藥物－藥物交互作用之研究
    (2017) 陳佩瑄; Chen, Pei-Hsuan
    一種疾病往往伴隨著許多不同的症狀，而一種症狀通常使用一種藥物治療，例如:感冒時，會有咳嗽、鼻塞或頭痛等症狀，所以就需要多種藥物來治癒該疾病。在服藥期間，若藥物與藥物之間產生不理想之狀況，像是藥效過強或互相抵抗，導致療效失敗，嚴重甚至導致死亡，就是所謂的藥物－藥物交互作用(Drug-Drug Interaction, DDI)。目前許多的藥物－藥物交互作用仍隱藏在大量的生醫文獻中，等著被研究人員挖掘，若利用自然語言處理(Natural Language Processing, NLP)的擷取和分析等技術，將能大量挖掘隱藏的藥物－藥物交互作用以及減少研究人員的挖掘時間。 論文中所使用的資料來源是由SemEval 2013 Task 9所提供的語料庫，內容包括MedLine的摘要和DrugBank的資料庫，SemEval 2013 Task 9的競賽內容為自生醫文獻中擷取藥物－藥物交互作用(SemEval 2013 Task9：Extraction of Drug-Drug Interactions from Biomedical Texts)，將藥物－藥物交互作用分成五類：Advice(建議)、Effect(影響)、Mechanism(機制)、Int(交互作用)和無交互作用，評估的方式為計算辨識和分類的precision、recall和F1-measure。 本研究利用混合式方法進行辨識和分類，其中混合式方法為機器學習方法和以規則為基方法，由於語料庫內部五個類別的數量呈現不平衡的狀態，因此，運用兩階段的方式先辨識藥物對是否有交互作用存在，辨識所獲得的F1-measure為70.8%，接著再將辨識出有交互作用的藥物對做分類，分類所獲得的F1-measure為62.5%，其中FBK-irst隊伍獲得最好的效能，辨識和分類的F1-measure分別為80.0%和65.1%，參賽隊伍之平均辨識和分類的F1-measure分別為68.1%和51.8%，雖然辨識和分類無法比FBK-irst隊伍所獲得的F1-measure還高，但所獲得的F1-measure高於平均許多。在未來可將機器學習方法和以規則為基方法運用於其他領域的資訊擷取研究上。
  • No Thumbnail Available
    Item
    含十六族 (S, Se, Te) 三鐵羰基化合物與銅 (I) 及含氮、碳烯試劑的團簇物合成與其化性和物性探討
    (2010) 陳佩瑄
    1. E─Fe─Cu─polymer (E = S, Se, Te) 系統 利用 [EFe3(CO)9Cu2(MeCN)2]‡ (E = S, Se, Te) 與 pyrazine (pyz) 或benzopyrazine (benzopyz) 莫耳數比1：1以自組裝方式能成功得到新穎的聚合物 [SFe3(CO)9Cu2(pyz)∙toluene] (1∙toluene) 、 [SeFe3(CO)9Cu2(pyz)] (2) 和[TeFe3(CO)9Cu2(benzopyz)] (3)。利用電子吸收光譜與光學全光譜探討聚合物導電度的性質，並藉由DFT理論計算佐證其半導體的性質，最後利用熱分析質譜儀研究聚合物的熱穩定性。 2. E─Fe─Cu─NHC (E = S, Se, Te) 系統 利用[EFe3(CO)9Cu2(MeCN)2]‡ (E = S, Se, Te)、雙芽咪唑鹽類1,1'-dimethyl-3,3'-(methylene)-bisimidazolium diiodide 和t-BuOK於THF溶液中，形成化合物 [(3-E)Fe3(CO)9Cu2{Me2-methylene-BisIm}] (E = S, 1a; Se, 1b; Te, 1c) 和 [(4-Te)Fe3(CO)9Cu2{Me2-methylene-BisIm}] (1d)。除此之外，此系統還得到化合物 [{trans-EFe3(CO)9}2Cu]3- (E = S, 4; Te, 7) 和 [{cis-EFe3(CO)9}2Cu]3- (E = Se, 5; Te, 6)。將一系列氮異環碳烯化合物進行催化反應、電化學和紫外/可見光光譜的測量，並進一步以理論計算探討與佐證。