Уважаемые коллеги, доброго времени суток! Представляем вам Current Signal Transduction Therapy - научное издание из ОАЭ. Журнал имеет четвертый квартиль, издается в Bentham Science Publishers B.V., его SJR за 2022 г. равен 0,176, печатный ISSN - 1574-3624, электронный - 2212-389X, предметные области - Фармакология терапевтическая, Эндокринология. Вот так выглядит обложка:
Редактором является Джингхуан Янг, контактные данные - Jingxuan-Yang@ouhsc.edu, cstt@benthamscience.net.
В последние годы произошел прорыв в нашем понимании молекулярных патомеханизмов заболеваний человека, согласно которому большинство наших заболеваний связано с нарушениями внутри- и межклеточных коммуникаций. Концепция терапии с использованием сигнальной трансдукции вышла на передний план современных исследований лекарственных средств и для выявления и лечения нарушений передачи сигналов используется мультидисциплинарный подход. Журнал своевременно публикует углубленные/мини-обзоры, исследовательские статьи и исследования клинических испытаний лекарственных средств в области терапии с использованием сигнальной трансдукции. Также публикуются тематические выпуски, охватывающие отдельные области терапии с использованием сигнальной трансдукции. Сфера охвата включает геномику, протеомику, медицинскую химию и соответствующие заболевания, участвующие в передаче сигналов, например рак, нейродегенеративные и воспалительные заболевания. Современная терапия с использованием сигнальной трансдукции - это важный журнал для всех, кто занимается разработкой и открытием лекарственных средств.
Адрес издания - https://www.eurekaselect.com/journal/43
Пример статьи, название - Analysis of CNN and Feed-Forward ANN Model for the Evaluation of ECG Signal. Заголовок (Abstract)
Background: Heart disease is considered one of the complex diseases that has affected a large number of people around the world. It is important to detect and identify cardiac diseases at early stages.
Objective: A large number of methods are already present that detect various heart diseases; however, there are some limitations to these methods, that have degraded their overall performance.
Methods: In this paper, an effective and efficient method based on a convolutional neural network (CNN) and a feed-forward artificial neural network (FFANN) is proposed that can effectively detect cardiac diseases after analysing the electrocardiogram (ECG) signals. In this ongoing study, the transformed signals are used to extract the information from the processed data. The extracted features are then passed to the proposed CNN-FFANN classifiers for training and testing purposes.
Results: The performance of the proposed CNN-FFANN model is evaluated in the MATLAB software in terms of performance matrices.
Conclusion: The simulated outcomes have proved the proposed CNN-FFANN model to be more accurate and efficient in detecting heart diseases from ECG signals and can be adopted for future biomedical applications.
Keywords: ECG signal, artificial neural network, health monitoring system, biomedical applications, artificial intelligence, cardiac diseases.