Parkinson's Disease (PD) is a progressive neurodegenerative disorder that causes motor and cognitive impairments, affecting approximately 1% of individuals over 60 years of age. Speech impairments are among the earliest and most accessible biomarkers, making voice-based assessment a promising avenue for remote PD monitoring. However, existing speech-based PD prediction methods suffer from feature redundancy that degrades model performance, non-Gaussian data distributions that violate model assumptions, and limited systematic feature grouping strategies. This study introduces an adaptive approa
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
While AlphaFold3 has revolutionized protein structure prediction and supports noncanonical amino acids, its architecture always fails to reliably generate the closed-ring topologies characteristic of cyclic peptides. Existing adaptations, such as imposing distance constraints via an offset matrix, enforce ring geometry but cannot specify the chemical identity of the cyclization bond, leading to a restrictive bias toward amide- or disulfide-linked macrocycles. Here, we present HighFold4, a framework that adapts AlphaFold3 to explicitly incorporate user-defined chemical connectivity between resi
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
INTRODUCTION AND AIMS: Despite advances in AI-based periodontitis screening, quantifiable and interpretable biomarkers from intraoral photographs remain underexplored. Therefore, this study aimed to develop a deep learning pipeline for exposed root area quantification from photographs and to evaluate its predictive value for periodontitis risk within a multimodal framework integrating age.
METHODS: Intraoral photographs of the mandibular anterior sextant and covariate questionnaires were obtained from 269 participants. A fine-tuned YOLOv11 segmentation model quantified tooth and exposed root
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Although machine learning (ML) holds promise for improving clinical identification, its application to kinesiophobia in knee osteoarthritis (KOA) is limited. Therefore, this study aimed to develop and compare logistic regression (LR)-based nomograms with ML models to determine the optimal approach for identifying kinesiophobia status and guiding personalized interventions.
METHODS: A cross-sectional study enrolled 590 KOA patients from a tertiary hospital (June 2024 to July 2025) and randomly divided them into training (n = 413) and test (n = 177) sets in a 7:3 ratio. An interpret
СтатьяСравнительное исследованиеПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
In drug discovery and therapeutic research, the prediction of drug-disease associations (DDAs) holds significant scientific and clinical value. Drug molecules exert their effects by precisely identifying disease-related biological targets, systematically modulating the entire pharmacological process from absorption, distribution, and metabolism to final efficacy. Accurate prediction of drug-disease associations not only facilitates an in-depth understanding of molecular mechanisms of drug action but also provides critical theoretical foundations for drug repositioning and personalized medicine
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND/OBJECTIVES: Prostate cancer (PCa) is the second most commonly diagnosed cancer in men globally. Radiation oncologists often find PCa tumor characterization and outcome prediction challenging. Therefore, the potential for artificial intelligence (AI) implementation in radiation oncology has increased in recent years. This systematic review aims to evaluate the efficacy of AI algorithms in characterizing PCa tumors and predicting post-therapy outcomes.
METHODS: A total of 2055 studies were identified through a comprehensive search across PubMed and Scopus, then exported to Covidence.
Систематический обзорСтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Penalized logistic regression is widely used in biomedical classification to address multicollinearity and improve predictive performance, yet the stability and reproducibility of selected predictors are often overlooked. This study evaluates feature stability and interpretability in ridge, lasso, and elastic-net logistic regression for breast cancer diagnosis using the Wisconsin Diagnostic Breast Cancer dataset. Models were trained with cross-validated tuning and evaluated on an independent test set using discrimination, classification, and calibration metrics. Feature stability was quantifie
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
UNLABELLED: Fetal acidosis (FA) is a prevalent clinical symptom in newborns during the perinatal period, which can lead to higher risks of hypoxic ischemic encephalopathy, seizures, intraventricular hemorrhage and delayed developmental milestones. However, there is no effective tool for the risk assessment and prediction of FA in neonates. Therefore, our objective is to develop a FA prediction model in newborns by using machine-learning algorithms. Parturients and their neonates who delivered at the Fuzhou University Affiliated Provincial Hospital between January 2018 and December 2023 were in
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Tuberculosis is a deadly airborne disease caused by Mycobacterium tuberculosis. Drug-resistant tuberculosis presents significant challenges for treatment and control of the disease. Resistant strains of Mycobacterium tuberculosis arise from specific mutations in the bacterium. Identification and characterization of resistance-associated mutations are crucial for effective treatment strategies because the first- and second-line drugs for the disease target distinct genes in the bacterium and serve different purposes. Our study developed a machine learning prediction model to analyze mutations a
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: In recent decades, the widespread use of polyethylene terephthalate (PET) has led to the proliferation of PET microplastics (PET-MPs) in the environment, posing potential threats to human health, including ulcerative colitis (UC). However, the underlying molecular mechanisms remain unclear.
METHODS: Data sourced from public databases were harnessed to predict the targets of PET-MPs and identify UC-related differentially expressed genes. Functional enrichment analyses were conducted to uncover relevant biological pathways. Three machine learning (ML) algorithms were utilized to scr
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: This study aimed to develop a data-driven prediction model for cardiac surgery-associated acute kidney injury (CSA-AKI) at the end of surgery using machine learning (ML) algorithms.
METHODS: We retrospectively collected clinical data from patients undergoing cardiac surgery at Nanjing First Hospital between June 2016 and January 2023. Feature selection was performed using Lasso regression to identify variables most strongly associated with CSA-AKI. Six ML algorithms-logistic regression (LR), random forest (RF), gradient boosting decision tree (GBDT), eXtreme Gradient Boosting Tree
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Swiftly increasing population and industrial developments of urban areas has accelerated the worsening of the water quality in recent years. Groundwater samples from different locations of the Doon valley, Garhwal Himalaya were analyzed to measure concentrations of six potential toxic elements (PTEs) viz. chromium (Cr), nickel (Ni), arsenic (As), molybdenum (Mo), cadmium (Cd), and lead (Pb) using Inductively Coupled Plasma Mass Spectrometer (ICP-MS) with the aim to study the spatial distribution and associated hazards. In addition, machine learning algorithms have been used for prediction of w
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: In the ICU, patients with acute myocardial infarction and cardiogenic shock (AMI-CS) often face high mortality rates, making timely and precise mortality risk prediction crucial for clinical decision-making. Despite existing models, machine learning algorithms hold the potential for improved predictive accuracy.
METHODS: In this study, a predictive model was developed using the MIMIC-IV database, with external validation performed on the eICU-CRD database. We included ICU patients diagnosed with AMI-CS. Feature selection was conducted using the Boruta algorithm, followed by the co
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Background: Diagnosis and treatment efficacy of major depressive disorder (MDD) currently lack stable and reliable biomarkers. Previous research has suggested a potential association between immune cells, cytokines, and the pathophysiology and treatment of MDD. Objective: This study aims to investigate the relationship between immune cells, cytokines, and the diagnosis of MDD and treatment response, further utilizing machine learning algorithms to develop robust diagnostic and treatment response prediction models. Methods: Using mass cytometry by time-of-flight (CyTOF) technology and high-thro
СтатьяПоддержка исследования: вне правительства СШАПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
OBJECTIVE: The objective of this study was to build a supervised machine learning-based classifier, which can accurately predict the outcomes of antiepileptic drug (AED) treatment of patients with newly diagnosed epilepsy.
METHODS: We collected information from 287 patients with newly diagnosed epilepsy between 2009 and 2017 at the Second Affiliated Hospital of Zhejiang University. Patients were prospectively followed up for at least 3 years. A number of features, including demographic features, medical history, and auxiliary examinations (electroencephalogram [EEG] and magnetic resonance ima
СтатьяПоддержка исследования: вне правительства СШАПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
INTRODUCTION: Machine learning is applied to characterize the risk and predict outcomes in multi-dimensional data. The prediction of radiographic progression in axial spondyloarthritis (axSpA) remains limited. Hence, we tested the feasibility of supervised machine learning algorithms to predict radiographic progression in axSpA.
METHODS: This is a retrospective and hospital-based study. Clinical and laboratory data obtained from two independent axSpA groups were used as training and testing datasets. Radiographic progression over 2 years was assessed using the modified Stoke Ankylosing Spondy
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
PURPOSE: Controlled ovarian stimulation (COS) is vital for IVF. We have developed an AI system to support the implementation of COS protocols in our clinical group.
METHODS: We developed two models as AI algorithms of the AI system. One was the oocyte retrieval decision model, to determine the timing of oocyte retrieval, and the other was the prescription inference model, to provide a prescription similar to that of an expert physician. Data was obtained from IVF treatment records from the In Vitro Fertilization (IVF) management system at the Asada Ladies Clinic, and these models were trained
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Approximately 30% of patients with rheumatoid arthritis (RA) do not respond to tocilizumab (TCZ). This study aimed to predict TCZ response using machine learning models trained on clinical data.
METHODS: Baseline and follow-up data from patients with RA treated with TCZ were collected. Seven different machine learning models (logistic regression, K-nearest neighbor algorithm, random forest, support vector machine, decision tree, gradient boosting, and boosting algorithm) were trained to predict the treatment response of patients with RA across different imaging stages after three
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Timely identification of seizure-related EEG states can support clinical assessment and motivate future monitoring tools. This study investigates a comparative machine-learning framework for EEG-based epileptic seizure state classification using sub-band analysis of the Bonn University EEG dataset. The signals are decomposed into delta, theta, alpha, beta, and gamma bands with bandpass filtering, and a set of lightweight statistical descriptors is extracted from each band. Support Vector Machines, Random Forest, XGBoost, CatBoost, Multi-Layer Perceptron, k-Nearest Neighbours, and Logistic Regr
СтатьяСравнительное исследованиеПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND AND OBJECTIVE: Metastatic hormone-sensitive prostate cancer (mHSPC) exhibits heterogeneous progression patterns, with early progression to metastatic castration-resistant prostate cancer (mCRPC) within 12 months indicating aggressive tumor biology and poor prognosis. Current risk stratification tools (CHAARTED, LATITUDE) offer limited individualized prediction. Machine learning approaches are increasingly applied to predict prostate cancer progression, but most models show modest performance (AUC 0.68-0.72), limited external validation, or require genomic variables unavailable in ro
СтатьяМногоцентровое исследованиеВалидационное исследованиеПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
MedElevator
Войти в исследования