Brain-computer interfaces (BCIs) using electroencephalography (EEG) enable non-invasive, real-time interaction for individuals with motor impairments by decoding neural signals associated with movement intention. Although traditional classification-based motor imagery (MI) BCIs translate discrete EEG patterns into predefined commands, such approaches inherently lack the flexibility required for continuous and naturalistic movement control. To overcome these limitations, we propose a novel EEG-based decoding framework that directly predicts continuous 3D upper limb trajectories using a hybrid d
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.
Forecasting how human hands move in egocentric views is critical for applications like augmented reality, human-robot policy transfer, and service/assistive technologies. Recently, several hand trajectory prediction (HTP) methods have been developed to generate future possible hand waypoints, which still suffer from insufficient prediction targets, inherent modality gaps, entangled hand-head motion, and limited validation in downstream tasks. To address these limitations, we present Uni-Hand, a universal hand motion forecasting framework considering multi-modal input, multi-dimensional and mul
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: Early prediction of gestational diabetes mellitus (GDM) enables timely interventions but remains challenging, particularly in women living without obesity who are often overlooked by standard screening methods. This exploratory analysis identifies early pregnancy biomarkers that show associations with GDM up to 8-12 weeks earlier than the established diagnostic timeframe.
METHODS: A retrospective nested case-control study was conducted at Tianjin Central Hospital of Gynecology Obstetrics. After applying the predefined inclusion and exclusion criteria and removing cases with missin
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.
Supervised machine learning (ML) offers an exciting suite of algorithms that could benefit research in sport science. In principle, supervised ML approaches were designed for pure prediction, as opposed to explanation, leading to a rise in powerful, but opaque, algorithms. Recently, two subdomains of ML-explainable ML, which allows us to "peek into the black box," and interpretable ML, which encourages using algorithms that are inherently interpretable-have grown in popularity. The increased transparency of these powerful ML algorithms may provide considerable support for the hypothetico-deduc
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: Deep learning (DL) algorithms for digital breast tomosynthesis (DBT) have proliferated, demonstrating emerging potential in enhancing lesion detection and classification.
OBJECTIVE: This study aimed to compare the diagnostic performance of DL algorithms for DBT with that of radiologists of varying experience and assess the clinical impact of DL assistance.
METHODS: A systematic search of PubMed, Embase, Web of Science, and the Cochrane Library was conducted up to November 8, 2025. Included studies compared the performance of stand-alone DL algorithms for DBT, radiologist interpre
СтатьяСистематический обзорМетаанализПоиск 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.
Objective
With advancements in AI, automated sleep scoring offers the potential for fast, precise, and cost-effective analysis. This study aimed to evaluate the accuracy, robustness, and clinical agreement of four algorithms compared to manual PSG in athletes to determine their suitability for real-life use.
Approach
Data from 75 athletes (204 polysomnography recordings) were retrospectively collected from studies conducted in our laboratory. Manual scoring was compared to four automated sleep staging algorithms: Luna, U-Sleep, YASA, and GSSC. Performance was evaluated based on acc
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.
The increasing application of virtual surgical planning (VSP) in orthognathic surgery implies a critical need for accurate prediction of facial and skeletal shapes. The craniofacial relationship in patients with dentofacial deformities is still not understood, and transformations between facial and skeletal shapes remain a challenging task due to intricate anatomical structures and nonlinear relationships between the facial soft tissue and bones. In this study, a novel bidirectional 3-dimensional (3D) deep learning framework, named P2P-ConvGC, was developed and validated based on a large-scale
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.
BACKGROUND: Advanced decision support systems for type 1 diabetes (T1D) management often embed prediction modules, which allow T1D people to take preventive actions to avoid critical episodes like hypoglycemia. Real-time prediction of blood glucose (BG) concentration relies on a subject-specific model of glucose-insulin dynamics. Model parameter identification is usually based on the mean square error (MSE) cost function, and the model is usually used to predict BG at a single prediction horizon (PH). Finally, a hypo-alarm is raised if the predicted BG crosses a threshold. This work aims to sh
СтатьяПоддержка исследования: вне правительства СШАПоиск 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: Accelerometers are widely adopted in research and consumer devices as a tool to measure physical activity. However, existing algorithms used to estimate activity intensity are wear-site-specific. Non-compliance to wear instructions may lead to misspecifications. In this study, we developed deep neural network models to classify device placement and activity intensity based on raw acceleration data. Performances of these models were evaluated by making comparisons to the ground truth and results derived from existing count-based algorithms.
METHODS: 54 participants (26 adults 26.9±
СтатьяПоддержка исследования: вне правительства СШАПоиск 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.
To investigate the value of ventricular tachycardia (VT) score in diagnosing pre-excited tachycardia. Methods: Twelve-lead electrocardiograph results were obtained from 30 patients at pre-excited tachycardia attacking stage who were diagnosed by electrophysiology. We scored pre-excitation tachycardia based on the VT score. To analyze the electrocardiogram of pre-excited tachycardia using 7 diagnostic indicators of the VT score and calculate the specificity of 7 diagnostic indicators and right superior axis (-90º to ±180º), the differences were compared among VT score of 2 points and brugada,
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.
OBJECTIVES: To develop and validate an explainable artificial intelligence (XAI)-based machine learning (ML) model for predicting infections requiring hospitalization in patients with systemic lupus erythematosus (SLE).
METHODS: Outpatient data at Taichung Veterans General Hospital (2012-2023) were analysed retrospectively. Infections were identified using ICD-9 and ICD-10 codes. Clinical variables, including demographic information, laboratory results and medication history were used to train ML algorithms. Lasso regression was used for feature selection and narrowing the model to key predic
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: Allostatic load is a well-recognized indicator of cumulative physiological stress during pregnancy, with scores derived from biomarker algorithms that hold promise for identifying women at risk of preterm birth. However, there is currently no consensus on the most accurate and reliable method for aggregating these biomarkers into a composite allostatic load score, and the comparative predictive performance of various scoring approaches-along with the influence of assessment timing-remains insufficiently explored.
OBJECTIVES: To compare multiple allostatic load scoring algorithms'
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.
OBJECTIVE: For the patients who are suffering from type 2 diabetes, blood glucose level could be affected by multiple factors. An accurate estimation of the trajectory of blood glucose is crucial in clinical decision making. Frequent glucose measurement serves as a good source of data to train machine learning models for prediction purposes. This study aimed at using machine learning methods to predict blood glucose for type 2 diabetic patients. We investigated various parameters influencing blood glucose, as well as determined the most effective machine learning algorithm in predicting blood
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.
Colon cancer represents a significant global health burden, accounting for a substantial portion of cancer-related morbidity and mortality worldwide. Many studies have been conducted to predict survival outcomes; however, most of these analyses have been performed predominantly via basic statistical methods. The aim of this study was to perform machine learning techniques to build models for survival prediction in patients with colon cancer. A retrospective review of 764 colon cancer patients treated over a 10-year period facilitated the construction of a detailed dataset containing 44 predict
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.
OBJECTIVES: Predicting mortality is vital for tailoring treatments, improving care and reducing costs. Machine learning (ML) has shown strong potential, often outperforming traditional severity-of-illness scoring systems in intensive care units (ICUs). However, the black-box nature of ML limits adoption. This study evaluates the accuracy of several ML algorithms on the Medical Information Mart for Intensive Care III (MIMIC-III) dataset and applies explainable artificial intelligence to identify variables influencing ICU mortality.
METHODS: A retrospective cohort of 600 MIMIC-III patient recor
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: Postoperative delirium (POD) is a common occurrence following orthopedic surgery, particularly in the older population. However, there is a relative scarcity of research on the use of intelligent algorithms to predict POD in older patients after orthopedic surgery. Therefore, the objective of this study was to evaluate the efficacy of ten distinct intelligent algorithms in predicting POD in older patients undergoing femoral neck fracture surgery. METHODS: This study selected ten advanced artificial intelligence algorithms to predict the occurrence of postoperative delirium by analy
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.
Linear-response time-dependent density functional theory (TDDFT) is the workhorse of spectral prediction, yet it can struggle to predict or even describe important low-lying excitation energies. An alternative is to use static formalisms to target excited-state energies directly from variational density functional theory (DFT). This may involve using custom excited-state functionals or feeding excited-state orbitals and densities into standard ground-state approximations, and can often be effective, even for describing states for which adiabatic TDDFT fails. However, this comes at the cost of
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.
INTRODUCTION: The older adult are at high risk of sarcopenia, making early identification and scientific intervention crucial for healthy aging.
METHODS: This study utilized data from the China Health and Retirement Longitudinal Study (CHARLS), including a cohort of 2,717 middle-aged and older adult participants. Ten machine learning algorithms, such as CatBoost, XGBoost, and NGBoost, were used to construct predictive models.
RESULTS: Among these algorithms, the XGBoost model performed the best, with an ROC-AUC of 0.7, and was selected as the final predictive model for sarcopenia risk. SHAP
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.
In this review, we focus on the use of contemporary linear and non-linear data analytics as well as machine learning/artificial intelligence algorithms to inform treatment of pediatric patients. We specifically focus on methods used to quantify changes in breathing that can lead to increased risk for apnea of prematurity, retinopathy of prematurity (ROP), necrotizing enterocolitis (NEC) and provide a list of potentially useful algorithms that comprise a suite of software tools to enhance prediction of outcome. Next, we provide a brief overview of machine learning/artificial intelligence method
СтатьяОбзорПоддержка NIH: внешняя программаПоиск 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.
The electroencephalogram (EEG) is the most promising and efficient technique to study epilepsy and record all the electrical activity going in our brain. Automated screening of epilepsy through data-driven algorithms reduces the manual workload of doctors to diagnose epilepsy. New algorithms are biased either towards signal processing or deep learning, which holds subjective advantages and disadvantages. The proposed pipeline is an end-to-end automated seizure prediction framework with a Fourier transform feature extraction and deep learning-based transformer model, a blend of signal processin
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.
MedElevator
Войти в исследования