The division of calibration and validation is one of the essential procedures that affect the prediction result of the calibration model in quantitative analysis of near-infrared (NIR) spectroscopy. The conventional methods are Kennard-Stone (KS) and sample set partitioning based on joint x-y distances (SPXY). These algorithms use Euclidean distance to cover as many representative samples as possible. This paper proposes an Adaptive Hybrid Cuckoo-Tabu Search (AHCTS) algorithm for partitioning samples based on optimization. The algorithm combines the characteristics of cuckoo search (CS) and ta
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.
Tea storage is a critical determinant in determining the quality of tea products. This study systematically investigated the quality alterations of instant green tea during storage and developed an intelligent evaluation method by integrating computer vision, electronic nose, and electronic tongue with machine learning. Quantitative chemical profiling established statistically significant correlations between conventional quality indicators and multi-sensor intelligent features. Machine learning models effectively classified the storage duration of instant green tea, with the electronic tongue
СтатьяОценочное исследованиеПоиск 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.
Contemporary computational microRNA(miRNA)-target prediction tools have been playing a vital role in pursuing putative targets for a solitary miRNA or a group of miRNAs. These tools utilise a set of probabilistic algorithms, machine learning techniques and analyse experimentally validated miRNA targets to identify the potential miRNA-target pairs. Unfortunately, current tools generate a huge number of false-positive predictions. A standardized approach with a single tool or a combination of tools is still lacking. Moreover, sensitivity, specificity and overall efficiency of any single tool are
СтатьяОбзорПоиск 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: Accurate identification of Alzheimer's Disease and Related Dementias (ADRD) in Medicare data is essential for research, policy, and care planning. Existing approaches, including the Centers for Medicare & Medicaid Services (CMS) Chronic Conditions Warehouse (CCW) algorithm, rely primarily on International Classification of Diseases, Tenth Revision (ICD-10) codes and are subject to misclassification and potential bias across populations.
METHODS: We evaluated whether incorporating neuropsychiatric symptom (NPS) ICD-10 codes and medication data improves prediction of algorithm-defin
СтатьяПолный текст не найденПеревод 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.
The causes of endurance running-related injury (RRI) are multifactorial, yet little research has been conducted which utilizes multidisciplinary risk factors for individualized RRI prediction. This paper presents a machine learning (ML)-ready RRI weekly prediction dataset using evidence-based multidisciplinary risk factors. Risk factors in genetic single-nucleotide polymorphisms, history, muscular strength, biomechanics, body composition, nutrition, and training were collected from competitive endurance runners (n = 142), who were prospectively monitored for 12 months for RRIs, accumulating 61
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: Chronic Kidney Disease (CKD) is a prevalent health condition that requires personalized treatment planning at each of its five stages. Machine Learning (ML) and Generative AI have shown promise in predicting CKD progression based on patient data. However, existing prediction models have limitations on generalizability, interpretability, and resource requirements.
OBJECTIVE: This study aims to develop a clinical support system using ML models to classify CKD stages accurately. The research focuses on feature selection strategies and model performance evaluation to enhance predictio
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: Variability exists in sertraline pharmacokinetic parameters in individuals, especially obvious in adolescents. We aimed to establish an individualized dosing model of sertraline for adolescents with depression based on artificial intelligence (AI) techniques.
METHODS: Data were collected from 258 adolescent patients treated at the First Hospital of Hebei Medical University between December 2019 to July 2022. Nine different algorithms were used for modeling to compare the prediction abilities on sertraline daily dose, including XGBoost, LGBM, CatBoost, GBDT, SVM, ANN, TabNet, KNN,
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.
The liver is a vital organ responsible for essential functions, including digestion, metabolism, detoxification, and immunity. Liver disorders, whether due to disease, injury, or congenital conditions, pose serious health risks and require timely diagnosis for effective treatment and improved survival. Advances in machine learning (ML), particularly deep learning, have demonstrated significant potential for disease prediction, offering clinicians more accurate and efficient diagnostic tools. In this study, we propose a novel predictive framework based on a deep neural network (DNN) integrated
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: Ferroptosis, is characterized by lipid peroxidation of fatty acids in the presence of iron ions, which leads to cell apoptosis. This leads to the disruption of metabolic pathways, ultimately resulting in liver dysfunction. Although ferroptosis is linked to nonalcoholic steatohepatitis (NASH), understanding the key ferroptosis-related genes (FRGs) involved in NASH remains incomplete. NASH may be targeted therapeutically by identifying the genes responsible for ferroptosis.
METHODS: To identify ferroptosis-related genes and develop a ferroptosis-related signature (FeRS), 113 machine
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.
The development of computational tools for the systematic prediction of metabolic vulnerabilities of cancer cells constitutes a central question in systems biology. Here, we present gmctool, a freely accessible online tool that allows us to accomplish this task in a simple, efficient and intuitive environment. gmctool exploits the concept of genetic Minimal Cut Sets (gMCSs), a theoretical approach to synthetic lethality based on genome-scale metabolic networks, including a unique database of synthetic lethals computed from Human1, the most recent metabolic reconstruction of human cells. gmctoo
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.
Smilax glabra Roxb. (SGR) is known for its high nutritional and therapeutic value. However, the frequent appearance of counterfeit products causes confusion and inconsistent quality among SGR varieties. Herein, this study collected the proportion of SGR adulteration and used high-performance liquid chromatography (HPLC) to measure the astilbin content of SGR. Then Fourier-transform near-infrared (FT-NIR) technology, combined with multivariate intelligent algorithms, was used to establish partial least squares regression quantitative models for detecting SGR adulteration and measuring astilbin
СтатьяОценочное 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.
New methods and algorithms are being developed for predicting untested phenotypes in schemes commonly used in genomic selection (GS). The prediction of disease resistance in GS has its own peculiarities: a) there is consensus about the additive nature of quantitative adult plant resistance (APR) genes, although epistasis has been found in some populations; b) rust resistance requires effective combinations of major and minor genes; and c) disease resistance is commonly measured based on ordinal scales (e.g., scales from 1-5, 1-9, etc.). Machine learning (ML) is a field of computer science that
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.
Traditional disease risk prediction models predominantly rely on statistical algorithms and often focus on genetic factors or a limited set of lifestyle factors to estimate the risk of disease onset. Recently, more comprehensive approaches have emerged that integrate genetic factors with additional lifestyle factors (e.g., alcohol intake) and physical features (e.g., body mass index, age) to increase predictive accuracy. Since the onset of complex diseases is often accompanied by the occurrence of comorbidities, incorporating medical history records is a critical yet underexplored avenue for i
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.
One of the important applications of real-time crash prediction analysis lies in the field of proactive traffic management, where instantaneous crash risk evaluation and dynamic decision-making are prerequisites. This research proposes an integrated and advanced real-time crash risk prediction framework for Variable Speed Limits (VSL) and Hard Shoulder Running (HSR) implemented freeways considering their operational periods. Statistical methods are utilized to identify the significant crash contributing factors (related to traffic, roadway geometry, and weather conditions) and explain their re
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.
Wu-Zheng-Dao District in China is the world's most famous mining areas. It hosts several world-class deposits, such as Xinming, Datang and Luolong bauxite deposits. Although this area still has significant potential for the discovery of new deposits, mineral prediction has become increasingly diffcult as the number of shallow deposits diminishes. Therefore, it is necessary to explore new and effective metallogenic prediction methods.Weights of evidence and machine-learning algorithms were used for mineral prospecting in this study. This study used a confusion matrix, receiver operating charact
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.
INTRODUCTION: Prognosis after electrical storm (ES) ablation remains severe, especially in patients with recurrent sustained monomorphic ventricular tachycardia (SMVT) or progressive heart failure (HF). However, single-factor-based prediction is suboptimal and may be refined by more complex algorithms. We sought to evaluate if a novel score MSA-VT (M = moderate/severe mitral regurgitation, S = severe HF at admission, A = atrial fibrillation at admission, VT = inducible SMVT after ablation) may improve prediction of death and recurrences compared to single factors and previous scores (PAINESD,
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: Immunotherapy is a promising route towards personalized cancer treatment. A key algorithmic challenge in this process is to decide if a given peptide (neoepitope) binds with the major histocompatibility complex (MHC). This is an active area of research and there are many MHC binding prediction algorithms that can predict the MHC binding affinity for a given peptide to a high degree of accuracy. However, most of the state-of-the-art approaches make use of complicated training and model selection procedures, are restricted to peptides of a certain length and/or rely on heuristics.
R…
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: Risk prediction is fundamental to pulmonary hypertension (PH) guideline-based care, yet pediatric-specific risk prediction models remain limited, relying primarily on single predictors, expert opinion, or application of adult models to children. The authors developed and externally validated a data-driven 1-year risk prediction model for pediatric PH.
METHODS: Pediatric patients with PH (n=345; World Symposium on Pulmonary Hypertension groups 1 and 3) enrolled in the Pediatric Pulmonary Hypertension Network Registry (2014-2020; 50.4% male; median age, 4.9 years [interquartile rang
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: Postmenopausal osteoporosis usually happens 5 ~ 10 years after menopause. Low awareness, low detection rates and high morbidity have prevented the possibility of early or preventive interventions, thus increasing the social and economic burden on families and societies. A reliable prediction model for postmenopausal osteoporosis has the potential to guide the prevention, but regarding the early prediction of postmenopausal osteoporosis without fracture, this field has not been sufficiently studied. Although many scholars have developed several prediction models to estimate the risk
Систематический обзорСтатьяМетаанализПоиск 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: Preeclampsia with severe features is a major contributor to maternal and perinatal morbidity and mortality, particularly in low- and middle-income countries (LMICs). Despite improvements in obstetric care, early identification of women at highest risk remains limited, and existing prediction tools lack contextual specificity for African populations.
OBJECTIVE: This study describes the protocol for the PreSev Study, which aims to develop and validate a machine-learning risk prediction model for preeclampsia with severe features among pregnant women in Lagos, Nigeria.
METHODS: This
СтатьяМногоцентровое исследованиеПоиск 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.
MedElevator
Войти в исследования