In this paper, we develop a novel method for clustering multiple images while adjusting for the effect of available covariates on cluster membership. The key strategy is to represent each image as two-dimensional functional data and formulate a functional latent class mixed model, which fully leverages the structural information of images while effectively addressing their high dimensionality and accounting for covariate effects. We apply the proposed method to color intensity matrices extracted from patient-sourced smartphone fingernail photos to identify distinct subgroups, while adjusting f
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 purpose of this study was to identify clusters of Motor Competence (MC) in school-aged children and to examine their biological, contextual, and behavioural predictors. A total of 880 children aged 6-10 years (53.9% boys) were included. MC was assessed using the Motor Competence Assessment (MCA). Two-Step Cluster Analysis based on MCA total percentiles identified three groups: Higher (range = 55-91, n = 375), Intermediate (range = 35-54, n = 319), and Lower (range = 3-34, n = 86). Predictors of cluster membership were examined through multinomial logistic regression in a subsample of 283 c…
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.
OBJECTIVE: Adenomyosis (AM) is a complex disease with poorly understood pathogenesis and considerable clinical phenotypic heterogeneity. Cluster analysis of coexisting diseases may help identify distinct clinical subtypes of AM and explore the potential association between AM and its coexisting diseases.
METHODS: In this study, data were extracted from a cross-sectional questionnaire. AM patients were clustered by Ward's method according to the coexisting diseases. Cluster of patients with similar coexisting diseases pattern was captured and characterized. Subsequently, the clinical character…
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.
There is a need for genetic analytical methods that integrate multi-individual identity-by-descent (IBD) tools with phenotypic enrichment testing to discover novel shared haplotypes contributing to disease traits. Existing tools are designed to identify IBD sharing and leave interpretation and phenotype association tests to further analyses. Here we present Distant Relatedness for Identification and Variant Evaluation (DRIVE) v3, a python command-line interface tool that identifies networks of participants who share an identical haplotype at a given genomic location. Given phenotypic data, DRI
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.
INTRODUCTION: CDC and state/local health departments analyze HIV sequences to identify molecular clusters representing rapid transmission. Local analyses can be timelier, but are limited to sequences available in the local surveillance system, and thus may miss all or part of clusters spanning multiple jurisdictions. We assessed the added value of national analyses for clusters missed or only partially detected by local analyses.
METHODS: We reviewed national quarterly analyses of HIV sequences (September 2021-June 2023) that identified priority clusters (defined as ≥5 diagnoses in the past 1
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.
Molecular simulations of G-protein-coupled receptors have become an important part of the structural biology toolkit, revealing structure-function mechanisms that are unobservable from experimental structures alone. With the advance of hardware and software, it has become routine to obtain trajectories that are tens of microseconds in duration, opening new opportunities for yet more rigorous and reproducible observations on mechanism. Toward this end, we presented a semi-automated analysis pipeline which operates on featurized simulation data, performs unsupervised clustering, and then identif
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.
In colorectal cancer histopathology, the collaborative perception of microscopic and salient lesions is critical for effective diagnosis and improved patient prognosis. However, existing deep learning methods struggle to simultaneously capture microscopic glandular disorganization and salient tissue lesions. To address this limitation, a colorectal cancer diagnosis network based on dynamic gland-aware and tissue soft-clustering (DGTSNet) is proposed. The method employs dynamic gland-aware convolution to explicitly perceive gland boundaries and dynamically adjust sampling offsets, while incorpo
Аннотация на английскомСтатьяПоиск 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: Topological data analysis (TDA) has exploded as a tool for analyzing and making sense of high dimensional datasets across a variety of fields. Mapper is a tool from TDA that captures low-dimensional structure from high-dimensional data, precisely the approach needed to capture relevant information from high-dimensional neural time series. Electrical potential scalp recording, or electroencephalography (EEG), is routinely used in clinical applications and research studies thanks to its noninvasive nature, relatively inexpensive equipment, and high temporal resolution. But, it is pro
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.
Multi-view subspace clustering has progressed significantly by using deep neural networks to handle nonlinear data representations. A recent advancement, the Multi-view Self-Expressive Subspace Clustering (MSESC) network, achieves markedly higher computational efficiency by substituting the traditional self-expression layer with a deep metric learning approach. Nevertheless, MSESC still suffers from two notable limitations: it fails to adequately capture the high-order geometric structures inherent in multi-view data, and it lacks effective guidance from the underlying clustering distribution.
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.
OBJECTIVE: To evaluate priority target countries and formulate context-specific cooperation modalities for China ' s bilateral international collaboration on human papillomavirus (HPV) vaccines, thereby furnishing an evidence-based reference for optimizing China ' s bilateral vaccine cooperation stra-tegies and contributing to global health equity.
METHODS: Using a previously established index system designed for selecting preferred countries in China ' s international vaccine cooperation, we comprehensively applied a weighted-scoring approach to quantitatively rank 29 Phases 3 and 4 Global A
Аннотация на английскомСтатьяПоиск 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.
Spatial omics technologies have revolutionized the study of tissue architecture and cellular heterogeneity by integrating molecular profiles with spatial localization. In spatially resolved transcriptomics, delineating higher-order anatomical structures is critical for understanding how cellular organization affects function. However, the reliability of current benchmarks of spatially aware clustering (SAC) methods is undermined by their narrow focus on Visium and brain tissue datasets and the incorrect interpretation of manual annotation as ground truth. Here we present SACCELERATOR, a commun
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.
Manual expert gating remains common practice for defining specific cell populations in flow cytometry data, but increasing numbers of measured parameters and high inter-rater variability limit consistency across studies. Cluster-based approaches use the full marker space to define cell populations more consistently, but their outputs cannot be directly implemented on a cell sorter. Here we develop ConvexGating, an artificial intelligence tool to address this gap by automatically learning interpretable gating strategies for sorting in an unbiased, data-driven manner, generating low-contaminatio
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.
Visceral leishmaniasis (VL) remains a serious public health problem in China. To explore the temporal, spatial, and spatiotemporal characteristics of visceral leishmaniasis (VL), the spatial and spatiotemporal clustering distribution and their relationships with the surrounding geographic environmental factors were analyzed. In this study, the average nearest-neighbor distance (ANN), Ripley's K-function and Moran's I statistics were used to evaluate spatial autocorrelation in the VL distribution of the existing case patterns. Getis⁻Ord Gi* was used to identify the hot-spot and cold-spot areas
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.
Visualizing single-cell data supports understanding cellular heterogeneity and dynamics. Uniform manifold approximation and projection (UMAP) and t-distributed stochastic neighbor embedding (t-SNE) reveal clustering structures but often fail to preserve underlying gene-level information. Here we introduce FeatureMAP (feature-preserving manifold approximation and projection), a framework that enhances manifold learning through pairwise tangent space embedding. By integrating UMAP with principal component analysis, FeatureMAP retains clustering structures and feature variation in a low-dimension
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.
Tuberculosis (TB) is the leading infectious cause of death globally, with approximately three million cases remaining undetected, thereby contributing to community transmission. Understanding the spatial distribution of undetected TB in high-burden settings is critical for designing and implementing geographically targeted interventions for early detection and control. This study presents the first estimates of numbers of undetected TB cases in Ethiopia at national and local levels using novel geospatial method. We employed a Bayesian geostatistical modelling framework, incorporating national
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.
Many current statistical and machine learning methods have been used to explore Alzheimer's disease (AD) and its associated patterns that contribute to the disease. However, there has been limited success in understanding the relationship between cognitive tests, biomarker data, and patient AD category progressions. In this work, we perform exploratory data analysis of AD health record data by analyzing various learned lower dimensional manifolds to separate early-stage AD categories further. Specifically, we used Spectral embedding, Multidimensional scaling, Isomap, t-Distributed Stochastic N
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.
OBJECTIVE: The purpose of this study was to explore the spatial distribution and spatial clustering of hand-foot-mouth disease (HFMD) in Gansu, 2012.
METHODS: Spatial autocorrelation and Spatial scanning analysis were used to conduct spatial statistical analyses for the HFMD at the county/district level.
RESULTS: HFMD cases did not show a random distribution but with significant spatial aggregation. When Local Autocorrelation analysis was applied at the county/district level, with nine hot spot areas as Jiayuguan, Yumen, Dunhuang, Jinta, Suzhou, Chengguan, Anning, Xigu and Gaolan, were disco
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.
Essential oils obtained from different populations of Viola etrusca from Italy have been analysed to verify the phenotypic discontinuity observed in a previous study. All of the essential oils contained methyl salicylate as a main constituent. However, multivariate analysis showed differences among some populations, in particular between northern and southern ones. Results suggest that this species could be undergoing a slow schizogenetic differentiation process due to its genetic isolation.
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.
Imaging-based spatial transcriptomic (ST) assays now profile targeted gene panels for hundreds of thousands of cells while preserving tissue context, yet most downstream analyses still need a compact, interpretable subset. We introduce CiCLoDS (Clustering in Critical & Low-Dimensional Subspace), an unsupervised framework adapted for spatial transcriptomics to jointly optimize clustering and feature selection under a strict, user-defined gene budget. The method returns an explicit feature subset aligned with the discovered partitions, accepts spatial side information via sine–cosine positional
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.
In psychology and other fields, data often have a cross-classified structure, whereby observations are nested within multiple types of non-hierarchical clusters (e.g., repeated measures cross-classified by persons and stimuli). This paper discusses ways that, in cross-classified multilevel models, slopes of lower-level predictors can implicitly reflect an ambiguous blend of multiple effects (for instance, a purely observation-level effect as well as a unique between-cluster effect for each type of cluster). The possibility of conflating multiple effects of lower-level predictors is well recogn
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