OBJECTIVE: Obstructive sleep apnea (OSA) causes a pause in airflow with reduced breathing effort. In contrast, central sleep apnea (CSA) event is not accompanied with breathing effort. The aim of this study is to differentiate CSA and OSA events using wavelet packet analysis and support vector machines of ECG signals over 5 s period.
METHODS: Eight level wavelet packet analysis was performed on each 5 s clip using Daubechies (DB3) mother wavelet and for comparison discrete wavelet analysis was performed using Symlet (SYM3) wavelets. The choice of wavelet basis function was based on a grid sea…
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: Early differentiation of pediatric acute respiratory infections in outpatient and emergency settings is often hindered by nonspec … Forest (RF), Extreme Gradient Boosting (XGBoost), Lightweight Gradient Boosting Machine (LightGBM), Support Vector Machine (SVM), and Artificial Neural Network (ANN). In the internal validation set, the SVM model demonstrated favorable predictive performance, with an area under the curve (AUC) of 0.921 (95% confidence interval: 0.874-0.959). Based on Platt-scaled probab …
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.
PURPOSE: Hip fractures are often associated with deep vein thrombosis (DVT). This study aimed to develop machine learning models to predict … ssion for feature selection, three models-logistic regression, light-gradient boosting machine, and support vector machine (SVM)-were developed. Performance was assessed using the area under the receiver operating characteristic curve (AUC), sensitivity, Brier score, calibration curves, and decision curve analysis (DCA). SHapley additive explanations (SHAP) were used fo …
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: Disuse muscle atrophy (DMA) leads to muscle loss and impaired motor function, while metabolic syndrome (MetS) increases the risk … ML algorithms-Logistic Regression (LR), Decision Tree (DT), Random Forest (RF), XGBoost, LightGBM, Support Vector Machine (SVM), and Artificial Neural Network (ANN)-were used to construct diagnostic models. Model performance was evaluated using receiver operating characteristic curves, calibration plots, and decision curve analysis. The SHapley Additive exPlanations (S …
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: Accurate differentiation between non-small cell lung cancer (NSCLC) and small cell lung cancer (SCLC) is crucial for optimising … Next, the selected top features were used to train and evaluate four machine learning classifiers: Support Vector Machine (SVM), Gradient Boosting, Logistic Regression, and Decision Tree. The dataset included pathological images from 240 histologically confirmed lung cancer cases, divided randomly into training and validation sets (80% train, 20% test). Then, model per …
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 AND PURPOSE: Identifying patients with MS at higher risk of clinical progression is essential to inform clinical management. We a … o the automated anatomic labeling atlas. Three ML algorithms (Extra Trees, Logistic Regression, and Support Vector Machine) were used to build models predicting long-term CDP and CI based on MRI-derived features. Feature selection was performed on the training set with a multistep process, and models were validated with a holdout approach, randomly splitting the patient …
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: Currently, there is a paucity of literature addressing personalized risk stratification using multimodal data in patients with s … m the multimodal dataset. A total of 5 ML model-decision trees, K-nearest neighbors, random forest, support vector machine, and extreme gradient boosting were used to construct a visualization and explainable predictive framework to elucidate model decision-making processes.
RESULTS: The primary features identified included age, N-terminal pro-brain natriuretic peptide …
СтатьяМногоцентровое исследованиеПолный 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: Postoperative delirium (POD) is a common and serious postoperative complication. Early identification of high-risk patients could facilitate targeted interventions.
OBJECTIVE: To develop and validate a machine learning-based prediction model for POD using a multicenter retrospective cohort.
METHODS: We analyzed data from 3000 surgical patients, divided into training (n=1400), internal testing (n=600), and external validation (n=1000) cohorts. Eight machine learning algorithms, including Random Forest (RF), XGBoost (XGB), LightGBM (LGBM), Support Vector Machine (SVM), K-Nearest Ne…
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.
This study aimed to develop an explainable machine learning framework integrating dual-modality ultrasonography and thyroid function paramet … redictive models were developed using 8 machine learning algorithms (including Logistic Regression, Support Vector Machine, Gradient Boosting Machine, eXtreme Gradient Boosting, K-Nearest Neighbors, Adaptive Boosting, Neural Network, and Categorical Boosting [CatBoost]) and rigorously validated through receiver operating characteristic analysis. Multivariate analysis sh …
СтатьяВалидационное 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.
To develop and validate a machine learning prediction model for 28-day all-cause mortality in patients with alcoholic cirrhosis using data from the MIMIC-IV database. The data of 2134 patients diagnosed with alcoholic cirrhosis (AC) were obtained from Medical Information Mart for Intensive Care IV database. Machine learning algorithms, including decision trees, random forests, extreme gradient boosting, Logistic Regression and support vector machines were employed to develop the prediction model. The model was trained on 70% of the data and validated on the remaining 30% randomly. Performance …
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.
Coronary heart disease is one of the leading causes of global death. Early detection and accurate risk assessment are critical for improving … ssion, Naive Bayes, random forest, extreme gradient boost, K-nearest neighbors, decision trees, and support vector machines. These models were assessed using different evaluation metrics, such as the confusion matrix, accuracy, precision, recall, and F1-score. The models with the highest accuracy were integrated into the proposed ensemble-learning model. The synthetic m …
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: Transcatheter mitral valve repair (TMVR) utilization has increased significantly in the United States over the last years. Yet, a risk-prediction tool for adverse events has not been developed. We aimed to generate a machine-learning-based algorithm to predict in-hospital mortality after TMVR.
METHODS: Patients who underwent TMVR from 2012 through 2015 were identified using the National Inpatient Sample database. The study population was randomly divided into a training set (n = 636) and a testing set (n = 213). Prediction models for in-hospital mortality were obtained using five
СтатьяПоддержка NIH: внешняя программаПоиск 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: Acute kidney injury (AKI) is a common severe complication in intensive care unit (ICU). However, an early risk assessment model … orporated into five machine learning models (Logistic Regression, Random Forest, XGBoost, LightGBM, Support Vector Machine) for training and construction. Model performance was evaluated using the area under the receiver operating characteristic curve (AUC), and the SHAP framework was applied for interpretability analysis of the optimal model.
RESULTS: On the validatio …
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: Sepsis is a major global health challenge characterized by a complex pathogenesis involving an early hyperinflammatory phase fol … nes. Key genes were selected via machine learning (Least Absolute Shrinkage and Selection Operator, Support Vector Machine, Boruta) to construct a diagnostic model, validated by Receiver Operating Characteristic, nomogram, and Decision Curve Analysis. Immune infiltration, functional enrichment, subtype analysis, and a ceRNA network were further explored.
RESULTS: This …
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.
Obsessive-compulsive disorder (OCD) exhibits substantial clinical heterogeneity that may reflect underlying neurobiological diversity. Neuro … xhibited widespread connectivity disruption, greater symptom severity, and poor treatment response. Support vector machine classification achieved 81.5% accuracy for subtype assignment, though classification of OCD versus healthy controls showed limited generalizability in multisite settings (AUC 0.567-0.673). These findings support a neuroimaging-based framework for pe …
СтатьяМетаанализСистематический обзорПоиск 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.
Minimally processed leafy greens are a recurrent vehicle for E. coli O157:H7 outbreaks, and chlorine washing remains the primary in-plant hurdle to limit cross-contamination. Yet, the effectiveness of chlorine depends on interacting factors that challenge conventional kinetic models. This study generated a laboratory data set describing E. coli O157:H7 reductions on fresh-cut iceberg lettuce across free-chlorine concentrations of 0-150 mg L-1 and immersion times of 0-150 s at 4.5 °C. A traditional inactivation model was fitted in MATLAB and compared with three machine-learning (ML) algorithms-
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: Focal cortical dysplasia (FCD) type II is a significant contributor to drug-resistant epilepsy. The accurate identification of le … ensity-based metrics. Three classification algorithms-artificial neural network, decision tree, and support vector machine-were evaluated for their effectiveness in lesion detection and localization.
RESULTS: The artificial neural network classifier, part of the ODF, exhibited superior performance with an overall accuracy of 98.6%, attaining sensitivity of 97.5% and sp …
СтатьяПоддержка 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.
PURPOSE: Obstructive sleep apnoea (OSA) is a prevalent sleep disorder characterized by pharyngeal airway collapse during sleep, leading to i … supervised ML models (logistic regression, decision tree, random forest, extreme gradient boosting, support vector machine) were employed, optimized through grid search and cross-validation.
RESULTS: ML models exhibited varied performance across OSA severity levels. SVM demonstrated the highest accuracy for mild OSA, XGBoost for moderate OSA, and random forest for seve …
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.
Most patients with idiopathic REM sleep behavior disorder (iRBD) present peculiar repetitive leg jerks during sleep in their clinical spectr … deo-polysomnography to confirm the clinical diagnosis. ML models based on Logistic Regression (LR), Support Vector Machine (SVM), Random Forest (RF), and eXtreme Gradient Boosting (XGBoost) were trained on HRV data, and classification performances were assessed using Leave-One-Out cross-validation. No significant clinical differences emerged between the two groups. The …
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.
Precise spatiotemporal regulation of splicing is mediated by splicing cis-elements on pre-mRNA. Single-nucleotide variations (SNVs) affectin … n models to predict the percent-splice-in (PSI) scores for normal human tissues. Next, we generated support vector machine (SVM) models using 110 parameters to directly differentiate pathogenic SNVs in the Human Gene Mutation Database and normal SNVs in the dbSNP database, and we obtained models with a sensitivity of 0.800±0.041 (mean and s.d.) and a specificity of 0.84 …
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.
MedElevator
Войти в исследования