The environmental, ecological, antimicrobial resistance (AMR), and human health risks of antibiotic transformation products (TPs) in aquatic environments-especially high-similarity transformation products (HSTPs) containing active groups of parent antibiotics-remain poorly understood. This study assesses the ecological (EcoR), environmental (EnvR), human health (HuhR), and AMR risks of 141 parent antibiotics, introducing a few-shot cross-modal attention deep learning (CMA-DL, based on molecular graphs (GINConv or GATConv) and fused molecular fingerprints) model to identify multi-category antib
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.
Addiction is a chronic mental disorder caused by disruptions in brain function. While most research has focused on the medial prefrontal cortex, our recent findings highlight the secondary motor cortex (M2) as a key region modulating cocaine-seeking behaviors during relapse. Mechanisms underlying the role of M2 in addiction remain unclear. We hypothesize that initial drug-taking behaviors directly reshape M2 neuronal activity. This study investigated the effects of five 1-hr daily intravenous self-administration (IVSA) sessions on M2 neuronal activity in male C57BL/6J mice using in vivo Ca2+ 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.
Black-box deep learning (DL) models trained for the early detection of Alzheimer's Disease (AD) often lack systematic model interpretation. This work computes the activated brain regions during DL and compares those with classical Machine Learning (ML) explanations. The architectures used for DL were 3D DenseNets, EfficientNets, and Squeeze-and-Excitation (SE) networks. The classical models include Random Forests (RFs), Support Vector Machines (SVMs), eXtreme Gradient Boosting (XGBoost), Light Gradient Boosting (LightGBM), Decision Trees (DTs), and Logistic Regression (LR). For explanations, S
СтатьяПоддержка исследования: вне правительства СШАПоддержка 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.
OBJECTIVE: The development of a reliable predictive model for Multi-drug-resistant Klebsiella pneumoniae (MDR-KP) infections is imperative for the timely identification of at-risk individuals.
METHODS: This study analyzed data from 3,554 patients with KP infection at multiple hospitals. By comparing six machine learning algorithms (Logistic Regression(LR), Efficient Neural Network (ENet), Decision Tree(DT), MultiLayer Perceptron(MLP), Support Vector Machine(SVM), and Extreme Gradient Boosting(XGBoost)), we constructed and validated the prediction model. Furthermore, the model interpretation w
СтатьяМногоцентровое исследованиеВалидационное 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.
OBJECTIVE: To develop a machine learning diagnostic model based on MMP7 and other serological testing indicators for early and efficient diagnosis of biliary atresia (BA).
METHODS: A retrospective analysis was conducted on patient information from those hospitalized for pathological jaundice at Beijing Children's Hospital between January 1, 2019, and December 31, 2023. Patients with serum MMP7, liver stiffness measurements, and other routine serological tests were included in the study. Six machine learning models were constructed, including logistic regression (LR), random forest (RF), decis
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 AND OBJECTIVE: Wheezing is a common symptom of patients caused by asthma and chronic obstructive pulmonary diseases. Wheezing detection identifies wheezing lung sounds and helps physicians in diagnosis, monitoring, and treatment of pulmonary diseases. Different from the traditional way to detect wheezing sounds using digital image process methods, automatic wheezing detection uses computerized tools or algorithms to objectively and accurately assess and evaluate lung sounds. We propose an innovative machine learning-based approach for wheezing detection. The phases of the respirator
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.
As the scale of data grows for machine learning, annotating data accurately is extremely time-consuming and with high economic costs. To alleviate this dilemma, crowdsourcing has been widely used for data collection and annotation. Learning from crowds gradually becomes a popular machine learning paradigm, where learning models are trained with datasets labeled by different crowd workers. Therefore, it inevitably introduces label noise, which seriously degrades the performance of models. Previous research reveals that modeling the process of generating crowdsourced labels is a powerful tool to
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: To design formulas for predicting postoperative vaults in vertical implantable collamer lens (ICL) implantation and to achieve more precise predictions using machine learning models.
DESIGN: Retrospective, observational study.
SETTING: Eye Clinic Tokyo.
METHODS: We retrospectively reviewed the medical records of 720 eyes in 408 patients who underwent vertical ICL implantation. The data included age, sex, refractions, anterior segment biometric data, and surgical records. We designed 3 formulas (named V1 to V3 formulas) using multiple linear regression analysis and tested 4 machine
СтатьяНаблюдательное 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.
BACKGROUND: The risk of gastric cancer after Helicobacter pylori (H. pylori) eradication remains unknown.
AIM: To evaluate the performances of seven different machine learning models in predicting gastric cancer risk after H. pylori eradication.
METHODS: We identified H. pylori-infected patients who had received clarithromycin-based triple therapy between 2003 and 2014 in Hong Kong. Patients were divided into training (n = 64 238) and validation sets (n = 25 330), according to period of eradication therapy. The data were used to construct seven machine learning models to predict risk of gast
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.
Extracellular volume fraction (ECV) by cardiac magnetic resonance (CMR) allows for the non-invasive quantification of diffuse myocardial fibrosis. Texture analysis and machine learning are now gathering attention in the medical field to exploit the ability of diagnostic imaging for various diseases. This study aimed to investigate the predictive value of texture analysis of ECV and machine learning for predicting response to guideline-directed medical therapy (GDMT) for patients with non-ischemic dilated cardiomyopathy (NIDCM). A total of one-hundred and fourteen NIDCM patients [age: 63 ± 12 y
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 identify the risk factors for in-hospital acute kidney injury (AKI) in patients with acute aortic dissection (AAD) and to establish a machine learning model for predicting in-hospital AKI.
METHODS: We extracted data on patients with AAD from the Medical Information Mart for Intensive Care (MIMIC)-IV database and developed seven machine learning models: support vector machine (SVM), gradient boosting machine (GBM), neural network (NNET), eXtreme gradient boosting (XGBoost), K-nearest neighbors (KNN), light gradient boosting machine (LightGBM), and categorical bo
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: This study investigated (1) whether additional cognitive loads impair dual-task walking, especially when crossing obstacles of varying heights, and (2) if extreme gradient boosting (XGBoost) could identify key features of walking while texting.
METHODS: Twenty participants completed the following conditions: baseline walking, Task (walking + Typing: copying sentences, or Texting: answering questions), Obstacle (walking + crossing obstacles of three heights: low, medium, high), and combined (Task + Obstacle). For texting performance, we computed the rate, accuracy, and dual-task co
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.
Total knee arthroplasty (TKA) is a standard procedure for end-stage knee diseases, yet perioperative bleeding and its complications, such as ecchymosis, remain significant challenges. Predicting ecchymosis can guide personalized perioperative blood management, enhancing patient recovery and reducing the socioeconomic burden. In this prospective study (June 2023-March 2024), 416 TKA patients were split into ecchymosis (n = 135) and non-ecchymosis (n = 281) groups. The first seven months' data (312 patients) were used for training, and the next three months' (104 patients) for validation. Featur
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.
Dysphagia is a fatal condition after acute stroke. We established machine learning (ML) models for screening aspiration in patients with acute stroke. This retrospective study enrolled patients with acute stroke admitted to a cerebrovascular specialty hospital between January 2016 and June 2022. A videofluoroscopic swallowing study (VFSS) confirmed aspiration. We evaluated the Gugging Swallowing Screen (GUSS), an early assessment tool for dysphagia, in all patients and compared its predictive value with ML models. Following ML algorithms were applied: regularized logistic regressions (ridge, l
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.
Malaria is a threatening disease that has claimed many lives and has a high prevalence rate annually. Through the past decade, there have been many studies to uncover effective antimalarial compounds to combat this disease. Alongside chemically synthesized chemicals, a number of natural compounds have also been proven to be as effective in their antimalarial properties. Besides experimental approaches to investigate antimalarial activities in natural products, computational methods have been developed with satisfactory outcomes obtained. In this study, we propose a novel molecular encoding sch
СтатьяОбзорПоддержка 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.
Patients with sepsis in the intensive care unit (ICU) are particularly vulnerable to the onset of sepsis-associated delirium (SAD), which is associated with an increased mortality rate. This retrospective cohort study employed machine-learning algorithms to develop a risk-prediction model for 30-day mortality in ICU patients with SAD. Patients with SAD in ICU were extracted from the MIMIC-IV database. Patients were classified into 2 groups: those who survived and those who did not, based on 30-day mortality following ICU admission. The patient data included in this study were subsequently divi
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: Asthma is the most frequent chronic airway illness in preschool children and is difficult to diagnose due to the disease's heterogeneity. This study aimed to investigate different machine learning models and suggested the most effective one to classify two forms of asthma in preschool children (predominantly allergic asthma and non-allergic asthma) using a minimum number of features.
METHODS: After pre-processing, 127 patients (70 with non-allergic asthma and 57 with predominantly allergic asthma) were chosen for final analysis from the Frankfurt dataset, which had asthma-related i
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: Polycystic ovary syndrome (PCOS) is a prevalent endocrine condition in reproductive-aged women, which is associated with adverse maternal and neonatal outcomes in pregnancy. In the present study, pregnancy complications-like gestational diabetes, preterm birth, hypertension, low birth weight and neonatal intensive care unit admission-will be predicted with high accuracy by machine learning-based prediction models.
METHODS AND ANALYSIS: There are three substudies: (1) Developing a researcher-made questionnaire by literature review, data collection from existing medical records in
СтатьяНаблюдательное 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.
INTRODUCTION AND HYPOTHESIS: This study aims to develop a postpartum stress urinary incontinence (PPSUI) risk prediction model based on an updated definition of PPSUI, using machine learning algorithms. The goal is to identify the best model for early clinical screening to improve screening accuracy and optimize clinical management strategies.
METHODS: This prospective study collected data from 1208 postpartum women, with the dataset randomly divided into training and testing sets (8:2). Five machine learning algorithms-logistic regression, decision trees, random forests, support vector machi
СтатьяНаблюдательное исследованиеВалидационное исследованиеПоддержка 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.
The Middle East Respiratory Syndrome coronavirus (MERS-CoV) remains a significant global health concern due to the absence of approved antiviral therapeutics. In this study, we developed a ligand-based machine learning framework to identify potential inhibitors of the MERS-CoV main protease (Mpro) using molecular representations derived from SMILES strings. Multiple classification algorithms, including logistic regression, support vector machines, random forests, and Extreme Gradient Boosting (XGBoost), were systematically evaluated. Model performance was assessed through both internal validat
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