Soil salinization poses a serious threat to global soil health and agricultural productivity, especially in arid and semi-arid regions, making the accurate assessment of its extent and severity crucial. This study employs hyperspectral remote sensing data to estimate soil salinity content (SSC) in the Weigan-Kuqa River Oasis in Xinjiang, China. To address hyperspectral dimensionality and noise challenges, multiple spectral transformation methods are systematically introduced and compared, including mathematical transformations, continuous wavelet transformation (CWT), discrete wavelet transfor
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.During emergency transport, clinical assessment and vital signs (VS) may lack the sensitivity to identify traumatic brain injury (TBI) and identify specific TBI subtypes which may have implications for triaging and timely delivery of life-saving interventions.Objective.To evaluate the ability of machine learning (ML) algorithms to identify the presence of TBI with or without specific important concomitant clinical phenotypes including shock, coagulopathy and polytrauma during air transport to a trauma center.Methods.We identified a cohort of consecutive trauma patients aged 18-65 tr
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: Unfractionated heparin (UFH) is a widely used therapy in intensive care units (ICUs) and is associated with an increased risk of serious adverse events or death if the therapeutic target is not reached quickly. Adjusting UFH dosage is challenging, and no reliable algorithms exist for predicting anti-Xa levels in ICUs. This study aimed to develop and evaluate machine learning algorithms to predict anti-Xa levels during UFH therapy, helping clinicians optimize dosing.
METHODS: This single-center retrospective cohort study was conducted using Rennes University Hospital's clinical data
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 explore the value of combined radiomics and deep learning models using different machine learning algorithms based on mammography (MG) and magnetic resonance imaging (MRI) for predicting axillary lymph node metastasis (ALNM) in breast cancer (BC). The objective is to provide guidance for developing scientifically individualized treatment plans, assessing prognosis, and planning preoperative interventions.
METHODS: A retrospective analysis was conducted on clinical and imaging data from 270 patients with BC confirmed by surgical pathology at the Third Hospital of Shanxi Medical U
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: The aim of this study was to evaluate the efficacy of a deep learning system in pterygium grading and recurrence prediction.
METHODS: This was a single center, retrospective study. Slit-lamp photographs, from patients with or without pterygium, were collected to develop an algorithm. Demographic data, including age, gender, laterality, grading, and pterygium area, recurrence, and surgical methods were recorded. Complex ocular surface diseases and pseudopterygium were excluded. Performance of the algorithm was evaluated by sensitivity, specificity, F1 score, accuracy, and area unde
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: Papillary thyroid carcinoma (PTC) originating from the isthmus exhibits a marked tendency for contralateral central lymph nodes (Cont-CLNs) metastasis. To accurately assess this risk, this study aims to establish and validate an individualized predictive model for contralateral central zone lymph node metastasis in PTC with isthmus proximity using machine learning algorithms.
METHODS: This retrospective study analyzed 1,672 patients with PTC. Based on tumor location, patients were categorized into a group with PTC with isthmus proximity and a non-isthmic group to compare the incid
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.
Accurate timing prediction of surgery is essential for efficient operating room scheduling and ensuring patient care. This study proposes a two-layered Accurate Surgical Time Prediction (ASTP) framework. The first layer combines feature importance and advanced machine learning models to estimate surgical time. After preprocessing, two complementary interpretable AI methods were used: Long Short Term Memory with SHapley Additive exPlanations (SHAP) values and Random Forest permutation importance, to determine the importance of features. In the second layer, subsets of features (TOP-K) were prog
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.
BACKGROUND: Early prediction of depressive and anxiety disorders is challenging due to substantial heterogeneity in risk pathways. Conventional machine-learning models trained on aggregated populations may obscure subgroup-specific mechanisms and limit interpretability for prevention. We evaluated whether a hybrid unsupervised-supervised framework can identify meaningful subgroups and yield more interpretable risk prediction.
METHODS: We analyzed cohort data of 15,897 Japanese adults who completed baseline (August-September 2020) and 6-month follow-up (February-March 2021) surveys and did not
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.
Quinoa (Chenopodium quinoa Willd.) is gaining global importance for its nutritional value and adaptability; however, breeding progress remains limited. Genomic selection (GS), combined with rapid generation cycles, offers a strategy to accelerate genetic improvement. We conducted whole-genome resequencing of 610 accessions and present the first evaluation of genomic prediction in quinoa evaluated across six field trials in Australia and Pakistan for seven phenological and yield-related traits. Using ∼1.8 million single-nucleotide polymorphisms, we compared four models-genomic best linear unbia
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: Postoperative delirium (POD) is a common and serious complication in older surgical patients, associated with increased morbidity, prolonged hospitalisation and increased healthcare costs. Existing predictive models have limited clinical adoption due to implementation costs, suboptimal accuracy and poor generalisability.
OBJECTIVES: To develop an open-access, interpretable machine learning (ML) model using only preoperative data to predict the risk of POD in patients aged at least 60 years undergoing surgery.
DESIGN: Observational diagnostic study using prospectively collected ro
СтатьяНаблюдательное исследованиеВалидационное 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: Current fetal echocardiographic metrics are inadequate for confident prediction of neonatal critical coarctation of the aorta due to low specificity. Random forest algorithms, a subset of machine learning, have not been applied to fetal echocardiography. We aimed to determine whether a random forest classifier improved the accuracy of critical coarctation prediction compared to previously published risk metrics.
METHODS: Patients with prenatal concern for coarctation at a single center were included. Eight fetal echocardiogram measurements were used to train a random forest classi
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 the methodological feasibility of a heterogeneous multi-output Gaussian process model for jointly handling a continuous birth outcome and its clinically used binary representation in routinely collected perinatal data, and to compare its predictive performance with that of conventional single-output models.
METHODS: Routinely collected live-birth certificate data from Medellín, Colombia, covering births from 2012 to 2021, were analyzed. After cleaning and class balancing, the analytic dataset included 32,110 records. A heterogeneous multi-output Gaussian process model w
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.
Treatment outcome prediction plays an important role in realizing personalized cancer therapy. In triple-negative breast cancer (TNBC), neoadjuvant chemotherapy (NAC) is widely used to downstage tumors and improve surgical outcomes. In head and neck cancer (HNC), early prediction of lesion progression can assist treatment planning. However, inter-patient heterogeneity in treatment response and tumor behavior limits the effectiveness of generalized treatment strategies. To address this issue, we developed an evidential reasoning rule-enabled deep neural network (ER2-DNN) for reliable outcome pr
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.
Hospital-acquired infections (HAIs) remain a major global concern, contributing significantly to increased morbidity, mortality, and healthcare costs. Among the causative pathogens, Escherichia coli (E. coli) is one of the most frequently isolated microorganisms, particularly in urinary tract infections (UTIs), bloodstream infections, and surgical site infections. Early and accurate prediction of E. coli infection in hospitalized patients remains a significant clinical challenge, yet it has the potential to substantially improve patient outcomes. In addition, identifying patient-related risk f
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.
The aim of this study was to investigate, validate and apply Machine Learning (ML) algorithms to predict functional disability in elderly individuals using data from ELSI-Brazil. Furthermore, it sought to map the performance of the models and identify key multidimensional variables-encompassing sociodemographic and economic aspects, health status, behaviors, mental health and access to services-that could serve as early risk indicators and, based on the selected model, understand which characteristics favor or disfavor the screening of functional disability. Data from ELSI-Brazil (2015-2016) w
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: Mammography is the most widely accepted and utilized screening modality for early breast cancer detection. Providing high quality mammography education to radiology trainees is essential, since excellent interpretation skills are needed to ensure the highest benefit of screening mammography for patients. The authors have previously proposed a computer-aided education system based on trainee models. Those models relate human-assessed image characteristics to trainee error. In this study, the authors propose to build trainee models that utilize features automatically extracted from imag
Оценочное исследованиеСтатьяПоиск 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.
CONTEXT: The 329,000 hip fractures that annually occur in the United States are associated with high morbidity, mortality, and cost. Identification of those at high risk is a step toward prevention.
OBJECTIVE: To develop an algorithm to predict the 5-year risk of hip fracture in postmenopausal women.
DESIGN, SETTING, AND PARTICIPANTS: A total of 93,676 women who participated in the observational component of the Women's Health Initiative (WHI), a multiethnic longitudinal study, were used to develop a predictive algorithm based on commonly available clinical features. Selected factors that pr
СтатьяПоддержка NIH: внешняя программаПолный 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 paper, we present an approach that combines data-driven and physical modelling for predicting the runoff occurrence and volume at catchment scale. With that aim, we first estimated the runoff volume from recorded storms aided by the Green-Ampt infiltration model. Then, we used machine learning algorithms, namely LightGBM (LGBM) and Deep Neural Network (DNN), to predict the outputs of the physical model fed on a set of atmospheric variables (relative humidity, temperature, atmospheric pressure, and wind velocity) collected before or immediately after the beginning of the storm. Results
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 has used machine learning algorithms to develop a predictive model for differentiating between dermoscopic images of basal cell carcinoma (BCC) and actinic keratosis (AK). We compiled a total of 904 dermoscopic images from two sources - the public dataset (HAM10000) and our proprietary dataset from the First Affiliated Hospital of Dalian Medical University (DAYISET 1) - and subsequently categorised these images into four distinct cohorts. The study developed a deep learning model for quantitative analysis of image features and integrated 15 machine learning algorithms, generating 20
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.
Individuals with diabetes mellitus type 1 (DM1) tend to check their blood sugar levels multiple times daily and utilize this information to predict their future glycemic levels. Based on these predictions, patients decide on the best approach to regulate their glucose levels with considerations such as insulin dosage and other related factors. Nevertheless, modern developments in Internet of Things (IoT) technology and innovative biomedical sensors have enabled the constant gathering of glucose level data using continuous glucose monitoring (CGM) in addition to other biomedical signals. With t
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