This study investigates the application of recent YOLO (You Only Look Once) algorithms for automated detection and classification of apical periodontitis using the Periapical Index (PAI) scoring system (1-5). A dataset of 699 digital periapical radiographs was collected from diverse sources, de-identified, and annotated by calibrated experts before splitting into training, validation, and testing sets. Three deep learning models (YOLOv8m, YOLOv11m, YOLOv12m) were trained and their performance was evaluated using Precision, Recall, F1 score, mean average precision (mAP50), Intersection over uni
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: Postoperative complications after surgery for congenital biliary dilatation (CBD) can be life-threatening and often necessitate redo surgery. We aimed to predict postoperative complications in patients with CBD using machine learning (ML) algorithms.
STUDY DESIGN: Data from pediatric patients with CBD who were surgically treated at our hospital between July 2014 and July 2023 was retrospectively analyzed. Multiple logistic regression and lasso regression were used to screen risk factors. Predictive models were developed using seven ML algorithms and the better-performing model was
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: Gestational Diabetes Mellitus (GDM) is a metabolic condition that develops in course of pregnancy. The World Health Organization describes it as carbohydrate intolerance that causes hyperglycemia of varying severity and manifests itself or is first noticed during pregnancy. Early prediction is now possible, owing to the application of cutting-edge methods like machine learning.
OBJECTIVE: In the proposed empirical study, different machine-learning algorithms are applied to predict the prospective risk factors influencing the progression of GDM in gestating mothers.
MATERIALS AND
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: Prostate cancer remains a significant health concern, with radical prostatectomy being a common treatment approach. However, predicting postoperative functional outcomes, particularly urinary continence and erectile function, poses challenges. Emerging artificial intelligence (AI) technologies offer promise in predictive modeling. This study aimed to develop and validate AI-based models to predict continence and potency following nerve-sparing robotic radical prostatectomy (RARP).
METHODS: A cohort of 8,524 patients undergoing RARP was analyzed. Preoperative variables were colle
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: Idiopathic normal pressure hydrocephalus (iNPH) is a reversible cause of dementia, typically treated with shunt surgery, although outcomes vary. Artificial intelligence (AI) advancements could improve predictions of shunt response (SR) by analyzing extensive datasets.
METHODS: We conducted a systematic review to assess AI's effectiveness in predicting SR in iNPH. Studies using AI or machine learning algorithms for SR prediction were identified through searches in MEDLINE, Embase, and Web of Science up to September 2023, adhering to Synthesis Without Meta-Analysis reporting guideli
Систематический обзорСтатьяПолный 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.
This study intends to use the basic information and blood routine of schistosomiasis patients to establish a machine learning model for predicting liver fibrosis. We collected medical records of Schistosoma japonicum patients admitted to a hospital in China from June 2019 to June 2022. The method was to screen out the key variables and six different machine learning algorithms were used to establish prediction models. Finally, the optimal model was compared based on AUC, specificity, sensitivity and other indicators for further modeling. The interpretation of the model was shown by using the S
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.
Artificial intelligence (AI) is increasingly used in electrocardiography (ECG) to assist in diagnosis, stratification, and management. AI algorithms can help clinicians in the following areas: (1) interpretation and detection of arrhythmias, ST-segment changes, QT prolongation, and other ECG abnormalities; (2) risk prediction integrated with or without clinical variables (to predict arrhythmias, sudden cardiac death, stroke, and other cardiovascular events); (3) monitoring ECG signals from cardiac implantable electronic devices and wearable devices in real time and alerting clinicians or patie
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.
PURPOSE: This study focused on the genetic screening of Myocilin (MYOC), Cytochrome P450 family 1 subfamily B member 1 (CYP1B1), Optineurin (OPTN), and SIX homeobox 6 (SIX6) genes in a family with coexistence of primary congenital glaucoma (PCG) and juvenile open-angle glaucoma (JOAG).
METHODS: Sanger sequencing was used to examine the coding region of all four genes. Six different online available algorithms were used for the pathogenicity prediction of missense variant. Structural analysis was done using Garnier-Osguthorpe-Robson (GOR), PyMol, ChimeraX, and Molecular Dynamic (MD) Simulation
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.
Aggression risk assessments are vital to prevent injuries and morbidities amongst patients and staff in psychiatric settings. More recent studies have harnessed artificial intelligence (AI) methods such as machine learning algorithms to determine factors associated with aggression in psychiatric treatment settings. In this review, using Cooper's five-stage review framework, we aimed to evaluate the: (1) predictive accuracy, and (2) clinical variables associated with AI-based aggression risk prediction amongst psychiatric inpatients. Databases including PubMed, Cochrane, Scopus, PsycINFO, CINAH
СтатьяОбзорПоиск 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: Methyl CpG binding protein 2 (MeCP2) is essential for the normal function of mature neurons. Mutations in the MECP2 gene are the main cause of Rett syndrome (RTT). Gene mutations have been identified throughout the gene and the mutation effect is mainly correlated with its type and location.
METHODS: In this study, a series of in silico algorithms were applied for analyzing the functional consequences of 3 novel gene missense mutations (D121A, S359Y, and P403S) and a rarely reported one with suspicious effect (R133H) on RettBASE. Besides, a ROC curve analysis was performed to inve
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.
Many approaches to time series classification rely on machine learning methods. However, there is growing interest in going beyond black box prediction models to understand discriminatory features of the time series and their associations with outcomes. One promising method is time-series shapelets (TSS), which identifies maximally discriminative subsequences of time series. For example, in environmental health applications TSS could be used to identify short-term patterns in exposure time series (shapelets) associated with adverse health outcomes. Identification of candidate shapelets in TSS
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.
Alzheimer's Disease (AD) is the most common type of dementia. Identifying correct biomarkers may determine pre-symptomatic AD subjects and enable early intervention. Recently, Multi-task sparse feature learning has been successfully applied to many computer vision and biomedical informatics researches. It aims to improve the generalization performance by exploiting the shared features among different tasks. However, most of the existing algorithms are formulated as a supervised learning scheme. Its drawback is with either insufficient feature numbers or missing label information. To address th
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.
American journal of transplantation : official journal of the American Society of Transplantation and the American Society of Transplant Surgeons2016eng
Recognition that some lesions typical of T cell-mediated rejection (TCMR) also occur in antibody-mediated rejection requires revision of the histologic TCMR definition. To guide this process, we assessed the relative importance of various lesions and the performance of new histology diagnostic algorithms, using molecular TCMR scores as histology-independent estimates of true TCMR. In 703 indication biopsies, random forest analysis and logistic regression indicated that interstitial infiltrate (i-lesions) and tubulitis (t-lesions) were the key histologic predictors of molecular TCMR, with arter
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.
Despite the availability of major histocompatibility complex (MHC)-binding peptide prediction algorithms, the development of T-cell vaccines against pathogen and tumor antigens remains challenged by inefficient identification of immunogenic epitopes. CD8(+) T cells must distinguish immunogenic epitopes from nonimmunogenic self peptides to respond effectively against an antigen without endangering the viability of the host. Because this discrimination is fundamental to our understanding of immune recognition and critical for rational vaccine design, we interrogated the biochemical properties of…
СтатьяПоддержка NIH: внешняя программаПоддержка 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.
In this work, we investigate the well-known classification algorithm LDA as well as its close relative SPRT. SPRT affords many theoretical advantages over LDA. It allows specification of desired classification error rates α and β and is expected to be faster in predicting the class label of a new instance. However, SPRT is not as widely used as LDA in the pattern recognition and machine learning community. For this reason, we investigate LDA, SPRT and a modified SPRT (MSPRT) empirically using clinical datasets from Parkinson's disease, colon cancer, and breast cancer. We assume the same normal
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.
Acute myeloid leukemia (AML) is a severe hematological malignancy characterized by high recurrence rates, especially in pediatric patients, highlighting the need for reliable prognostic markers. This study proposes methylation signatures associated with AML recurrence using computational methods. DNA methylation data from 696 newly diagnosed and 194 relapsed pediatric AML patients were analyzed. Feature selection algorithms, including Boruta, least absolute shrinkage and selection operator, light gradient boosting machine, and Monte Carlo feature selection, were employed to screen and rank met
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.
Natural products and their derivatives have long been crucial in drug therapy, especially in traditional medicine. However, challenges in screening, isolation, characterization, and optimization have slowed their development in the pharmaceutical industry. Recent advancements in artificial intelligence (AI) and multi-omics technologies are revitalizing this field. AI offers powerful tools for understanding natural compounds, enhancing molecular representations, and supporting tasks such as binding prediction, drug repurposing, and retrosynthesis. Moreover, generative models are aiding in natur
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.
Elevated values of the non-HDL/HDL cholesterol ratio (NHHR) have been associated with increased hypertension risk, indicating its potential … re, NHHR is a significant predictor of hypertensive patients. Incorporating these factors into risk prediction algorithms enhances classification accuracy and facilitates earlier detection of at-risk subjects in this cohort.
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: Antenatal screening for Trisomy 21 (T21) in the UK is performed primarily in the first trimester. Nuchal Translucency (NT), gestational age, Free β-HCG and PAPP-A are used in combination, creating the 'combined' test. Multivariate Gaussian distribution models then determine the chance of T21 expressed as an odds ratio. This study investigates the use of machine-learning algorithms in the prediction of T21 in first-trimester singleton pregnancies and compares their performance to existing screening models.
METHODS: A total of 86,354 anonymised, first trimester, singleton pregnancy
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: This study developed and validated an interpretable machine learning (ML) algorithm for predicting the risk of drug-resistant epilepsy (DRE) in children with Tuberous sclerosis (TSC).
METHODS: To estimate the risk of DRE in pediatric TSC patients, an interpretable ML model was developed and validated. Clinical data were retrospectively collected from 88 pediatric patients with TSC-related epilepsy. 9 ML algorithms were applied, such as random forest (RF), to construct predictive models. To improve interpretability, SHapley Additive exPlanations (SHAP) were employed, providing both
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.
MedElevator
Войти в исследования