Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 2 750 с найденным полным текстом
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2021eng
Sepsis is a life-threatening condition caused by a deregulated host response to infection. If not diagnosed at an early stage, septic patients can go into a septic shock, associated with aggravated patient outcomes. Research has been mostly focused on predicting sepsis onset using supervised models that require big labeled datasets to train. In this work we propose two fully unsupervised learning approaches to predict septic shock onset in the Intensive Care Unit (ICU). Our approach includes learning representations from patient multivariate timeseries using Recurrent Autoencoders. Then, we ap
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.
Machine learning (ML), as an advanced domain of artificial intelligence (AI), is progressively changing our view of the world. By implementing its algorithms, our ability to detect previously undiscoverable patterns in data has the potential to revolutionize predictive analytics. Scoliosis, as a relatively specialized branch in the spine field, mainly covers the pediatric, adult and the elderly populations, and its diagnosis and treatment remain difficult. With recent efforts and interdisciplinary cooperation, ML has been widely applied to investigate issues related to scoliosis, and surprisin
СтатьяОбзорПолный 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.
Late-onset Alzheimer's Disease (LOAD) is the most common form of dementia in the elderly. Genome-wide association studies (GWAS) for LOAD have open new avenues to identify genetic causes and to provide diagnostic tools for early detection. Although several predictive models have been proposed using the few detected GWAS markers, there is still a need for improvement and identification of potential markers. Commonly, polygenic risk scores are being used for prediction. Nevertheless, other methods to generate predictive models have been suggested. In this research, we compared three machine lear
Сравнительное исследованиеСтатьяПоддержка 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.
Accurate prediction of metalloprotein-ligand interactions is critical for metalloprotein-targeted drug discovery. Conventional docking tools and existing deep learning (DL) models fail to reliably capture metal-ligand interactions, hampering the discovery of potent metalloprotein inhibitors. Here, we propose MetalloDock, the first DL-based docking framework specially designed for metalloprotein targets. By innovatively integrating an autoregressive spatial decoding engine with a physics-constrained geometric generation paradigm, MetalloDock can precisely reconstruct metal coordination geometri
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.
Artificial intelligence (AI) is being applied by the bakery industry to substitute existing practices with data-informed strategies to enhance the accuracy of quality predictions, process optimization, and shelf-life prediction. This review discusses how AI, specifically machine learning (ML) algorithms such as artificial neural networks (ANNs), support vector machines (SVMs), random forests (RF) and deep neural networks (DNNs), can be applied in bread-making and product innovation. With AI models, there is the possibility of analyzing the interactions between formulation, processing and quali
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.
Miscarriage occurs in approximately 15% of all pregnancies, and recent studies have suggested a potential role of the microbiome. A nested case-control study from the Swedish Maternal Microbiome cohort was conducted, including 34 participants who sent at least one vaginal or fecal microbiome sample and questionnaire data before miscarrying (n = 34), and matched controls (n = 105 for regression models, n = 27 for machine learning models). Non-vaccine type HPV (aOR 3.95, 95%CI 1.04-15.06) and vaginal microbiome with community state type (CST) II (aOR 6.52, 95%CI 1.58-26.98) or CST-IVB (aOR 4.18,
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.
Medicinal chemistry research : an international journal for rapid communications on design and mechanisms of action of biologically active agents2026eng
Lead optimization is a resource-intensive stage of drug discovery requiring the simultaneous optimization of potency, selectivity, pharmacokinetics, safety, and synthetic feasibility. Although artificial intelligence (AI) and machine learning (ML) have substantially advanced predictive modeling, virtual screening, de novo molecular design, and multiparameter optimization, their translation into routine medicinal chemistry remains challenging. This review critically examines current AI approaches for lead optimization, emphasizing the gap between computational benchmark performance and practica
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.
Periodontal diseases are multifactorial chronic inflammatory disorders characterised by progressive destruction of the tooth-supporting apparatus. Predicting the evolution of these diseases remains a significant clinical challenge because microbial, host, behavioral, and systemic determinants interact to produce substantial inter-individual variability. In recent decades, periodontal care has transitioned from a reactive model toward a preventive, risk-oriented approach supported by structured prediction systems. Various clinical risk assessment tools, including the hexagonal periodontal risk
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.
Refractive error is among the leading causes of visual impairment globally. The diagnosis and management of refractive error has traditionally relied on comprehensive eye examinations by eye care professionals, but access to these specialized services has remained limited in many areas of the world. Given this, artificial intelligence (AI) has shown immense potential in transforming the diagnosis and management of refractive error. We review AI applications across various aspects of refractive error care - from axial length prediction using fundus images to risk stratification for myopia progr
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: In multiple myeloma, progression within 24 months (POD24) is a strong adverse prognostic factor. However, its impact on overall survival (OS) remains underexplored through machine learning.
METHODS: We retrospectively collected clinical data from 155 patients and divided them into POD24 and non-POD24 groups. Survival analysis was performed using Kaplan-Meier (KM) curves, univariate Cox regression, and multivariate Cox regression. We further evaluated the effect of these variables on overall survival using ten machine-learning algorithms.
RESULTS: KM and Cox regression analyses re
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.
Oil refineries depend greatly on the estimation of crude oil properties in order to understand the oil's behaviour and the product fractions expected from the refining process. In yield estimation, the crude oil source and variant can cause variability in prediction and lead to the need for repeatable analysis. The necessity for fast, accurate, and high-generalization yield estimation initiates the framework of this review. This paper aims to comprehensively review the available techniques for estimating the yield of petroleum products in the petroleum refining industry. The review provides a
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: Acute respiratory failure (ARF) and atrial fibrillation (AF) are common diseases. This study established a predictive model for the risk of atrial fibrillation in patients with ARF, aiming to provide tools for clinical application.
METHODS: This study examined the data of 21,594 patients in the MIMIC-IV database, including factors such as age, vital signs, and laboratory results on the first day of admission. Six feature selection techniques and six machine learning algorithms were used to construct the prediction model, and then the prediction model was verified using the MIMIC-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.
Upper limb functional impairments persisting after stroke significantly affect patients' quality of life. Precise adjustment of robotic assistance levels based on patients' motion intentions using sEMG signals is crucial for active rehabilitation. This paper systematically reviews studies on continuous prediction of upper limb single joints and multi-joint combinations motion intention using Model-Based (MB) and Model-Free (MF) approaches over the past decade, based on 186 relevant studies screened from six major electronic databases. The findings indicate ongoing challenges in terms of subjec
Систематический обзорСтатьяПоиск 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.
Interest in artificial intelligence (AI) applications for ulcerative colitis (UC) has grown tremendously in recent years. In the past 5 years, there have been over 80 studies focused on machine learning (ML) tools to address a wide range of clinical problems in UC, including diagnosis, prognosis, identification of new UC biomarkers, monitoring of disease activity, and prediction of complications. AI classifiers such as random forest, support vector machines, neural networks, and logistic regression models have been used to model UC clinical outcomes using molecular (transcriptomic) and clinica
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.
Axial spondyloarthritis (axSpA) is a globally prevalent and challenging autoimmune disease. Characterised by insidious onset and slow progression, the absence of specific clinical manifestations and biomarkers often leads to misdiagnosis, thereby complicating early detection and diagnosis of axSpA. Furthermore, the high heterogeneity of axSpA, its complex pathogenesis and the lack of specific drugs means that traditional classification standards and treatment guidelines struggle to meet the demands of personalised treatment. Recently, machine learning (ML) has seen rapid advancements in the me
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.
Atherosclerotic cardiovascular disease (ASCVD) is the most common cause of death globally. Increasing amounts of highly diverse ASCVD data are becoming available and artificial intelligence (AI) techniques now bear the promise of utilizing them to improve diagnosis, advance understanding of disease pathogenesis, enable outcome prediction, assist with clinical decision making and promote precision medicine approaches. Machine learning (ML) algorithms in particular, are already employed in cardiovascular imaging applications to facilitate automated disease detection and experts believe that ML w
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.
INTRODUCTION: Recent advances in machine learning provide new possibilities to process and analyse observational patient data to predict patient outcomes. In this paper, we introduce a data processing pipeline for cardiogenic shock (CS) prediction from the MIMIC III database of intensive cardiac care unit patients with acute coronary syndrome. The ability to identify high-risk patients could possibly allow taking pre-emptive measures and thus prevent the development of CS.
METHODS: We mainly focus on techniques for the imputation of missing data by generating a pipeline for imputation and com
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.
Although various factors were reported to be related to post-herpetic neuralgia (PHN), studies based on adequate and comprehensive data were absent. Data was extracted from cases of hospitalized patients with herpes zoster in dermatology department, Sichuan hospital of traditional Chinese medicine range from December, 2011 to February, 2018, and then cleaned to build prediction model with TREENET algorithms. Following evaluated the prediction model by ROC and confusion matrix, variables importance ranking and variables dependency analysis were performed, resulting in the importance ranking of
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.
We set out to determine whether machine learning-based algorithms that included functionally validated pharmacogenomic biomarkers joined with clinical measures could predict selective serotonin reuptake inhibitor (SSRI) remission/response in patients with major depressive disorder (MDD). We studied 1,030 white outpatients with MDD treated with citalopram/escitalopram in the Mayo Clinic Pharmacogenomics Research Network Antidepressant Medication Pharmacogenomic Study (PGRN-AMPS; n = 398), Sequenced Treatment Alternatives to Relieve Depression (STAR*D; n = 467), and International SSRI Pharmacoge
СтатьяПоддержка NIH: внешняя программаПоддержка исследования: вне правительства СШАПоддержка 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.
Identifying biomarkers in schizophrenia during the first episode without the confounding effects of treatment has been challenging. Leveraging these biomarkers to establish diagnosis and make individualized predictions of future treatment responses to antipsychotics would be of great value, but there has been limited progress. In this study, by using machine learning algorithms and the functional connections of the superior temporal cortex, we successfully identified the first-episode drug-naive (FEDN) schizophrenia patients (accuracy 78.6%) and predict their responses to antipsychotic treatme
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.
MedElevator
Войти в исследования