Accurate pulmonary nodule detection in computed tomography (CT) remains challenging because small- and low-contrast nodules may resemble vessels and other anatomical structures on individual axial slices. We propose 3D-DDN Faster R-CNN, a multi-slice detection framework that incorporates structured local axial context into a two-stage detector. The five-slice interactive blending (5-SIB) strategy organizes five consecutive CT slices as an ordered contextual group and preserves slice-specific feature streams extracted by a shared two-dimensional backbone. The cross-slice feature fusion (CSFF) m
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.
The purpose of this study is to determine the smallest tested fraction of manually labeled training data required for a multimodal artificial intelligence (AI) classifier to achieve satisfactory MRI series classification performance (macro-F1 ≥ 0.80) across five heterogeneous public MRI datasets using digital imaging and communications in medicine (DICOM) metadata, image data, or both. This retrospective study included 3804 examinations and 14,054 MRI series from five public DICOM datasets spanning brain, knee, lumbar spine, liver, and breast MRI, accessed February-April 2026. AI classificatio
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.
Benchmarks labelled by panels of human readers underpin most medical image analysis. We ask whether such a dataset has a single attainable ceiling. All 1319 annotation files of the Lung Image Database Consortium image collection (LIDC-IDRI) were parsed into 7034 reader-level ratings. Modelling each nodule by a latent malignancy propensity of which the four reader verdicts are conditionally independent draws, we prove that no image-based model can exceed, against a reader-derived label, the area under the receiver operating characteristic curve (AUC) of the propensity itself; we derive how that
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.
BACKGROUND: Reinforcement Learning (RL) is emerging as a promising technique to support personalized and adaptive clinical interventions. This is thanks to its ability to model sequential decision making and to learn from longitudinal data. The deployment of RL raises challenges regarding interpretability and integration into clinical workflows. These concerns have motivated interest in human-in-the-loop approaches, in which individuals retain an actual or intended role before an RL-supported decision affects care. However, the use of RL in healthcare remains fragmented and poorly standardized
СтатьяОбзорПолный 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.
To test whether anatomical priors from a general-purpose organ segmentation model (TotalSegmentator, TS), applied at inference or during training, improve an externally validated YOLOv11 detector for six acute abdominal emergencies. The frozen detector was applied to 827 external Stanford Merlin CT studies with language-model report labels; a nested 280-study radiologist-adjudicated subset was the reference standard. TS-derived slice selection (Arm A), organ-state integration (Arm B), and their combination (Arm C) were compared with the detector alone under frozen, recalibrated, and fine-tuned
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.
As the evening sets in and natural light fades to artificial light, it is remarkable how the colors around us still appear nearly the same. This phenomenon, known as color constancy, allows us to perceive relatively stable colors even as lighting conditions change. In the field of computer vision, replicating this human ability is the key to performing tasks such as recognizing objects and understanding scenes. This review examines two main approaches to tackle the challenge of computational color constancy: traditional static methods that rely on a set of assumptions about lighting and scene
СтатьяОбзорПолный 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.
This methodological study evaluated and compared the content quality and appropriateness of nursing care plans developed by nurses and artificial intelligence (AI) for addressing the psychosocial problems of patients with stomas. Two nursing care plans addressing the psychosocial needs of a patient with a stoma were developed: 1 generated by nurses and 1 generated by an AI system. The content quality and appropriateness of the care plans were independently evaluated by 12 experts, including nursing academics and clinical nurses, using the DISCERN measurement tool. Inter-rater reliability was a
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 radiographic classification of hip fractures into femoral neck (intracapsular) versus intertrochanteric (extracapsular) types is essential for surgical planning, yet most AI studies focus on binary detection using large datasets from high-resource regions, with no prior work from the Middle East. This study proposes a Hybrid PEFT-ViT and XGBoost framework for three-class classification of hip radiographs (Normal, Intertrochanteric fracture, Neck of femur fracture), using 768 X-ray images collected from King Abdullah University Hospital (KAUH) in Northern Jordan. A LoRA-fine-tuned ViT-
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: Large language models (LLMs) are increasingly used for health advice, but evidence on how performance varies across languages, topics and sources remains limited. We assess linguistic and contextual variation in Artificial Intelligence (AI) health-claim verification.
METHODS: We evaluated seven widely accessible LLMs using UK and European Union (EU) health-claim registers and 9088 journalist-vetted PUBHEALTH claims. The register-language analysis used authorised entries translated into 21 languages; status-labelled UK/EU extensions added non-authorised entries for diagnostic check
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.
Health services are rapidly adopting digital systems, but health data remain unstandardised and segregated across separate healthcare providers. Allergy serves as a universally important use case since type I mediated reactions to medications, foods and environmental substances, impact a plethora of health services. Australia has among the highest rates of allergic diseases globally, with 30% of the population affected, costing $A18.9b and $A44.6b in health and non-financial impacts annually. A Commonwealth Parliamentary Inquiry into Allergy and Anaphylaxis (2020) delivered 24 recommendations
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: Postpartum depression (PPD) is a significant public health concern with profound effects on maternal well-being and infant development. Building a highly accurate predictive model for PPD symptoms using data-driven approaches can facilitate earlier screening and improve intervention outcomes.
OBJECTIVE: The objectives of this study are to evaluate the performance of machine learning (ML) models for predicting self-reported PPD symptoms, identify the most important features contributing to these predictions, and assess model performance when using a reduced set of features, all bas
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.
In high-stakes domains like healthcare, establishing trust in AI-assisted decisions is critical for fostering confidence among experts and researchers. However, standard explanation methods may not fully meet clinical needs, offering raw data, such as saliency maps, rather than human-readable text and auditable, transparent reasoning. To bridge this gap, researchers are increasingly adopting concept-based approaches that express model reasoning through human-readable concepts grounded in expert-backed clinical knowledge. Although this field has advanced rapidly in recent years, retinal C-XAI r
СтатьяОбзорПолный 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.
Accurate prediction of postoperative recurrence is essential for individualized management and follow-up planning in patients with upper tract urothelial carcinoma (UTUC). However, reliable risk stratification remains challenging due to the heterogeneous nature of imaging characteristics and clinical information. In this study, we propose a multimodal clinical decision support framework that integrates contrast-enhanced computed tomography (CT) images with routinely available clinical variables for postoperative recurrence prediction. The proposed framework adopts an image-clinical integrated
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.
The rapid expansion of medical data, including radiological imaging, digital pathology, molecular profiling, electronic health records, and longitudinal clinical narratives, has created new opportunities for AI in healthcare, while also exposing the limitations of traditional unimodal modeling approaches. Multimodal learning addresses these challenges by integrating heterogeneous data sources, and recent advances in foundation models, large-scale pretrained models designed for broad task transfer, have further accelerated this shift. Together, these developments have given rise to multimodal f
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: Patients increasingly ask large language model (LLM) assistants which doctor to see. Existing audits observe real, correlated physician profiles, so they cannot isolate what drives these recommendations.
OBJECTIVE: To estimate how reputation signals, fees, list position, and names signaling gender and ethnicity affect LLM physician recommendations in a controlled task.
METHODS: Prespecified randomized choice-based conjoint audit. Seven LLMs (six small open-weight models and GPT-4o-mini) each chose one of five synthetic family-medicine physician cards with independently randomized
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.
Magnetic resonance-guided radiotherapy (MRgRT) enables real-time tracking of tumor and organ motion for more precise radiation delivery. However, existing clinical tracking software struggles with high-velocity or non-rigid motion. Foundation models, such as Segment Anything Model 2 (SAM2) and MedSAM2, offer robust tracking with fast inference speeds and strong zero-shot accuracy that can improve with fine-tuning. Fine-tuning typically uses expert-labeled datasets, which are expensive to acquire. We explored SAM2's utility in accelerating the labeling process by developing a workflow where nov
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.
Frontier large language models (LLMs) and diffusion models can generate realistic chest radiographs, raising concerns for dataset integrity when provenance metadata are absent. We compared authenticity judgments by two radiologists, two nonradiologist physicians, and three frontier LLMs (GPT-5.5, Gemini 3.5 Flash, Claude Opus 4.8) on 160 posteroanterior radiographs: 40 real NIH ChestX-ray14 images and 120 synthetic images generated from text by three pipelines. Each evaluator judged every image once; the LLM evaluation was repeated twice 3 months later. Balanced accuracy was the primary metric
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.
INTRODUCTION: Digital twin (DT) technology is increasingly used to support data-driven hospital operations, but evidence remains fragmented across workflows, technological infrastructures, levels of decision support, implementation stages, and methodological quality.
OBJECTIVE: This study aimed to synthesise DT applications in hospital operations management and to develop a structured framework linking data infrastructure, workflow modelling, decision support, resource allocation, implementation, and operational resilience.
METHODS: A structured review and quantitative content analysis was c
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.
This retrospective two-center diagnostic study was aimed at developing and externally testing an interpretable MRI-based machine learning model for differentiating endometrial stromal sarcoma (ESS) from cellular leiomyoma (CL). A total of 155 women with pathologically confirmed ESS or CL were assigned to a derivation cohort (n = 111) and an external testing cohort (n = 44). Clinical variables, qualitative MRI features, and apparent diffusion coefficient (ADC) histogram parameters were evaluated. Three MRI-derived predictors-irregular tumor margin, cystic areas on T2-weighted imaging, and mean
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