Magnetic resonance images acquired from different medical centers often exhibit substantial variations in imaging protocols and scanners, resulting in severe domain shifts that degrade the performance of brain tumor segmentation models. This study develops an effective unsupervised domain adaptation (UDA) framework for cross-center brain tumor segmentation, enabling models trained on labeled source data to generalize to unlabeled target datasets collected from different institutions. We propose an entropy-based adversarial UDA network with inter-domain channel-wise similarity regularization an
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.
Opportunistic body composition analysis using single-slice 2D computed tomography scans is limited by anatomical variations and field-of-view constraints. Although 3D volumetry is more comprehensive, it is not widely adopted due to the time-consuming nature of manual segmentation. The objective is to technically validate AutoLMISeg (Automated Lumbar Muscle Index Segmentation), a fully automated "zero-click" deep learning pipeline for 3D L1-L5 lumbar muscle volumetry and densitometry. Sixty-nine CT scans were analyzed retrospectively. AutoLMISeg (GPU-accelerated) was compared to a human-in-the-
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: Diagnosis-conditioned electronic health record (EHR) exports can embed selection effects in observed associations and machine-learning results.
OBJECTIVE: To evaluate Selection-Aware Mapping and Predictive Adequacy for Electronic Health Records (SAMPA-EHR) as a rejection-capable audit for secondary use.
METHODS: Four outpatient exports for autism, attention-deficit/hyperactivity disorder (ADHD), specific learning disorder, and anxiety (1 October 2025-21 July 2026) were merged at encounter level. The audit separated export-family selection diagnostics from positive co-coding with
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: Electronic medical records (EMRs) are widely used in maternity care, but their longer-term effects across multiple domains of the Quintuple Aim remain uncertain. This study examined whether EMR use following implementation in December 2017 was associated with temporal changes in health outcomes, patient-experience proxies, and resource use.
METHODS: We conducted a 12-year interrupted time series analysis at a high-volume metropolitan maternity service in Queensland, Australia, following implementation of the EMR. Population-level data from the Queensland Perinatal Data Collection
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.
Artificial intelligence-based computer-aided detection (AI-CAD) systems have been developed to assist radiologists in interpreting automated breast ultrasound (ABUS), but factors associated with false-negative (FN) cancers and false-positive (FP) AI-CAD findings remain unclear. This single-center retrospective study evaluated stand-alone AI-CAD performance in ABUS and identified factors associated with FN cancers and FP findings. The study included 338 women with final negative screening ABUS results and 97 women with screening-detected breast cancer. AI-CAD sensitivity and specificity were ev
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.
Tongue diagnosis is valuable for disease diagnosis and therapeutic evaluation in traditional Chinese medicine, and automatic tongue image recognition provides objective clinical support. However, most existing methods rely on RGB images with limited spectral information. Although hyperspectral imaging provides richer spectral information, multi-label tongue coating classification still faces challenges including feature coupling caused by attribute co-occurrence and insufficient modeling of cross-band relationships in hyperspectral data. To address these challenges, we propose a hyperspectral
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.
Large language models (LLMs) are increasingly explored in medical imaging, but their reliability in independently interpreting images remains uncertain. This study evaluated the clinical utility of radiology reports generated under three reporting conditions using dermatologic ultrasound images: Condition 1 (radiologist's reporting), Condition 2 (LLM reporting based solely on the ultrasound image), and Condition 3 (LLM reporting using both the ultrasound image and the radiologist's report). A total of 202 dermatologic ultrasound images from a public dataset were analyzed. Reports were evaluate
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 launch of ChatGPT has raised interest in Generative Artificial Intelligence models and the way they can be applied across domains. In this study we focused on dermoscopic image labeling, using OpenAI's GPT-5 series to determine if there are improvements in labeling between the last versions: GPT-5, GPT-5.2 and GPT-5.4. The testing process uses three different formats: free answer, choosing between labels, and choosing between labels after providing patient metadata together with the images. The evaluation was carried out with paid ChatGPT Plus subscription deactivating the option "Improve
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 and rapid determination of tumor histopathological features and molecular subtypes is critical for breast cancer prognosis and treatment strategies. This study evaluates the feasibility of a "digital biopsy" approach that uses machine learning models to predict hormone receptor status from ultrasound radiomic features non-invasively. A retrospective analysis was conducted on 353 breast tumors from 311 patients who were evaluated between February 2019 and December 2024. Radiomic features were extracted from two-dimensional segmentations of pre-biopsy ultrasound images. The dataset was
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: The University of Wisconsin Population Health Institute (PHI) Model of Health, grounded in models developed over a decade ago, provides a framework for prioritizing health-related investments including setting agendas, implementing policies, and sharing resources for improving community health and health equity. The model includes multiple determinants of health and two broad health outcomes (length and quality of life). We adapted the PHI Model of Health to cancer outcomes.
METHODS: Using county-level publicly available data, health factor summary measures were derived in three area
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.
OBJECTIVE: To evaluate red-flag recognition, clinical safety, and the quality of patient actionability in responses generated by artificial intelligence (AI) chatbots to patient questions about nipple discharge.
METHODS: This guideline-informed cross-sectional evaluation was conducted to assess the performance of AI chatbots in simulated nipple discharge consultations. A total of 36 English-language simulated patient questions were developed on the basis of clinical guidelines and real-world consultation scenarios, covering 6 modules of nipple discharge inquiries. Six commonly used AI chatbot
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.
Breast cancer is the leading cause of female oncological mortality, making treatment response prediction a priority. While tumor-infiltrating lymphocytes (TILs) are recognized as prognostic biomarkers, visual quantification on hematoxylin and eosin (H&E) slides suffers from interobserver variability. Virtual H&E-to-IHC stain translation represents a potential alternative to conventional, labor-intensive IHC. In this feasibility study, we developed a deep generative framework to synthesize virtual IHC patches from H&E patches and an automated pipeline for TILs quantification. To facilitate H&E-
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.
Hepatocellular carcinoma (HCC) is steadily increasing in incidence worldwide and requires data-driven approaches to improve diagnosis, prognosis, and therapeutic decisions. We describe the harmonization of IMALIVE -a real-world HCC cohort- with the common data model of the European Cancer Imaging Initiative (EUCAIM). IMALIVE integrates demographic, clinical, and imaging-related variables, which were aligned with core variables of the EUCAIM common data model through a robust mapping process and expert validation. The process achieved full coverage of the core dataset and added HCC-specific var
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: Curating high-quality clinical and genomic data sets from patients with cancer to predict hospital readmission using machine learning (ML) models.
METHODS: We extracted data from electronic health records for patients with cancer in the University of California, San Diego Health System, to curate clinicogenomic data sets for lung, breast, and colon cancers. We constructed ML models to predict the risk of hospital readmission 30, 60, and 90 days postdischarge. Standard ML models (logistic regression, random forest [RF], gradient boosting [GB], neural network) and multitask neural netw
СтатьяПоддержка 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.
This study applied natural language processing to identify common topics in 12,054 Dutch patient-provider messages in inflammatory bowel disease. Using the BERTopic framework, three embedding models were evaluated with topic diversity, Cv coherence, and topic assignment proportion. A lightweight Dutch-specific embedding model (RobBERT) outperformed two larger multilingual models (MPNet Sentence Transformer and QWEN3-embedding-8B). We identified 120 sentence-level topics covering medical and administrative themes. Results showed that 22% of messages did not require specialist attention, highlig
СтатьяСравнительное 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.
Healthcare data's rapid growth and complexity reveal a significant challenge: we lack effective approaches to integrate multimodal information into unified, interpretable structures. Existing methods typically focus either on ontology mapping or knowledge graph construction, but they don't fully address interoperability, reasoning, and explainability together. This paper presents a foundation for ontology-driven cancer data analysis that brings together knowledge graphs (KGs), SNOMED CT, and DICOM imaging metadata. Our methodology aligns ontologies and applies reasoning to semantically integra
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: To address incomplete and inconsistent classification of pancreatic cancer resectability according to International Association of Pancreatology (IAP) anatomic, biologic, and conditional criteria.
MATERIALS AND METHODS: We designed, implemented, and evaluated an interoperable, web-based platform that captured structured pretreatment data and performed algorithm-driven resectability classification. Linked modules supported referral to and discussion at multidisciplinary team meetings (MDTMs) at two quaternary hospitals (June 2021-February 2022) and populated downstream documentation.
СтатьяМногоцентровое исследованиеПоддержка исследования: вне правительства СШАПолный 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.
OBJECTIVE: Dietary modifications are critical for reducing colorectal cancer (CRC) incidence and mortality. While our prior dietary intervention demonstrated efficacy in improving dietary patterns among Chinese CRC survivors, scalability limitations necessitated adaptation into a mobile application (app). This study aimed to develop the Eating Smart app to reduce consumption of red/processed meats and refined grains, and evaluate its usability among Chinese CRC survivors and high-risk individuals.
MATERIALS AND METHODS: A mixed-methods study was conducted in three phases: (1) prototype develo
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.
Videofluoroscopic Swallowing Study (VFSS) is the clinical gold standard for dysphagia assessment, yet routine quantitative analysis still relies on frame-by-frame manual annotation and measurement, resulting in a high time cost and limited inter-rater consistency. Existing deep-learning approaches typically automate isolated subtasks (e.g., keypoint localization or temporal stage recognition), whereas a model specifically designed for the full quantitative analysis pipeline remains rare. We propose the VFSS-QNet (VFSS quantitative analysis network), a lightweight multi-task model with an encod
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: Acute myocardial infarction (AMI) remains a leading cause of global morbidity and mortality, with early prediction critical for timely intervention. Traditional risk assessment tools are limited because of their reliance on limited variables and static thresholds. This study aims to develop an interpretable machine learning (ML) model using multidimensional clinical data for early AMI risk prediction.
METHODS: We performed a retrospective cohort study of 7939 patients enrolled from the second hospital of Shandong University from January 2020 to January 2024. A total of 108-dimensi
СтатьяВалидационное 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.
MedElevator
Войти в исследования