Lumbar degenerative disc disease (DDD) is a primary driver of chronic back pain and spinal deformity; however, MRI-based diagnosis is constrained by high costs and limited accessibility. We introduce EADC-Net, an adaptive deep learning framework for automated DDD detection from standard radiographs to facilitate early clinical screening. EADC-Net utilizes a dual-stage architecture. Lumbar regions of interest are initially extracted via segmentation deep residual neural network (SRNet), followed by contrast-limited adaptive histogram equalization (CLAHE) contrast enhancement. To account for dis
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.
Pancreatic cancer, characterised by high mortality and late diagnosis, urgently requires improved early detection methods. Unintentional weight loss, reported by 70-75% of patients prior to diagnosis, may serve as a key early marker. This systematic review and meta-analysis evaluated the extent of pre-diagnostic weight loss in pancreatic cancer patients compared with matched controls. Thirteen studies encompassing 12,081 cases and 367,678 controls were analysed, revealing a medium standardised mean difference (SMD = 0.51, [95% CI 0.31-0.71]) equivalent to a 2.26 kg/m2 BMI reduction in people w
СтатьяСистематический обзорМетаанализПоиск 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 increasingly used in cerebral small vessel disease (CSVD) imaging, but the extent of validation and clinical applicability across the literature remains uncertain. We performed a study-level cross-sectional analysis using a frozen Web of Science Core Collection (WoSCC) cohort supplemented by PubMed and IEEE Xplore searches to assess database coverage and the stability of findings from the WoSCC cohort. After study-level reconciliation, 463 independent studies were included. White matter hyperintensity segmentation/quantification was the most common task (196/463
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 published performance of artificial intelligence (AI) models in radiology is typically based on the reporting of sensitivity, specificity, and receiver operating characteristic area under the curve, both in the peer-reviewed literature and for Food and Drug Administration 510(k) submissions. Interestingly, these metrics cannot inform radiologists, the users of these systems, of the rate or quantity of each type of error to anticipate if they implement the candidate AI product(s) into their own clinical practice. Only the positive predictive value (PPV) and negative predictive value (NPV),
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.
Traditional radiology education is constrained by a restricted apprenticeship model and a scarcity of datasets structured for building artificial intelligence (AI)-based radiology education systems. To address this problem, we developed a novel end-to-end framework for transforming vast clinical archives into scalable radiology education resources. The proposed framework converts static radiographic data into an interactive learning system through three integrated components. First, a multi-stage curation pipeline establishes a foundation of trustworthy cases suitable for radiology education f
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 presents a hybrid modelling framework that integrates classical statistical methods (ARIMA) with deep learning architectures to enhance longitudinal forecasting of hospital admissions. We conducted a preliminary, hospital-based evaluation of the early impact of nirsevimab (Beyfortus®), a monoclonal antibody against respiratory syncytial virus (RSV), on infant hospitalisations at the Hôpitaux Universitaires de Genève (HUG), Switzerland. Weekly RSV-positive admissions (April 2021-October 2025) were analysed using ARIMA-Fourier and hybrid deep learning models trained on pre-interventio
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.
Digital health approaches that leverage consumer wearables and machine learning offer scalable means to detect acute illness pre-symptomatically, enabling earlier intervention and improved resource planning. Prior studies have shown that wearable-derived signals can identify infections-including COVID-19, malaria, H1N1, and rhinovirus-before symptom onset or in asymptomatic cases. Elective surgery pathways remain vulnerable to day-of-surgery cancellations due to unexpected patient illness, leading to underutilized operating rooms, equipment, and staff. To address this, we developed a prototype
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 objective of this study is to demonstrate an end-to-end approach for operationalizing the Findable, Accessible, Interoperable, and Reusable (FAIR) principles in multimodal medical imaging research using standardized data models and reproducible computational workflows, illustrated by reproducing the design and directional findings of a published Alzheimer's disease (AD) imaging study. Clinical and imaging data from the Alzheimer's Disease Neuroimaging Initiative (ADNI-4) were harmonized within the Observational Medical Outcomes Partnership Common Data Model and its Medical Imaging extensio
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.
To compare quantitative muscle and adipose tissue parameters obtained using two semi-automated CT-based body composition analysis software tools and to evaluate their association with qualitative muscle assessment using the Goutallier classification in patients with abdominal malignancies. This retrospective study included 103 patients with histopathologically confirmed abdominal malignancies who underwent non-contrast abdominopelvic CT examinations. Body composition parameters at the L3 vertebral level, including total abdominal muscle area (TAMA), skeletal muscle index (SMI), psoas muscle ar
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: Information on nursing faculty members' experiences with the emergent transition during the COVID-19 pandemic remains limited.
PURPOSE: This qualitative systematic review aimed to synthesize evidence from qualitative studies exploring nursing faculty members' experiences during the COVID-19 pandemic.
METHODS: Twelve qualitative studies were selected from 5 electronic databases and synthesized. This review followed Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines and was registered with PROSPERO (CRD42022371092).
RESULTS: Twelve empirical qua
СтатьяСистематический обзорПоиск 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: YouTube has become a major source of health information, including content on dental cleaning. However, reliability and quality of videos remain unclear. This study evaluated quality and reliability of YouTube videos related to dental cleaning by comparing two time periods: before and after the COVID-19 pandemic.
METHODS: Google Trends identified "dental cleaning" as the most searched term related to non-surgical periodontal therapy. Two periodontists evaluated the 100 YouTube™ videos from 2019 and 2024 using VIQI, DISCERN, Modified DISCERN, GQS, and a customized content analysis.
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 develop and validate a deep learning model for automatic identification of acquisition sequences (including T1-weighted sequences with various dynamic contrast-enhanced phases and other auxiliary sequences) in gadolinium ethoxybenzyl diethylenetriamine pentaacetic acid (Gd-EOB-DTPA)-enhanced liver MRI, enabling automated examination-level data curation. This retrospective study included internal Gd-EOB-DTPA-enhanced liver MRI examinations acquired at our institution between June 2018 and May 2020, with independent external test datasets from three additional ins
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.
Medical imaging devices are large consumers of electricity. This study aims to estimate potential energy savings through optimized CT examination scheduling using an ideal (hypothetical) lower-bound and a clinically realistic model. Examination timestamps and power consumption data of all CT examinations (n = 13,153) performed on three CT scanners in a tertiary care radiology department across 261 workdays in 2015 were retrospectively analyzed. CT examination scheduling was optimized using binary linear programming to minimize total scanner energy consumption. Two models were evaluated: a lowe
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: Neoadjuvant immunochemotherapy (NICT) can improve outcomes in advanced esophageal squamous cell carcinoma, but its efficacy varies significantly among patients. Accurately predicting response to NICT before treatment can help identify those who may benefit and avoid ineffective treatment. However, this remains challenging in clinical practice.
METHODS: This study developed and validated a graph-based multimodal Mamba model (GBMM) for noninvasive prediction of treatment response using pretreatment CT imaging, radiomics features, and clinical variables. A total of 274 patients with 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.
Cardiovascular and cerebrovascular diseases are leading causes of death worldwide, motivating scalable, noninvasive screening approaches. Chest X-rays (CXRs) are widely available, but current deep learning methods rely on large labeled datasets that are costly to obtain in clinical practice. We propose a three-stage framework that combines DINOv2 self-supervised learning with vision transformers (ViTs) to detect stroke and heart failure from CXRs under limited labeled data. A ViT-Small/14 backbone is first initialized with DINOv2 weights pretrained on LVD-142M dataset and then further adapted
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: Aortic dissection (AD) is a critical cardiovascular disorder with substantial risks of short-term mortality. Some researchers have endeavored to utilize machine learning (ML) approaches to develop predictive models for the risk of mortality in AD. However, systematic evidence about the accuracy of these models remains scarce, which poses challenges to the development and enhancement of risk assessment tools. Therefore, this study seeks to systematically review the reliability of ML in forecasting the risk of mortality in AD.
METHODS: A search was implemented through PubMed, Cochra
СтатьяСистематический обзорМетаанализПоиск 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.
In this paper, we investigate how distribution shift affects model generalizability in medical time-series from intensive care. We define clinically relevant domain adaptation scenarios for predicting hypotension and hypoxemia using the MIMIC-III Matched Waveform Database v1.0. Distribution shift is quantified via the Kolmogorov-Smirnov test (KS) applied to an interpretable, lower-dimensional data representation. Our results highlight the challenges of measuring covariate, prior probability, and semantic shifts in non-stationary multivariate time series. We observed linear correlation (0.74 an
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: Comprehensive genomic profiling (CGP) is a key strategy in precision medicine for lung cancer, yet its clinical implementation remains limited, partly because of the uncertainty in identifying druggable mutations in individual patients. In this study, we investigated the potential of an artificial intelligence (AI)-based tool to predict the probability of identifying druggable mutations before CGP (pretest probability).
METHODS: We developed an eXtreme Gradient Boosting (XGBoost) prediction model trained on pre-CGP clinical variables from 3,470 patients with lung cancer (June 2019-No
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.
Neuromuscular diseases (NMDs) are rare, progressive, and clinically heterogeneous conditions that pose major challenges for research and data collection. High-quality, interoperable data are essential to advance understanding and support clinical trials, yet current practices remain fragmented. This scoping review, conducted in accordance with PRISMA-ScR guidelines, examines how data are collected and shared in NMD research, with a focus on digital platforms. Searches in Ovid MEDLINE ALL and Ovid Embase identified 4,249 records, of which 110 studies met inclusion criteria. These studies descri
СтатьяScoping ReviewПоиск 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.
Efficiently identifying and retrieving imaging studies to create research cohorts is often hindered by the segregated storage of medical imaging data and radiological reports. To address this, we developed PACScrawler, an open-source tool designed to streamline cohort assembly by enabling efficient search and access to imaging studies across Picture Archiving and Communication Systems (PACS) and Radiology Information Systems (RIS). The system features a backend crawler module that regularly collects DICOM and RIS metadata and radiology reports from newly acquired studies and stores them in a l
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