This study incorporated deep learning for periodontal disease detection into a Bayesian network (BN) clinical decision support model for comprehensive periodontal care. BN structure and probabilities were based on clinical data and Faster R-CNN-detected radiographic images. Receiver operating characteristic curve analysis confirmed the model's high accuracy in treatment plan 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.
OBJECTIVE: This study aimed to design and systematically evaluate an architecture, proposed as the Explainable Mandibular Third Molar Convolutional Neural Network (E-mTMCNN), for detecting the presence of mandibular third molars (m-M3) in panoramic radiography (PR). The proposed architecture seeks to enhance the accuracy of early detection and improve clinical decision-making and treatment planning in dentistry.
METHODS: A new dataset, named the Mandibular Third Molar (m-TM) dataset, was developed through expert labeling of raw PR images from the UESB dataset. This dataset was subsequently ma
СтатьяПоддержка 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.
D1ental caries remains the most common chronic disease in childhood, affecting almost half of all children globally. Dental care and examination of children living in remote and rural areas is an ongoing challenge that has been compounded by COVID. The development of a validated system with the capacity to screen large numbers of children with some degree of automation has the potential to facilitate remote dental screening at low costs. In this study, we aim to develop and validate a deep learning system for the assessment of dental caries using color dental photos. Three state-of-the-art dee
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.
This study aimed to create a caries classification scheme based on cone-beam computed tomography (CBCT) and develop two deep learning models to improve caries classification accuracy. A total of 2713 axial slices were obtained from CBCT images of 204 carious teeth. Both classification models were trained and tested using the same pretrained classification networks on the dataset, including ResNet50_vd, MobileNetV3_large_ssld, and ResNet50_vd_ssld. The first model was used directly to classify the original images (direct classification model). The second model incorporated a presegmentation ste
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.
OBJECTIVES: Technology-related prescribing errors curtail the positive impacts of computerised provider order entry (CPOE) on medication safety. Understanding how technology-related errors (TREs) occur can inform CPOE optimisation. Previously, we developed a classification of the underlying mechanisms of TREs using prescribing error data from two adult hospitals. Our objective was to update the classification using paediatric prescribing error data and to assess the reliability with which reviewers could independently apply the classification.
MATERIALS AND METHODS: Using data on 1696 prescri
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.
To systematically identify radiomics features on CT enterography (CTE) scans which can accurately diagnose active Crohn's disease across multiple sources of variation. Retrospective study of CTE scans curated between 2013 and 2015, comprising 164 subjects (65 male, 99 female; all patients were over the age of 18) with endoscopic confirmation for the presence or absence of active Crohn's disease. All patients had three distinct sets of scans available (full and reduced dose, where the latter had been reconstructed via two different methods), acquired on a single scanner at a single institution.
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 symbiotic relationship between healthy hospital design and infection prevention and control (IPC) is crucial to developing a safe healthcare environment. Collaborative efforts in mitigating the risk of hospital-acquired infections (HAIs) are needed and will decrease morbidity, mortality rates, and costs. HAIs not only impact patient health but also tarnish the reputation of healthcare institutions. This paper delves into the distinctions between exogenous-derived and endogenous-derived HAIs, elucidating their sources, transmission mechanisms, and preventive strategies. Exogenous-derived HA
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.
Parkinson's disease management requires accurate clinical scores but suffers from missing data. Leveraging self-supervised learning, we demonstrate superior generalization capabilities across populations compared to other well-established imputation techniques (MIWAE, MissForest, MICE). With the ability to employ the method already during the data collection and not afterward, the technology allows more robust data collection in clinical reality.
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.
This study aimed to identify sex-specific imaging biomarkers for Parkinson's disease (PD) based on multiple MRI morphological features by using machine learning methods. Participants were categorized into female and male subgroups, and various structural morphological features were extracted. An ensemble Lasso (EnLasso) method was employed to identify a stable optimal feature subset for each sex-based subgroup. Eight typical classifiers were adopted to construct classification models for PD and HC, respectively, to validate whether models specific to sex subgroups could bolster the precision o
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 increasing prevalence of neurodegenerative diseases has recently heightened interest in research on early diagnosis of these diseases. Parkinson's disease (PD), among the most prominent of these conditions, is a neurological disorder causing the loss of nerve cells and significantly affecting movement control. Detection of PD in early stages is of critical importance to prevent the progression of the disease and improve treatment processes. The aim of the current study is to develop a deep learning model that can perform accurate classification for early diagnosis of PD from MRI images. In
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.
Amyloid plaques, implicated in Alzheimer's disease, exhibit a spatial propagation pattern through interconnected brain regions, suggesting network-driven dissemination. This study utilizes PET imaging to investigate these brain connections and introduces an innovative method for analyzing the amyloid network. A modified version of a previously established method is applied to explore distinctive patterns of connectivity alterations across cognitive performance domains. PET images illustrate differences in amyloid accumulation, complemented by quantitative network indices. The normal control gr
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.
OBJECTIVE: Deep brain stimulation (DBS) is a surgical technique that alleviates motor symptoms in Parkinson's disease. Surgically implanted microelectrodes stimulate the basal ganglia to improve patients' symptoms. One of the training challenges for neurophysiologists is to identify during surgery the target area of the brain in which the electrodes must be implanted. Identification is based both on visual and auditory inspection of the microelectrode recordings (MERs) as they are lowered through the basal ganglia. We present the preliminary evaluation of DBSTrainer, a novel desktop applicatio
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.
Magnetic resonance imaging (MRI) occupies a pivotal position within contemporary diagnostic imaging modalities, offering non-invasive and radiation-free scanning. Despite its significance, MRI's principal limitation is the protracted data acquisition time, which hampers broader practical application. Promising deep learning (DL) methods for undersampled magnetic resonance (MR) image reconstruction outperform the traditional approaches in terms of speed and image quality. However, the intricate inter-coil correlations have been insufficiently addressed, leading to an underexploitation of the ri
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.
BACKGROUND: Medical Imaging and radiotherapy (MIRT) are at the forefront of artificial intelligence applications. The exponential increase of these applications has made governance frameworks necessary to uphold safe and effective clinical adoption. There is little information about how healthcare practitioners in MIRT in the UK use AI tools, their governance and associated challenges, opportunities and priorities for the future.
METHODS: This cross-sectional survey was open from November to December 2022 to MIRT professionals who had knowledge or made use of AI tools, as an attempt to map ou
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: Identifying cancer symptoms in electronic health record (EHR) narratives is feasible with natural language processing (NLP). However, more efficient NLP systems are needed to detect various symptoms and distinguish observed symptoms from negated symptoms and medication-related side effects. We evaluated the accuracy of NLP in (1) detecting 14 symptom groups (ie, pain, fatigue, swelling, depressed mood, anxiety, nausea/vomiting, pruritus, headache, shortness of breath, constipation, numbness/tingling, decreased appetite, impaired memory, disturbed sleep) and (2) distinguishing observed
СтатьяПоддержка NIH: внешняя программаПоддержка 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.
BACKGROUND: Intradialytic hypotension (IDH) is one of the most common and critical complications of hemodialysis. Despite many proven factors associated with IDH, accurately predicting it before it occurs for individual patients during dialysis sessions remains a challenge.
PURPOSE: To establish artificial intelligence (AI) predictive models for IDH, which consider risk factors from previous and ongoing dialysis to optimize model performance. We then implement a novel digital dashboard with the best model for continuous monitoring of patients' status undergoing hemodialysis. The AI dashboard
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 quality of radiotherapy auto-segmentation training data, primarily derived from clinician observers, is of utmost importance. However, the factors influencing the quality of clinician-derived segmentations are poorly understood; our study aims to quantify these factors.
METHODS: Organ at risk (OAR) and tumor-related segmentations provided by radiation oncologists from the Contouring Collaborative for Consensus in Radiation Oncology data set were used. Segmentations were derived from five disease sites: breast, sarcoma, head and neck (H&N), gynecologic (GYN), and GI. Segmentation
СтатьяПоддержка правительства СШАПоддержка NIH: внешняя программаПоддержка 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.
PURPOSE: Prostate cancer (PCa) represents a highly heterogeneous disease that requires tools to assess oncologic risk and guide patient management and treatment planning. Current models are based on various clinical and pathologic parameters including Gleason grading, which suffers from a high interobserver variability. In this study, we determine whether objective machine learning (ML)-driven histopathology image analysis would aid us in better risk stratification of PCa.
MATERIALS AND METHODS: We propose a deep learning, histopathology image-based risk stratification model that combines cli
СтатьяПоддержка 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.
Periapical index (PAI) scoring system is the most popular index for evaluating apical periodontitis (AP) on radiographs. It provides an ordinal scale of 1 to 5, ranging from healthy to severe AP. Scoring PAI is a time-consuming process and requires experienced dentists; thus, deep learning has been applied to hasten the process. However, most models failed to score the early stage of AP or the score 2 accurately since it shares very similar characteristics with its adjacent scores. In this study, we developed and compared binary classification methods for PAI scores which were normality classi
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: Toxicity to systemic cancer treatment represents a major anxiety for patients and a challenge to treatment plans. We aimed to develop machine learning algorithms for the upfront prediction of an individual's risk of experiencing treatment-relevant toxicity during the course of treatment.
METHODS: Clinical records were retrieved from a single-center, consecutive cohort of patients who underwent neoadjuvant treatment for early breast cancer. We developed and validated machine learning algorithms to predict grade 3 or 4 toxicity (anemia, neutropenia, deviation of liver enzymes, nephroto
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.
MedElevator
Войти в исследования