The human right ventricle is barely monitored during open-chest surgery due to the absence of intraoperative imaging techniques capable of elaborating its complex function. Accordingly, artificial intelligence could not be adopted for this specific task. We recently proposed a video-based approach for the real-time evaluation of the epicardial kinematics to support medical decisions. Here, we employed two supervised machine learning algorithms based on our technique to predict the patients' outcomes before chest closure. Videos of the beating hearts were acquired before and after pulmonary val…
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.
Electropenetrography (EPG) is a powerful tool for quantifying how arthropods interact with their hosts, but manually labeling EPG feeding behavior waveforms is subjective, labor-intensive, and time-consuming. Machine-learning models for supervised classification have achieved widespread success in pattern recognition in scientific contexts and have the potential to automate and standardize waveform labeling. Here, the performance of various common machine learning methods for EPG waveform labeling was compared using a representative dataset of Culex tarsalis EPG waveforms; the top five models
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.
Primary aldosteronism (PA) is associated with an increased risk of cardiometabolic diseases, especially in unilateral subtype. Despite its h … al and 138 patients with bilateral PA were randomly assigned to the training and test cohorts. Four supervised machine learning classifiers; logistic regression, support vector machines, random forests (RF), and gradient boosting decision trees, were used to develop predictive models from 21 clinical variables. The accuracy and the area under the receiver operating character …
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.
INTRODUCTION: Accurate antemortem differentiation among dementia etiologies remains challenging, particularly for atypical or mixed clinical presentations. Multiplexed plasma proteomics paired with supervised machine-learning offers a minimally invasive and accessible approach for differential diagnosis.
METHODS: Plasma from 194 participants was analyzed using the NULISA CNS 120+ plasma biomarker panel. Differentially abundant protein patterns associated with AD, frontotemporal lobar degeneration, Lewy body disease, and vascular disease were identified. These features were used to train super
СтатьяПрепринтПоиск 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: Recent decision rules for the management of febrile infants support the identification of infants at higher risk of serious bacterial infections (SBIs) without the performance of routine lumbar puncture. We derive and validate a model to identify febrile infants ≤60 days of age at low risk for SBIs using supervised machine learning approaches.
METHODS: We conducted a secondary analysis of a multicenter prospective study performed between December 2008 and May 2013 of febrile infants. Our outcome was SBI, (culture-positive urinary tract infection, bacteremia, and/or bacterial menin…
СтатьяМногоцентровое исследованиеПоддержка 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.
BACKGROUND: Machine learning (ML) classifiers are increasingly used for predicting cardiovascular disease (CVD) and related risk factors using omics data, although these outcomes often exhibit categorical nature and class imbalances. However, little is known about which ML classifier, omics data, or upstream dimension reduction strategy has the strongest influence on prediction quality in such settings. Our study aimed to illustrate and compare different machine learning strategies to predict CVD risk factors under different scenarios.
METHODS: We compared the use of six ML classifiers in pre
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.
OBJECTIVE: Achieving effective and robust free-living PD severity assessment with wearable intelligence technologies requires a deep understanding of clinically relevant features, representative activities, and machine learning algorithms.
METHODS: We designed a unified analytic framework (PDWearML) to optimise wearable ML approaches with simple daily activities for fast assessment of PD severity. It comprises annotation criteria, feature importance analysis, representative activity combination, and PD severity assessment. We conducted a 12-month study, developing a supervised PD wearable dat
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: Excessive fructose intake has been linked to adverse metabolic outcomes, yet few studies have comprehensively described the clinical, behavioral, and nutritional patterns associated with different intake levels using machine learning. Methods: In this study, unsupervised and supervised algorithms were applied to a healthy Mexican cohort to examine features related to high fructose consumption, defined as intake above 25 g per day. Results: K-Means clustering identified three distinct profiles, with one subgroup showing less favorable anthropometric, biochemical, and behavioral char
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.
Palaeontology has seen widespread and growing use of machine learning (ML) to classify and analyse large datasets of fossils. However, palaeontology is a challenging field in which to apply ML. Datasets may be small or unlabelled, images may be complex and different from standard datasets and palaeontologists may lack specialist training and access to necessary computational resources. We show how these challenges can be addressed by using recent developments in self-supervised learning (SSL). Using a frozen DINOv3 feature extractor and a simple linear classifier, with reduced data, we can ach
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.
Automatic grading of Gastric Intestinal Metaplasia (GIM) is valuable in assisting the diagnosis of early gastric cancer. Recently, prototypical networks are served as a effective method for medical image processing in few-shot scenarios. However, existing prototypical networks suffer from the following two limitations when applied to GIM grading: 1) Variable camera angles of gastric endoscopes result in diverse sampling granularities of GIM lesions, leading to a multitude of multiscale features. Fully supervised encoders struggle to learn robust multiscale features due to limited labeled endos
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.
Semi-supervised medical image segmentation methods have drawn wide attention as they reduce reliance on heavily annotated data. However, existing models suffer from confirmation bias with limited annotations, and structural or parameter coupling hinders self-correction, especially for medical images with ambiguous boundaries, low contrast and complex backgrounds. To address these issues, we propose an uncertainty-guided decoupling and complementary network (UGDC-Net) for binary medical image segmentation. It uses a contrastive mechanism to filter high-uncertainty regions of sub-networks for av
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.
Four-dimensional magnetic resonance fingerprinting (4DMRF) provides multi-parametric and motion-resolved tissue property quantification, promising to enhance the precision of liver cancer radiotherapy. However, its clinical translation is hindered by prolonged reconstruction time. Deep learning acceleration is fundamentally constrained by the lack of ground-truth 4D data. To this end, we propose SS-4DMRF, the first self-supervised reconstruction framework for 4DMRF, to reconstruct motion-resolved tissue maps without using supervised image labels. SS-4DMRF features a core temporal low-rank-cons
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.
The early diagnosis of retinal disorders is essential in preventing permanent or partial blindness. Identifying these conditions promptly guarantees early treatment and prevents blindness. However, the challenge lies in accurately diagnosing these conditions, especially with limited labeled data. This study aims to enhance the diagnostic accuracy of retinal disorders using a novel Dual-Branch Semi-Supervised Learning (DB-SSL) approach that leverages both labeled and unlabeled data for multi-class classification of eye diseases. Employing Color Fundus Photography (CFP), our research integrates
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.
Uterine smooth muscle tumors (USMTs) are the most common tumors of the female reproductive system, but remain diagnostically challenging due to morphological overlap among leiomyosarcoma (LMS), various leiomyoma (LM) subtypes, and smooth muscle tumors of uncertain malignant potential (STUMP). This study aimed to develop a weakly supervised artificial intelligence (AI) model for classifying USMTs as benign or malignant using only slide-level labels. A multi-center dataset comprising 94 LMS cases (408 whole-slide images, WSIs) and 634 benign cases (1389 WSIs) was used for model training and inte
СтатьяМногоцентровое исследованиеПоиск 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.
Normal Pressure Hydrocephalus (NPH) presents diagnostic challenges because its symptoms often overlap with other neurological conditions. A key radiological NPH indicator is ventricular cerebrospinal fluid (CSF) volume, assessed by neuroradiologists through brain imaging. However, expert availability is limited, highlighting the need for automated tools to assist in patient screening. While automated segmentation tools and pre-trained deep models have been used to estimate CSF volume for NPH diagnosis, they struggle to generalize to new datasets. This is partly due to their heavily reliance on
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.
We examined a model of psychopathology variables, age and sex as correlates of problematic smartphone use (PSU) severity using supervised machine learning in a sample of Chinese undergraduate students. A sample of 1097 participants completed measures querying demographics, and psychological measures of PSU, depression and anxiety symptoms, fear of missing out (FOMO), and rumination. We used several different machine learning algorithms to train our statistical model of age, sex and the psychological variables in modeling PSU severity, trained using many simulated replications on a random subse…
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.
There has been a growth in the design and use of power assist devices for manual wheelchairs (MWCs) to alleviate the physical load of MWC use. A pushrim-activated power-assisted wheel (PAPAW) is an example of a power assist device that replaces the conventional wheel of a MWC. Although the use of PAPAWs provides some benefits to MWC users, it can also cause difficulties in maneuvering the wheelchair. In this research, we examined the characteristics of wheelchair propulsion when using manual and powered wheels. We used the left and right wheels' angular velocity to calculate the linear and ang
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.
Portal hypertension (PHT) is a key event in the evolution of different chronic liver diseases and leads to the morbidity and mortality of patients. The traditional reliable PHT evaluation method is a hepatic venous pressure gradient (HVPG) measurement, which is invasive and not always available or acceptable to patients. The HVPG measurement is relatively expensive and depends on the experience of the physician. There are many potential noninvasive methods to predict PHT, of which liver transient elastography is determined to be the most accurate; however, even transient elastography lacks 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.
The objective of this study was to develop a predictive model using supervised machine learning to determine sex based on the dimensions of the hyoid bone. Lateral cephalometric radiographs of 495 patients were analyzed, collecting the horizontal and vertical dimensions of the hyoid bone, as well as the distance from the hyoid to the mandible. The following algorithms were trained: Logistic Regression, Gradient Boosting Classifier, K-Nearest Neighbors (KNN), Support Vector Machine (SVM), Multilayer Perceptron Classifier (MLP), Decision Tree, AdaBoost Classifier, and Random Forest Classifier. 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 segmentation of brain MRI images is essential for early diagnosis and prevention of brain tumors and strokes. However, it is challenging due to data scarcity, domain shift, complexity, and blurred edges. Recent methods use mean-teacher model learning for the semantic details of an individual image based on the efficiency of teacher architecture. However, to enhance the segmentation in brain MRI, the paper introduces SemS4, a semi-supervised method on the basis of cross-image architecture. SemS4 uses a single architecture integrating an Edge Prototype Attention (EPA) and a foreground p
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