PURPOSE: Deep vein thrombosis (DVT) is a prevalent and life-threatening complication in the Intensive Care Unit (ICU). Traditional risk tools often lack specificity for ICU acquired DVT. This study aimed to develop and externally validate an interpretable machine learning (ML) model for accurate DVT risk prediction in critically ill patients.
METHODS: This multicenter retrospective study included 2000 patients from two centers, partitioned into training, internal testing, and external validation sets. LASSO regression and the Boruta algorithm identified robust predictors. Eight ML algorithms
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.
Accurate air quality predictions are vital for environmental management and public health, especially in urban areas facing rising pollution levels. This study investigates the potential of hybrid machine learning models based on Multilayer Perceptron neural networks, optimized using three nature-inspired metaheuristic algorithms: Optics-Inspired Optimization, Biogeography-Based Optimization, and the Multiverse Optimizer. The aim is to enhance the prediction of key air quality indicators, carbon monoxide, ozone, nitrogen dioxide, sulfur dioxide, and the Air Quality Index, using long-term air q
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.
OBJECTIVE: To screen immune-related biomarkers in diagnosing patients with both endometriosis (EM) and systemic lupus erythematosus (SLE).
METHODS: After performing differential expression analysis, immune infiltration analysis, WGCNA, the immune-related genes in EM and SLE were screened. Then the diagnostic genes were identified by three machine learning algorithms, followed by evaluation of the predictive performance of the diagnostic genes by nomogram and ROC curve. Then the correlation between diagnostic genes and immune cells, TFs, GSEA, and potential drugs prediction analyses were perfo
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.
Nanozymes hold great promise in point-of-care (POC) diagnostics. However, their lower catalytic activity has significantly limited their clinical applications. In this study, we report a surface engineering strategy based on charge-transfer ligand modulation to develop a trimetallic nanozyme (D-PtPdOs) with superior peroxidase-like activity, and integrate it with machine learning (ML) algorithms to enable ultrasensitive and intelligent detection of Pseudomonas aeruginosa (P. aeruginosa) in immunoassay platforms. By leveraging ligand-induced charge transfer, we precisely tuned the surface elect
СтатьяПоддержка исследования: вне правительства СШАПолный текст не найденПеревод 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.
Cardiac myosin-binding protein C (cMyBP-C) is a cardiac-restricted sarcomeric protein; after cardiomyocyte injury, circulating intact cMyBP-C and/or cMyBP-C fragments, collectively referred to here as the cMyC biomarker signal, appear rapidly in blood. In suspected acute coronary syndrome (ACS), its most important potential role is not as another marker of injury but as a decision-enhancing biomarker beyond symptoms, electrocardiography, cardiac troponin T and I concentrations measured with high-sensitivity assays (hs-cTnT and hs-cTnI), time from pain onset, and pre-test probability. This narr
СтатьяОбзорПолный текст не найденПеревод 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.
BACKGRUOUND: This study aimed to evaluate the applicability of deep learning technology to thyroid ultrasound images for classification of thyroid nodules.
METHODS: This retrospective analysis included ultrasound images of patients with thyroid nodules investigated by fine-needle aspiration at the thyroid clinic of a single center from April 2010 to September 2012. Thyroid nodules with cytopathologic results of Bethesda category V (suspicious for malignancy) or VI (malignant) were defined as thyroid cancer. Multiple deep learning algorithms based on convolutional neural networks (CNNs) -ResNe
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.
Mycophenolic acid (MPA) is commonly used to treat autoimmune diseases in children, and therapeutic drug monitoring is recommended to ensure adequate drug exposure. However, multiple blood sampling is required to calculate the area under the plasma concentration-time curve (AUC), causing patient discomfort and waste of human and financial resources. This study aims to use machine learning and deep learning algorithms to develop a prediction model of MPA exposure for pediatric autoimmune diseases with optimizing sampling frequency. Pediatric autoimmune patients' data were collected at Nanfang Ho
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.
Predicting essential oil yield in supercritical CO2 (SC-CO2) extraction remains difficult due to variations in plant composition and process conditions. Conventional models often assume uniform feedstock behavior, which limits their applicability across diverse species. This study develops machine learning models that integrate extraction parameters with principal component analysis (PCA)-based molecular descriptors representing the seven major compounds of each essential oil source. A data set of 1313 experimental records from 42 plant species was compiled to train three algorithms: LightGBM
СтатьяПоддержка исследования: вне правительства СШАПолный текст не найденПеревод 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: Metabolic-bariatric surgery (MBS) is the last effective way to lose weight whom around half of the patients are women of reproductive age. It is recommended an interval of 12 months between surgery and pregnancy to optimize weight loss and nutritional status. Predicting pregnancy up to 12 months after MBS is important for evaluating reproductive health services in bariatric centers; therefore, this study aimed to present a prediction model for pregnancy at the first year following MBS using machine learning (ML) algorithms.
METHODS: In a nested case-control study of 473 women with
СтатьяВалидационное исследованиеПолный текст не найденПеревод 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: Predicting hematoma progression in traumatic brain injury (TBI) is crucial for timely interventions and effective clinical management, as unchecked hematoma growth can lead to rapid neurological deterioration, increased intracranial pressure, and poor patient outcomes. Accurate risk assessment enables proactive therapeutic strategies, minimizing secondary brain damage and improving survival rates.
METHODS: This study evaluated to assess the performance of artificial intelligence (AI) algorithms, including machine learning (ML) and deep learning (DL), in forecasting risk of hematom
СтатьяСистематический обзорМетаанализПоиск 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.
Study DesignRetrospective case-control study.ObjectivesTo identify risk factors for proximal junctional kyphosis (PJK) after long-segment fusion in adult degenerative scoliosis (ADS) and to develop a machine learning-based prediction model with external validation.MethodsWe retrospectively analyzed 142 ADS patients from two institutions undergoing posterior long-segment fusion with ≥24 months follow-up. Patients from center A (n = 105) formed the training cohort, and those from center B (n = 37) served as the external validation cohort. Demographic, radiographic, and surgical parameters were c
СтатьяПолный текст не найденПеревод 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: To compare the performance of cervical texture analysis with sonographic cervical length when predicting risk of preterm birth in mid-trimester.
METHODS: A single-centre, double-blinded, case-control study was performed including singleton pregnancies with spontaneous vaginal delivery. Cases were considered women with preterm delivery before 37 weeks of gestation and controls were those with term delivery at 37 weeks or more. Ultrasound transvaginal images of the cervix obtained at routine mid-trimester scan were retrospectively analysed. For texture analysis, a specific software b
СтатьяПолный текст не найденПеревод 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: Dental implant treatment planning requires assessing extraction socket healing, yet current methods face challenges distinguishing soft tissue from woven bone on cone beam computed tomography (CBCT) imaging and lack standardized classification systems. In this study, we propose a hierarchical multilabel classification model for CBCT-based extraction socket healing assessment.
METHODS: We established a novel classification system dividing extraction socket healing status into two levels: Level 1 distinguishes physiological healing (Type I) from pathological healing (Type II); Level
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: Keratoconus is a commonly progressive and blinding corneal disorder. Iron metabolism and oxidative stress play crucial roles in both keratoconus and ferroptosis. However, the association between keratoconus and ferroptosis is currently unclear. This study aimed to analyze and verify the role of ferroptosis-related genes (FRGs) in the pathogenesis of keratoconus through bioinformatics.
METHODS: We first obtained keratoconus-related datasets and FRGs. Then, the differentially expressed FRGs (DE-FRGs) associated with keratoconus were screened through analysis, followed by analysis of
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.
PURPOSE: Uncertainty estimation has gained significant attention in recent years for its potential to enhance the performance of deep learning (DL) algorithms in medical applications and even potentially address domain shift challenges. However, it is not straightforward to incorporate uncertainty estimation with a DL system to achieve a tangible positive effect. The objective of our work is to evaluate if the proposed spatial uncertainty aggregation (SUA) framework may improve the effectiveness of uncertainty estimation in segmentation tasks. We evaluate if SUA boosts the observed correlation
СтатьяПолный текст не найденПеревод 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: Generative Adversarial Networks (GANs) are a class of artificial neural networks capable of generating content such as images, text, and sound. For several years already, artificial intelligence algorithms have shown promise as tools in the medical field, particularly in oncology. Generative Adversarial Networks (GANs) represent a new frontier of innovation, as they are revolutionizing artificial content generation, opening opportunities in artificial intelligence and deep learning. Purpose: This systematic review aims to investigate what the stage of development of such technology
СтатьяОбзорПоиск 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: The challenge of irregular temporal data, which is particularly prominent for medication use in the critically ill, limits the performance of predictive models. The purpose of this evaluation was to pilot test integrating synthetic data within an existing dataset of complex medication data to improve machine learning model prediction of fluid overload.
MATERIALS AND METHODS: This retrospective cohort study evaluated patients admitted to an ICU ≥ 72 hours. Four machine learning algorithms to predict fluid overload after 48-72 hours of ICU admission were developed using the original
ПрепринтСтатьяПоиск 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.
Hypertrophic scar (HS) is a chronic inflammatory skin disorder characterized by excessive deposition of extracellular matrix, and the mechanisms underlying their formation remain poorly understood. We analysed scRNA-seq data from samples of normal skin and HS. Using the hdWGCNA method, key gene modules of fibroblasts in HS were identified. Non-negative matrix factorization was employed to perform subtype analysis of HS patients using these gene modules. Multiple machine learning algorithms were applied to screen and validate accurate gene signatures for identifying and predicting HS, and a con
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.
Craniosynostosis is characterised by the premature fusion of one or more cranial sutures, resulting in an abnormal head shape. The management of craniosynostosis requires early diagnosis, surgical intervention, and long-term monitoring. With the advancements in artificial intelligence (AI) technologies, there is great potential for AI to assist in various aspects of managing craniosynostosis. The main aim of this article is to review available literature describing the current uses of AI in craniosynostosis. The main applications highlighted include diagnosis, surgical planning, and outcome pr
СтатьяОбзорПолный текст не найденПеревод 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: This study was aimed to identify key ferroptosis-related biomarkers in steroid-induced osteonecrosis of the femoral head (SONFH) based on machine learning algorithm.
METHODS: The SONFH dataset GSE123568 (including 30 SONFH patients and 10 controls) was used in this study. The differentially expressed genes (DEGs) were selected between SONFH and control groups, which were subjected to WGCNA. Ferroptosis-related genes were downloaded from FerrDb V2, which were then compared with DEGs and module genes. Two machine learning algorithms were utilized to identify key ferroptosis-related
СтатьяПолный текст не найденПеревод 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.
MedElevator
Войти в исследования