General-purpose multimodal artificial intelligence (AI) models can interpret radiographs through natural-language prompts, but their quantitative agreement and anatomical traceability in adolescent idiopathic scoliosis remain uncertain. We compared GPT-5.1 and Gemini 3.1 Pro with a joint expert-consensus reference on 125 anonymized standing coronal whole-spine radiographs. Each model evaluated each image once in an independent chat session using the same standardized prompt; only the first response was retained. Outcomes included single-measure absolute-agreement intraclass correlation coeffic
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.
Histopathology-based cancer diagnosis is crucial for early detection and timely therapeutic intervention. However, most deep learning methods for histopathological image classification are mainly optimized as prediction models, with limited consideration of clinical diagnostic workflows. In routine practice, pathologists usually follow a sequential reasoning process: coarse assessment of possible abnormalities, detailed inspection of suspicious regions, and consultation-based reasoning to reduce uncertainty. To provide more reliable and interpretable decision support for histopathology-based c
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.
Blockchain (BC) may transform the future of medical systems through reliable storage of medical records and controlled data access, minimizing the risk of large-scale breaches and boosting trust in information exchange. On the flip side, deep learning (DL) is set to revolutionize healthcare diagnostics by quickly and accurately identifying diseases, predicting outcomes, improving health outcomes, reducing costs, and reducing clinicians' workload. An optimized encryption with a blockchain based-deep learning approach is emphasized in this manuscript for effective data sharing and classifying br
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.
AIM: To map artificial intelligence (AI) systems developed for triage in primary care and describe their characteristics, performance and clinical applicability.
METHODS: A scoping review was conducted in accordance with PRISMA-ScR. PubMed, MEDLINE (via Ovid), Embase, Web of Science, CINAHL (via EBSCOhost), IEEE Xplore and the ACM Digital Library were searched until March 14th 2026. Two reviewers independently screened studies and extracted data on system characteristics, triage function, performance, validation, safety, equity and implementation. Each system was charted by triage function an
СтатьяОбзорПолный 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: Digital tools for pharmacovigilance (PV) have been widely promoted to strengthen adverse drug reaction (ADR) reporting in low- and middle-income countries (LMICs). Despite growing evidence on the implementation of digital pharmacovigilance tools, limited evidence has examined the factors influencing their institutionalization in LMICs. This scoping review examines the institutionalization of digital PV tools in LMICs and identifies factors shaping their long-term integration.
METHODS: A scoping review was conducted following PRISMA-ScR guidelines. 2 reviewers independently screene
СтатьяОбзорПолный 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.
Oral squamous cell carcinoma (OSCC) is the most prevalent oral malignancy, with delayed diagnosis contributing to poor survival. Deep learning has shown promise for histopathological detection of OSCC, but reported performance is frequently based on single-source datasets, with limited external validation and variable annotation quality. Our study was to compare representative CNN and transformer architectures for histopathological OSCC classification and assess their generalizability under external domain shift. A total of 10,817 H&E-stained image patches from 114 patients were classified as
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.
Accurate preoperative classification of pulmonary nodules (PNs) is important for clinical decision-making and avoiding overtreatment. However, marked heterogeneity among pathological subtypes limits the performance of conventional single-model classification approaches. This study aimed to develop and validate an expert committee-driven adaptive framework based on AI-derived quantitative CT features for differentiating four clinically relevant PN subtypes: atypical adenomatous hyperplasia and adenocarcinoma in situ (AAH + AIS), minimally invasive adenocarcinoma (MIA), invasive adenocarcinoma (
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.
Preoperative molecular subtyping of breast cancer is essential for treatment selection and prognosis assessment, yet most deep learning approaches formulate subtype prediction as a conventional flat multi-class task without reflecting the sequential clinical decision process. We developed HCF-Net, a hierarchical cascade fusion network that decomposes subtype prediction into three clinically aligned binary decision nodes and integrates multiphase DCE-MRI with clinicoradiologic information. The model was retrospectively developed and validated using a dual-center cohort of 373 women who underwen
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.
Habitat radiomics characterizes texture within tumor subregions but discards the spatial relationships between them. We developed a landscape-ecology-inspired framework quantifying inter-habitat spatial structure on DCE-MRI, evaluated its complementary value alongside within-habitat radiomics, and compared early versus late fusion, using axillary lymph node metastasis (ALNM) prediction as the evaluation task. In this multicenter retrospective study, 284 patients from one center were randomly split into training (n = 198) and validation (n = 86) cohorts, with 120 patients from an independent in
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: Pancreatic ductal adenocarcinoma (PDAC) has high rates of early recurrence (ER), occult metastasis, and poor survival despite curative-intent therapy. Predictive factors and models span clinical, biomarker, imaging, radiomics, pathologic, and molecular domains, but clinical readiness remains uncertain.
METHODS: We performed a systematic review in accordance with Preferred Reporting Items for Systematic Reviews and Meta-Analyses. Five databases were searched for studies evaluating predictors or models of PDAC recurrence, metastasis, lymph node metastasis (LNM), occult metastatic disea
СтатьяСистематический обзорОбзорПолный 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: Empowering and activating patients by means of digital tools is associated with increased utilization of health care services and reduced health care costs. The aim of this study was to assess the ability patients with cancer have to use digital tools and digitally mediated health information by means of the eHealth Literacy Questionnaire (eHLQ) survey tool.
METHODS: This quantitative cross-sectional study included patients from three outpatient oncology departments in Central Norway between July 2023 and February 2024. Eligible participants were 18 years or older, currently or recen
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.
Despite numerous deep learning models reporting high accuracy for oral cancer classification, most rely on a single train/test split on a single dataset, with limited statistical validation, external generalization testing, or explainability. This study addresses that gap through a statistically validated, externally tested, and dual-explainable classification framework. We provide a rigorous benchmarking study contrasting 20 hybrid combinations (4 pre-trained backbones × 5 classical classifiers) against fine-tuned end-to-end CNNs. Across repeated stratified fivefold cross-validation with 10 r
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.
Accurate brain tumor segmentation requires extensive voxel-wise annotations, making fully supervised training costly and time-consuming. Weak supervision alleviates this burden but often suffers from limited accuracy. To improve label efficiency, we propose DPS-SSL: Differentiable Policy Selection Self-Supervised Learning, a gradient-based, differentiable policy selection framework for weakly supervised 3D tumor segmentation within a self-supervised multi-task learning setting. Instead of relying on fixed pretext tasks, our method learns (end-to-end) which combinations of auxiliary self-superv
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.
Radiology reports are ubiquitously formatted as plain text even though interactive multimedia reporting technology (IMR) is capable of enriching reports. To evaluate long-term adoption rates and radiologists' clinical experiences with IMR, we reviewed the last 1 year of diagnostic reports (n = 382,508), 5 years after IMR implementation, for the presence of hyperlinks. An anonymous survey about IMR was built in Qualtrics and distributed to radiologists (n = 128). Results include the following: (1) Last 12-month % of reports containing hyperlinks to imaging findings varied by modality and subspe
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 classification of lung cancer subtypes from histopathological images remains a challenging problem for deep learning models due to the limited amount of data and the intraclass morphological diversity. In this study, the impact of synthetic histopathology images generated solely from training images on classification performance was investigated within the integrated multistage QCL-DiffSynTrans framework on the LungHist700 dataset. In synthetic data generation, the Stable Diffusion model, class-specific LoRA adaptations, and the image-to-image generation approach were used. To enhance colo
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: Infectious diseases remain a major cause of global morbidity and mortality, with machine learning (ML) emerging as a promising approach for risk prediction. However, the heterogeneity of ML applications across diseases, algorithms, and validation practices impedes evidence synthesis and identification of best practices.
OBJECTIVE: This scoping review aims to systematically map the application of ML algorithms for infectious disease risk prediction, describe disease targets, study populations, data sources, performance metrics, and identify methodological strengths, limitations, an
СтатьяОбзорПолный 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.
General-purpose multimodal artificial intelligence (AI) systems can interpret medical images, but their spatial precision for procedural ultrasound has not been well characterized. This prospective image-based agreement study quantitatively evaluated target regions generated by GPT-4.5 on 100 pre-procedural ultrasound images for interscalene, supraclavicular, femoral, and popliteal sciatic nerve blocks. Three experienced anesthesiologists independently delineated target regions, and a consensus region served as the reference standard. Each image was assessed by the AI system in three separate
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.
Radiomic features may discriminate outcomes without identifying the image property responsible for that discrimination. We evaluated a patient-specific surrogate framework that tests feature responses to explicitly defined image modifications and diagnoses limitations of the surrogate procedure itself. Four public brain tumor magnetic resonance imaging collections contributed 1699 studies passing initial quality control. Core validation used smaller subsets, including 40 depth-stratified control evaluations from 38 glioma subjects, alongside a constructive counterexample and Gaussian-null diag
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 develop a multi-task deep learning model using preoperative tumor ultrasound (US) and C6-level adipose tissue CT images to predict cervical lymph node metastases (LNM) at different anatomical sites in papillary thyroid carcinoma (PTC) patients.
MATERIALS AND METHODS: This retrospective study included 620 pathologically confirmed PTC patients from two medical centers. Independent predictors of central compartment (CLNM) and lateral compartment (LLNM) metastasis were identified through logistic regression, and key clinical variables were extracted. A multi-task feature interaction n
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