The purpose of this study is to validate a deep learning-based vision transformer for automated quantification and segmentation of abdominal adipose tissue from T1-weighted MRI. This study included abdominal T1 MRI volumes from 107 participants (mean age, 49.9 years; 35 males, 72 females; BMI range, 18.2-49.6) who were midlife adults enrolled in a prospective study assessing the link between abdominal adiposity and biomarkers of dementia. For each abdominal image, visceral and subcutaneous adipose tissues were annotated by an expert reader as the ground truth. Inter- and intra-reader reliabili
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: Cancer recurrence is a critical outcome for patients and physicians. Retrospective cancer recurrence data can evaluate recurrence-directed treatment and generate novel interventions targeting recurrent cancers. However, large cancer databases do not provide recurrence-related information, stymying study at scale, and consequently require significant manual record review. Automated evaluation of records may allow for the rapid generation of easily analyzed data sets, accelerating the evaluation of recurrence altogether.
METHODS: Patients treated with radiation therapy at one tertiary
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: Artificial intelligence (AI) is increasingly used in dental imaging for automated interpretation of dental images and as a clinical decision-support system. Although reported diagnostic accuracies are high, limited attention has been paid to bias, fairness, and equity within such AI-enabled dental systems. In this review, bias refers to systematic errors arising from non-representative or imbalanced training or test datasets; fairness refers to consistent and equitable AI model performance across diverse population groups; and equity refers to the provision of comparable diagnostic
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.
Advancements in large language models have increased the use of AI-generated content in nursing education; however, concerns remain regarding the reliability and quality of such outputs. This study aimed to evaluate the reliability and quality of nursing care plans generated by ChatGPT-5 and to compare them with those previously produced using ChatGPT-3.5. This methodological follow-up study used a descriptive and comparative design. Forty nursing diagnoses previously analyzed in 2023 were re-evaluated using ChatGPT-5 to ensure methodological continuity. Generated care plans were assessed usin
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: Pneumonia is a common critical illness in the intensive care unit (ICU), and a subset of patients rapidly progresses to respiratory failure requiring invasive mechanical ventilation (IMV). Current decisions often rely on fragmented clinical indicators, highlighting the need for integrated, data-driven tools for early risk assessment.
METHODS: We conducted a retrospective cohort study using the Medical Information Mart for Intensive Care Ⅳ (MIMIC-Ⅳ) database as the development cohort. The cohort was randomly split into training (80%) and test (20%) sets. Candidate predictors at ICU
СтатьяВалидационное исследованиеПоиск 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 proposes a novel Dynamic Decision Support System (DDSS) framework aimed at enhancing countries' pandemic preparedness through robust forecasting and adaptive clustering analysis of Coronavirus Disease 2019 (COVID-19) data. The forecasting module integrates multiple Machine Learning (ML) models with a recursive error-adjustment mechanism that significantly improves long-term prediction accuracy of cumulative COVID-19 cases compared to conventional time series models such as Autoregressive Integrated Moving Average (ARIMA), Error Trend Seasonality (ETS), and Long Short-Term Memory (LS
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: Iodinated contrast media (ICM) used in contrast-enhanced CT (CECT) examinations may induce acute adverse reactions (AAR) with different severity. To improve upon traditional linear risk assessments, this study aims to develop and validate a machine learning (ML)-based predictive model for ICM-AAR using routinely available clinical factors from a large-scale real-world cohort.
METHODS: Five ML models including Logistic Regression, Random Forest, XGBoost, CatBoost and LightGBM were trained and validated on a retrospective cohort of 332,090 patients who underwent CECT scans between 2
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: Non-operative management (NOM) with antibiotics is increasingly used for imaging-confirmed uncomplicated acute appendicitis (AA), but appropriate selection remains clinically delicate-especially in "gray-zone" scenarios such as appendicolith, older age, or borderline imaging findings. As large language models (LLMs) are increasingly queried for clinical guidance by both patients and clinicians, their reliability in distinguishing NOM candidates from patients requiring urgent operative care warrants formal evaluation. This question is clinically relevant not only for academic benchm
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 address the limited availability of genetic testing, this study aimed to develop lumbar MRI-radiomics models to predict International Staging System/Revised International Staging System (ISS/R-ISS) stages in newly diagnosed multiple myeloma (ndMM). This two-center retrospective study analyzed 164 ndMM patients. Radiomics models were developed based on single or dual sequence multi-mobility features from T1-weighted imaging (T1-WI) and T2-weighted fat-suppressed (T2-FS) images. A clinical model was also constructed as the baseline for comparison. A fusion model combining optimal radiomics fe
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.
Post hoc attribution is the standard transparency layer for deep learning in imaging decision support, yet its two dominant families capture conflicting evidence: activation maps are spatially coherent but coarse, while gradient-based attributions are precise but unstable. Gradient-weighted activation maps also show localisation quality that scales with lesion size, so explanation reliability degrades for the smallest lesions. We address both problems with Evidential Dempster-Shafer Fusion (EDSF), which combines an activation-based spatial prior with voxel-level path-integral attributions insi
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.
Hypomimia, a reduced facial expressiveness in Parkinson's disease, is clinically relevant yet difficult to rate consistently. We evaluated the usability of CAPtion, an iOS application that supports standardized, session-based retrospective hypomimia ratings from camera-based facial recordings, enabling structured scoring across multiple independent raters. Six Parkinson's specialists completed one predefined rating session and subsequently filled out the System Usability Scale. It achieved a mean SUS score of 91.7 (±6.8), indicating excellent usability and suitability for scaling to larger int
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 disease (PD) entails progressive motor and non-motor symptoms that reduce quality of life for people with PD (PwPD) and increase caregiver burden. Static functionalities of current assistive systems (AS) are poorly aligned with changing needs. Pro-adaptive AS using digital twins appear to address these problems. This study sought to identify PD-specific requirement clusters, derive user-centered key requirements, and assess their technical feasibility and availability to inform development of adaptive AS. We compiled relevant needs from ICD-10, scientific literature and German care-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.
PURPOSE: Pediatric ALL, the most common childhood cancer, requires complex, multiyear treatment. Most treatment occurs in the outpatient setting, and families must manage and administer chemotherapy and supportive care medications at home. Many parents feel overwhelmed by medication quantities, varied administration methods, and complex schedules, collectively contributing to high caregiver burden and medication errors. Strategies to support families in at-home medication administration are needed.
METHODS: Using a 2-phase user-centered design process, we developed and pretested interactive m
СтатьяПоддержка 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.
The diagnosis of temporomandibular joint (TMJ) anterior disc displacement primarily relies on magnetic resonance imaging (MRI). Clinical assessment depends heavily on manual segmentation by radiologists, which is time-consuming and highly subjective. We aimed to develop and validate a novel PE AttU-Net for accurate automatic multi-structure segmentation of the articular disc and condyle on TMJ MRI images. The proposed PE AttU-Net integrates attention mechanisms, boundary enhancement modules, and small-target optimization strategies to achieve joint multi-structure segmentation. A total of 512
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.
Alzheimer's disease (AD) and mild cognitive impairment (MCI) require accurate early diagnosis to support timely clinical intervention and disease management. Although multimodal neuroimaging with structural MRI, FDG-PET, and AV45-PET has shown promise, existing deep learning methods still face three major challenges: insufficient modeling of pathology-related features across local brain regions and whole-brain connectivity, heterogeneous feature distributions among modalities, and limited use of clinical information for dynamic representation learning. To address these challenges, we propose G
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.
We leveraged our expertise in the design and development of methodologies for the collection of real-world data for multi-center clinical studies on hematological malignancies to create a knowledge base that enables interoperability and re-usability for research purposes. Our approach applies for different use-case scenarios, providing flexibility, scalability, and extensibility.
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.
Noninvasive identification of advanced liver fibrosis (ALF), commonly defined as Scheuer stage S3 or higher, is important for the management of patients with liver disease, as it indicates an increased risk of progression to cirrhosis and helps determine the need for closer monitoring and timely intervention. In this retrospective study, we developed and evaluated clinical, deep learning (DL), radiomics, and multimodal fusion models for the noninvasive classification of advanced liver fibrosis using non-contrast magnetic resonance imaging (MRI) combined with clinical data. A total of 366 patie
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.
Large language models (LLMs) are increasingly being evaluated for radiology reporting. However, the incremental value of adding report-embedded key images to report text for breast ultrasound report auditing remains unclear. This retrospective study included 818 breast ultrasound examinations with pathology- or follow-up-based reference standards. A workflow-error-enriched 300-report subset was constructed, comprising 240 reports with 329 inserted errors and 60 error-free reports. GPT-5.5 and Gemini 3.1 Pro Preview were evaluated under two input settings: report text alone and multimodal input
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.
Maintaining the quality and consistency of radiology reports has become increasingly challenging with the growing volume of imaging examinations. This study aimed to develop and evaluate an NLP-assisted quality control system for routine radiology reports in a real-world clinical setting. An NLP-assisted quality control module was integrated into the HIS-PACS workflow at Tangdu Hospital for real-time analysis of free-text radiology reports. A total of 215,870 reports generated between August 1, 2024, and February 28, 2025, were retrospectively analyzed. Report error rates were compared across
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 presents a multi-stage deep learning pipeline for automated Angle's classification of occlusion using intraoral images in orthodontics. The pipeline integrates three key stages: (1) a binary Occlusion Side Classifier (OSC) to determine whether the input image represents the right or left side of the patient's dentition, (2) side-specific bounding box detection models (MolarBBoxNet-R or MolarBBoxNet-L) to localize the molar region, and (3) a unified classifier (AngleClassifier-R50) to predict Class I, II, or III occlusal relationships. A dataset of 8909 lateral intraoral occlusion im
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.
MedElevator
Войти в исследования