Preeclampsia (PE) is a hypertensive disorder of pregnancy characterized by endothelial dysfunction, impaired uteroplacental perfusion, and high maternalfetal morbidity. Although modern biomarkers provide early diagnostic potential, few predictive systems connect molecular imbalance to physical flow abnormalities. Using our previous results, we developed a Physics-Informed Digital Twin that simulates uteroplacental hemodynamics under real physiological constraints. The twin integrates mean arterial pressure, soluble fms-like tyrosine kinase-1, placental growth factor, hepatic function, and neon
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.
Removing patient-identifying information from medical images is a prerequisite for sharing image data directly, as in public dataset release and open benchmarks, where the images themselves, rather than only model updates must leave the originating institution. However, many methods currently used for de-identification, e.g., cropping or blacking out image regions to eliminate burned-in text, can have negative effects on downstream image analysis tasks because of removal of relevant but non-identifiable information. This work presents an end-to-end deep learning framework for transforming raw
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.
BACKGROUND: Speech- and language-based digital biomarkers are increasingly proposed as scalable tools for mental health assessment, but their diagnostic accuracy and readiness for clinical translation in schizophrenia remain uncertain.
METHODS: MEDLINE, Embase, PsycINFO, Web of Science, Scopus, IEEE Xplore, ACM Digital Library and citation searching were used without language or geographic restriction. Eligible full empirical journal articles and full conference proceedings evaluated automated speech/language classification in schizophrenia-spectrum disorders. After peer review, a second auth
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.
Large language models (LLMs) answer medical questions fluently but fabricate statements and citations too often to be trusted unaided at the point of care. We describe RADAR (Radiology Appropriateness Decision and Advisory Resource), a prototype retrieval-augmented consult-support pipeline that grounds an LLM in a knowledge base structured like the American College of Radiology (ACR) Appropriateness Criteria at the level of individual clinical variants. The knowledge base is synthetic (twelve variants across five topics) because the official criteria are copyrighted. The design is deliberately
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.
PURPOSE: Obstructive sleep apnea (OSA) is a highly prevalent sleep disorder strongly associated with adverse cardiometabolic and neurocognitive outcomes. Polysomnography (PSG), the diagnostic gold standard, is not a readily accessible test. Therefore, accurate risk stratification tools independent of PSG are critically needed to optimize clinical triage and timely intervention.
METHODS: We retrospectively analyzed 408 patients who underwent PSG and routine clinical evaluation at the Second Xiangya Hospital (2018-2025). Seventy-one demographic, anthropometric, hematologic, and biochemical vari
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.
Obstructive sleep apnea (OSA) is a sleeping disorder which can lead to severe health consequences. Information gaps in the patient's diagnostic path may result in duplicate examinations, while patients wait long for sleep diagnostics. We propose an architecture for standardized sleep data exchange along the OSA patient diagnostic path. Our system consists of extended and interconnected established components for biosignal storage and electronic patient data and is entirely based on open source software. Specifically, our system supports sharing of all necessary data in the diagnostic path, fro
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.
PURPOSE: Guidelines recommend germline testing in advanced prostate cancer (PCa) to inform treatment and personal/familial cancer risk, yet Black patients are less likely than White patients to complete testing. Artificial intelligence (AI) tools are increasingly used in pretest education to improve access but remain unevaluated for racial bias.
MATERIALS AND METHODS: We developed ProGene, a secure, generative AI chatbot for PCa germline testing education in Black patients. We prompted ProGene with seven questions about testing types, personal benefits, family benefits, drawbacks, logistics,
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.
PURPOSE: Health-related quality of life (HRQoL) is a valuable counterpart to other end points in oncology trials. However, when analyzing the effect of treatment on HRQoL, results are often mixed. Cancer and its treatment can have direct and indirect effects on symptoms such as pain, nausea, and fatigue. These, in turn, can affect the patients' physical and social functioning and ultimately their HRQoL. This causal cascade requires methodologies, such as structural equation modeling, to estimate direct, indirect, and total effects of symptoms on more distal HRQoL outcomes.
METHODS: Data were
Сравнительное исследованиеСтатьяПоиск 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.
Mosaic loss of the Y chromosome (mLOY) is a biologically important alteration in male bladder cancer, associated with tumor aggressiveness and immune evasion. However, scalable methods for estimating mLOY using data from "All of Us" Research Program (AoU) remain limited. This study aimed to develop an analytical pipeline to estimate mLOY using a pliot sample of male bladder cancer subjects (mean age [SD] = 67.80 [10.60] years) from the AoU. We conducted sensitivity analyses to evaluate robustness and accuracy of the pipeline. Estimated mLOY values were further used to assess associations with
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.
Low-dose computed tomography (LDCT) is essential for reducing patient radiation exposure but often suffers from high noise and streak artifacts. The vast majority of publications on LDCT denoising focus on image-domain approaches. This is mainly because noise reduction in the projection domain is considerably more challenging, and access to raw projection data from real CT systems is often limited. In this study, we compared the performance of various deep learning-based denoising models applied to 2D cone-beam CT projections. Four different models were investigated, including a U-Net, an edge
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.
Intracranial hemorrhage (ICH) is a time-critical neurologic emergency where delayed diagnosis can worsen outcomes. Non-contrast head CT is the first-line imaging modality, and explainable AI tools may enhance rapid detection and subtype classification. This study presents an explainable deep learning framework for multi-label ICH detection using DICOM-native multi-window CT data with leakage-aware validation. A retrospective secondary analysis was performed using the publicly available training dataset from the RSNA 2019 Intracranial Hemorrhage Detection Challenge, comprising 752,803 axial CT
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: Although artificial intelligence-assisted radiographic fracture detection tools (AI-RFDT) have demonstrated high diagnostic accuracy in adult limb radiography, real-world evidence regarding their operational impact in the adult emergency department (ED) remains limited.
METHODS: We evaluated whether deploying an AI-RFDT reduced ED length of stay (LOS) and revisit rates in fracture-excluded (F-E) patients undergoing limb radiography, using fracture-confirmed (F-C) patients as a disease-specific internal control. This retrospective controlled before-after cohort study, with compleme
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: Hospital Information Systems (HIS) are becoming increasingly vital to the digital transformation of healthcare; nevertheless, their implementation in low and middle-income countries is frequently obstructed by structural, financial, and governance issues. In Iraq, the extensive adoption of HIS is still at an early stage, with limited empirical evidence concerning institutional readiness. This study thus examined the organizational readiness for HIS implementation in the public hospitals located in Al-Amara, Iraq, and identified the structural and organizational determinants that sh
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.
In MRI examinations, MR-unsafe metallic wheelchairs inadvertently brought into the scanner room represent a serious safety hazard. This study was aimed at developing and evaluating an automated wheelchair detection and classification system for the MRI anteroom using a lightweight deep learning object-detection model (YOLOv8n). Images were collected over 5 working days from two surveillance cameras in the MRI anteroom of a single academic medical centre. A dataset of 1,730 images (training: 1251; validation: 118; test: 361) was constructed from frames containing MR-safe and MR-unsafe wheelchai
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.
Artificial intelligence (AI) is increasingly introduced into radiological practice to support image interpretation, workflow optimization, and diagnostic decision-making. However, successful clinical adoption depends not only on technical performance but also on radiologists' trust in these systems. This study investigates radiologists' perceptions of AI in clinical practice and examines how these perceptions relate to trust in AI-assisted diagnostic decision-making. We conducted a cross-sectional online survey among practicing radiologists in Sweden. The survey comprised eight thematic sectio
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 examine the characteristics, implementation strategies, and reported impacts of Human-in-the-Loop (HITL) processes across the lifecycle of AI-enabled Clinical Decision Support Systems (CDSS), and to propose a reporting checklist for HITL in clinical AI research.
INTRODUCTION: HITL is a conceptual and technical approach that integrates human expertise into AI systems, widely recognised for its potential to improve transparency, safety, and contextual relevance in clinical settings. While AI-CDSS tools are increasingly embedded in healthcare, HITL practices remain poorly defined a
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.
BACKGROUND: Wrist-worn actigraphy enables continuous, non-invasive measurement of rest-activity patterns and has growing relevance for cognitive health. However, it remains unclear whether actigraphy provides meaningful predictive value for cognitive function beyond demographic factors. Large-scale evaluations are needed to clarify its utility.
OBJECTIVE: This study evaluated the effectiveness of 24-hour actigraphy in improving machine learning prediction of cognitive performance, using the computerized version of Digit Symbol Substitution Test (DSST). Complementary objectives included identi
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.
RATIONALE AND OBJECTIVES: Knee osteoarthritis (OA) is a prevalent global condition. While MRI guides clinical decisions, its technical complexity hinders patient understanding and engagement. Translating these findings into comprehensible, personalized patient education remains challenging. Large language models (LLMs) show promise in automating this process. To evaluate and compare the effectiveness of advanced large language models against experienced clinicians in generating comprehensible, personalized patient education materials derived from knee MRI reports.
MATERIALS AND METHODS: This
СтатьяСравнительное 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.
INTRODUCTION: Patient-reported outcome measures (PROMs) provide essential insights into patients' symptoms, functional status, and health-related quality of life, supporting value-based and patient-centered care. Although widely collected in research platforms such as REDCap, PROMs are rarely integrated into clinical routine, limiting their clinical impact. Legal frameworks in the European Union, including General Data Protection Regulation and the Medical Device Regulation (MDR) further constrain data use, especially when automated score calculation or decision support is involved. This work
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.
Sarcopenia is a progressive muscle disorder linked to aging, frailty, and increased healthcare burden. While ultrasound imaging offers a practical and radiation-free tool for assessment, its diagnostic accuracy is limited by operator variability and inconsistent interpretation across patients. Existing deep learning approaches often fail to generalize under small and heterogeneous datasets. We reformulate sarcopenia detection as a cross-subgroup generalization problem and propose a clinically grounded meta-learning framework that integrates BMI- and view-aware episodic adaptation with domain-s
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.
MedElevator
Войти в исследования