This study examines the training of lightweight classifiers, specifically ResNet-18 and DenseNet-121, for retinal analysis in optical coherence tomography. Multi-channel inputs were compared against standard grayscale-to-RGB copies, increasing the reliability of the results. While RGB replication is standard for transfer learning, the multi-channel approach enhances feature extraction. Clinical reliability was further validated via Integrated Gradients to audit decision boundaries. This work confirms that specialized input channels help create more interpretable and reliable clinical decision-
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.
This study investigates the influence of arm positioning and metallic objects on radiation dose distribution during emergency CT scans, where time-critical workflows demand both speed and precision. Sub-optimal arm positioning and metallic artifacts can significantly alter dose patterns and compromise patient safety. Five clinical cases undergoing chest, abdomen, and pelvis (CAP) CT scans with automatic exposure control (AEC) at 120 kVp were analyzed using GATE/Geant4 Monte Carlo simulations. Patient-specific voxel models were generated from clinical CT datasets, and the scanner was modeled wi
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: Large language models (LLMs) may improve extraction of prognostic variables in prostate cancer from unstructured clinical text compared with traditional, rule-based natural language processing.
METHODS: We used iterative prompt engineering with few-shot examples to develop LLM prompts for 30 phenotypes from prostate biopsy, radical prostatectomy (RP), and transurethral resection of the prostate (TURP) pathology reports, as well as magnetic resonance imaging (MRI) pelvis, computed tomography [CT] abdomen/pelvis, Tc-99m bone scan, and prostate-specific membrane antigen [PSMA] PET/CT re
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.
OBJECTIVES: Effective clinician-patient communication is a fundamental pillar of high-quality clinical care and can influence patient engagement, treatment adherence and clinical outcomes. However, the extent to which clinical letters meet recommended readability standards remains largely unquantified. We aimed to benchmark this at scale in an ophthalmology setting-the highest-volume outpatient specialty in the United Kingdom (UK) healthcare service.
METHODS: Over 4.6 million outpatient clinic letters written for 804 986 patients across 17 subspecialty services were included. Standard readabi
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 early diagnosis and treatment planning of liver cancer relies on precise liver and tumor segmentation in medical images. However, liver tumor segmentation faces complex anatomical structures, large lesion scale differences, and fuzzy lesion boundaries. Vanilla U-Net has three inherent structural drawbacks: inadequate cross-scale feature interaction in the encoder, semantic mismatch in skip connections, and insufficient multi-scale feature aggregation in the decoder. Therefore, this paper proposes a Multi-scale Residual Gated Attention U-Net (MRGA-UNet) for liver tumor segmentation. Th
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.
Prostate-specific membrane antigen positron emission tomography/computed tomography (PSMA PET/CT) provides rich molecular imaging across the prostate cancer care continuum, yet its full utility in artificial intelligence applications remains underexplored. This study developed a multi-task UNETR-based deep learning framework to simultaneously perform lesion segmentation, disease burden quantification, CHAARTED and LATITUDE treatment stratification and survival prediction from a single PSMA PET/CT image. A retrospective cohort study included 212 prostate cancer cases (478 observations, 2018-202
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.
To assess the performance of two AI chatbot assistants in identifying the presence and classifying the position of third molars on panoramic radiographs. A total of 114 third molars from 100 panoramic radiographs were evaluated consensually by three examiners and independently by two AI chatbot assistants (ChatGPT-4 and Microsoft Copilot). They were asked to provide descriptions regarding the orientation of the third molar's long axis, level of bone inclusion, space between the lower second molar and the mandibular ramus, and proximity of the third molar to the mandibular canal or maxillary si
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.
INTRODUCTION: Acute kidney injury (AKI) is a frequent complication after pediatric cardiac surgery. This study aimed to identify literature-informed perioperative variables associated with AKI within 0-7 days after surgery and to assess whether the resulting risk profile remained visible in an extended routine-data feature set.
METHODS: We performed a retrospective secondary analysis of anonymized routine clinical data comprising 1,354 surgery episodes from 1,135 patients. Feature selection was informed by a structured literature review and resulted in two analytical datasets from the same co
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.
This study aimed to evaluate the potential role of artificial intelligence (AI) as a diagnostic support tool for inexperienced clinicians by comparing its diagnostic performance and time efficiency with those of sixth-year dental students in detecting mandibular inflammatory bone lesions on panoramic radiographs. A total of 412 radiographs, taken between 2013 and 2023 from the Faculty of Dentistry, Khon Kaen University, were retrospectively collected and categorized into lesion-present (n = 192) and lesion-free (n = 220) groups, including osteomyelitis (OM), radiation-induced osteomyelitis, os
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 purpose of this study is to develop and retrospectively validate a deep learning system for the classification and anatomically interpretable localization of six acute abdominal emergencies on CT using multi-window Hounsfield Unit (HU) encoding. A publicly available national teleradiology dataset of 1274 patients (42,922 bounding box annotations) was used for training and internal validation (896/189/189 patient-level split). Each CT slice was encoded into three diagnostic HU windows (soft tissue, bone/stone, angio/liver). A YOLOv11-Large model with a stride-4 (P2) head was trained at 1280
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.
This study aimed to evaluate the utility of dual-energy CT (DECT)-based two-material decomposition in facilitating the generation of training data for ureter segmentation. This retrospective two-center study included 180 patients who underwent DECT urography between April and July 2020, including 150 from Institution 1 and 30 from Institution 2. Virtual unenhanced (VUE) images were generated from the late excretory phase (LEP) images using a two-material decomposition technique. Ground truth segmentation masks were created by segmenting contrast-filled ureteral regions on LEP images and were t
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.
OBJECTIVES: Chronic kidney disease (CKD) presents a growing public health challenge in China, exacerbated by low patient awareness and limited nephrology resources. This study evaluated the potential of large language models (LLMs) to support CKD diagnosis in primary care using time-series electronic health record (EHR) data.
METHODS: Longitudinal data were extracted from the EHR system of Weinan, China. Among 29 963 adults meeting inclusion criteria, 2300 participants were randomly sampled to generate clinical vignettes. CKD status was determined using diagnosis data, and individuals with ea
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: JAVELIN Renal 101 revealed that avelumab plus axitinib improved progression-free survival (PFS) compared with sunitinib in advanced renal cell carcinoma. However, Japanese subgroup estimates were imprecise. In this study, we evaluated how Bayesian borrowing assumptions translate into posterior probabilities for this subgroup.
PATIENTS AND METHODS: Using published summary data from JAVELIN Renal 101, we modeled PFS on the log hazard-ratio scale with a normal-normal framework, comparing a weakly informative neutral prior with informative borrowing priors centered on the global final es
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.
Large language models (LLMs) are increasingly used in medical education, including in problem-based learning (PBL). Their ability to summarize cases, generate differential diagnoses, and structure discussion raises the question of whether they might eventually replace PBL rather than merely support it. This paper offers a conceptual analysis of that question, using a renal-tumor PBL case derived from recent ChatGPT-assisted teaching research as an illustrative use case. It distinguishes among semantic support, representational uncertainty, and situated uncertainty. LLMs can contribute substant
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.
Semi-supervised learning enhances medical image segmentation by leveraging unlabeled data, reducing reliance on extensive labeled datasets. We observe that medical images usually exhibit consistent anatomical structures defined by geometric features, while most existing methods fail to fully utilize global geometric priors. Meanwhile, the distribution discrepancy between limited labeled data and abundant unlabeled data hinders model generalization, and we find that transferring information about regions where the semantics of labeled and unlabeled data are similar can alleviate it. Inspired by
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.
Statistical analysis of clinical data requires expertise in medical statistics. Large language models (LLMs) are increasingly used for code generation and may support both descriptive and advanced analyses, but their reliability remains uncertain. This study evaluated whether five current LLMs (GPT 5.3, Claude Sonnet 4.6, Gemini 2.5 Flash, Perplexity, and Grok) could reproduce expert-validated statistical analyses from a published clinical workflow across three statistical tasks: descriptive table generation, Kaplan-Meier survival analysis, and Cox proportional hazards modelling. All models re
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.
With chest computed tomography (CT) serving as the primary imaging modality for lung cancer analysis, many diagnostic tasks that influence clinical decision-making can essentially be formulated as CT-based image classification tasks. For instance, non-invasive EGFR gene mutation prediction is a critical task, as EGFR status directly guides targeted therapy and affects prognosis. However, the genotype-relevant information in CT images is inherently weak and noise-sensitive, especially under cross-scanner and cross-parameter heterogeneity. Consequently, a robust and generalizable classification
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.
Mantle cell lymphoma (MCL) has a heterogeneous clinical course, making robust, usable prognostic tools essential for risk-adapted care. In this paper, we worked at the definition of an effective and deployable prognostic model, tailored to a specific MCL population. Our work has taken advantage of AutoML-Med, a framework supporting end-users in the data analysis pipeline. Our experiments have provided promising results, leading to an explainable model that outperformed traditional prognostic indexes, paving the way for future investigations.
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.
OBJECTIVES: To develop and evaluate a machine learning (ML) model that predicts Crohn's disease (CD) patients responsible for the top quartile of healthcare spending.
METHODS: De-identified commercial claims (2016-2018) from ~267 000 continuously enrolled members in a Midwestern state were analysed, including 994 CD cases. Monthly data for each patient was aggregated into data points that included healthcare spending amounts, encounter interactions, demographics and binary flags for diagnoses, procedures and drug codes. Seven algorithm families were tuned using five-fold cross-validation (Jan
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