PURPOSE: Accurate identification and segmentation of abdominal lymph nodes on computed tomography (CT) is crucial for cancer staging and treatment planning but remains a challenging and time-consuming radiologic task. We developed and validated ConLymphNet, a deep learning-based approach for automated abdominal lymph node segmentation using vertebral landmarks as anatomic reference points to standardize the region of interest.
MATERIALS AND METHODS: We implemented a novel preprocessing pipeline incorporating vertebral landmark-based region selection followed by a 3D nnUNet segmentation model.
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.
General-purpose clinical NLP tools are increasingly used to automatically label clinical reports for research and quality improvement. However, independent evaluations for specific tasks like labeling pediatric CXR reports remain limited. This study compares four commercial clinical NLP models: AWS, AZ, GC, SP, for entity extraction and assertion detection of clinically relevant findings in pediatric CXR reports. Two dedicated CXR report labelers, CheXpert and CheXbert, were also evaluated for comparison. A total of 95,008 pediatric CXR reports from a large academic hospital were analyzed. Ent
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.
Cerebral aneurysm rupture is strongly associated with localized hemodynamic abnormalities, particularly in aneurysms containing surface blebs that represent structurally weakened regions of the vessel wall. Although computational fluid dynamics (CFD) provides detailed insight into aneurysm hemodynamics, its high computational cost limits its application in rapid patient-specific risk assessment. This pilot study presents a POD-LSTM reduced-order framework for the analysis and temporal prediction of CFD-derived hemodynamics in patient-specific cerebral aneurysms with surface blebs. Four patient
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: Recurrent cancers are not captured in a standardized way by US tumor registries, making it difficult to conduct research on risk factors for cancer recurrence. We developed rule-based algorithms to be used with electronic health data to identify recurrent cases of diffuse large B-cell lymphoma (DLBCL) and follicular lymphoma (FL).
METHODS: Incident DLBCL and FL cases (2000-2018) were identified in tumor registry data at two health plan study sites. We captured pharmacy and procedure codes to indicate first-line treatment initiation. Recurrent cases were defined as those who completed
СтатьяПоддержка NIH: внешняя программаПолный 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: Non-small cell lung cancer (NSCLC) trials often involve complex biomarker-driven and line-specific eligibility criteria, making pre-screening labor-intensive and error-prone. In this high-stakes setting, false inclusion-incorrectly judging an ineligible patient as eligible for downstream review-poses a greater clinical risk than other error types.
OBJECTIVE: To compare safety-aware AI configurations for NSCLC trial pre-screening, with explicit focus on reducing false inclusion rates and supporting uncertainty-aware abstention under evidence limitations.
METHODS: We performed a re
СтатьяСравнительное 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.
The purpose of the study is to compare the diagnostic reliability of commercially available multimodal large language models (LLMs) in distinguishing sinusitis with nasal polyps from sinusitis without polyps in representative paranasal sinus computed tomography (CT) images. This retrospective, single-center study included 175 adults (80 sinusitis with polyps, 95 sinusitis without polyps) who underwent non-contrast paranasal sinus CT. For each case, four anonymized representative slices selected through consensus were presented to three multimodal LLMs using a standardized structured prompt via
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 field of dermatological AI has rapidly advanced from simple single-image classifiers to large, multimodal foundation models. Despite achieving high diagnostic accuracy, current systems mostly analyze a single point in time and do not incorporate patient history or previous treatments. This review explores the evidence for longitudinal, treatment-aware, and multimodal large language model (LLM) approaches in dermatology, with an emphasis on chronic inflammatory conditions such as eczema, acne, psoriasis, and rosacea. Researchers examined five databases, PubMed, ACM, IEEE Xplore, Web of Scie
СтатьяScoping ReviewПолный 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.
Neurogenic bladder () in children commonly result from spinal injuries or congenital spinal malformations that disrupt sacral and spinal cord neural pathways. Such damage impairs detrusor contraction and sphincter relaxation, causing high intravesical pressures, detrusor-sphincter dyssynergia, vesicoureteral reflux, recurrent urinary tract infections, and incontinence. These dysfunctions can compromise renal function, growth, and quality of life. Clean intermittent catheterization (CIC) remains the gold standard for management, enabling low-pressure voiding, preventing renal deterioration, red
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: Sepsis-induced coagulopathy (SIC) is a critical complication of sepsis that profoundly affects the severity of organ dysfunction and clinical prognosis. The current study aimed to construct and compare multiple individualized machine learning (ML) prediction models for predicting severe acute kidney injury (AKI) in patients with SIC, with the goal of identifying the most robust model to improve the accuracy of clinical decision-making.
METHODS: The retrospective analysis was conducted based on the MIMIC‑IV database and a Chinese cohort. Eligible patients with sepsis and SIC were i
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.
Automated segmentation of lung parenchyma and solid lung adenocarcinoma on thoracic computed tomography (CT) is needed for reproducible quantitative imaging, radiomics extraction, and treatment planning-related research. However, tumor segmentation remains challenging because of small lesion size, irregular morphology, partial-volume effects, and boundary ambiguity near vessels, pleura, atelectasis, and mediastinal structures. This study evaluated a single-input-channel multiclass nnU-Net framework for joint lung parenchyma and solid adenocarcinoma segmentation in pre-treatment CT examinations
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: Monoclonal gammopathy (MG) is a disorder defined by the presence of monoclonal immunoglobulin. Monoclonal protein (M-protein) serves as an important biomarker for the spectrum of MG that includes plasma cell myeloma (PCM) and, its precursor, MG of undetermined significance (MGUS). Recent evidence suggest early identification of MGUS before the onset of PCM is associated with improvement in overall survival. Despite these benefits, the recognition rate of MG remains inadequate. Addressing this care gap would help identify at-risk patients who may benefit from targeted evaluation to pre
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: Missing data compromise the secondary use of clinical databases, particularly when variables are bounded by clinically defined ranges or discrete scoring rules. Imputation methods may achieve acceptable reconstruction error while producing clinically invalid values. We evaluated a constraint-aware imputation framework and examined whether broad patterns of method performance persisted across two independently collected Parkinson's disease cohorts.
METHODS: The primary benchmark used BD-Lille, with N = 1,357 participants and 51 bounded neuropsychological variables, and evaluated te
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 segmentation of jaw lesions on cone beam computed tomography (CBCT) images is essential for diagnosis and treatment planning. While previous studies have investigated automated segmentation, most were limited to 2D data, and the performance of newer architectures like nnU-Net v2 remains unexamined. This study evaluated the nnU-Net v2 algorithm for 3D segmentation of jaw lesions and compared its speed to manual expert segmentation. Due to significant class imbalance in the dataset, training a single multiclass segmentation model could have led to dominance of the majority class and red
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.
In this study, we present an innovative approach in medicine, leveraging the potential of artificial intelligence (AI) for the diagnosis of tympanic membrane perforations. Due to its central role in sound transmission, the tympanic membrane is a key element in clinical assessment and therapeutic decision-making. Our research focuses on the automated detection of tympanic membrane perforations using advanced AI algorithms, capable of accurately identifying whether a perforation is marginal or not. This study evaluates the performance of a convolutional neural network (CNN) optimized by a geneti
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) show potential in clinical reporting, yet current multimodal systems remain unreliable for interpreting panoramic radiographs due to limited visual diagnostic accuracy and high hallucination rates. This study introduces a hybrid framework that integrates a deep learning-based image analysis model with LLM-driven reporting to enhance reliability in dental radiology. A YOLOv12 model was trained on 30,954 panoramic radiographs (70% training, 15% validation, 15% testing) for tooth detection and 14-category segmentation. Detection and segmentation outputs were converted
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: Secondary hyperparathyroidism carries a high recurrence risk after parathyroidectomy (PTX), requiring early identification of high-risk patients. Using a two-center cohort, we developed a machine learning prediction model and deployed it as an online calculator.
METHODS: We included 391 SHPT patients undergoing PTX at two hospitals. Cohort 1 was split 7:3 into training and internal validation sets; cohort 2 served as external validation. Feature selection used LASSO and Boruta, SMOTE handled imbalance, and six models (random forest, XGBoost, etc.) were built. After cross-validatio
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 characterize stigma dimensions, social, and related behavioral circumstances in people living with HIV (PLWHs) seeking care, using natural language processing methods applied to a large collection of electronic health record (EHR) clinical notes from a large integrated health system in the southeast United States.
METHODS: We identified a cohort of PLWHs from the University of Florida (UF) Health Integrated Data Repository and performed topic modeling analysis using Latent Dirichlet Allocation (LDA) to uncover stigma-related dimensions and related social and behavioral contexts.
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.
Foundation models are commonly trained using autoregressive pretraining and are increasingly applied to structured electronic medical records (EMRs) for clinical prediction. However, autoregressive pre-training was originally developed for sequence generation in text, and its suitability for capturing longitudinal clinical context in structured, irregularly sampled EMRs remains insufficiently evaluated. In this work, we return to first principles by examining the patient trajectories generated by autoregressive models. We train two models - a sequence-to-sequence LSTM and a reduced ETHOS-style
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.
Spanish-speaking people living with HIV face barriers to ART adherence and access to culturally appropriate digital tools. WiseApp, integrated with the CleverCap smart pill bottle, was culturally adapted for use in the Dominican Republic and New York City and evaluated within a binational randomized trial. Among 89 intervention participants, most reported high usability, satisfaction, and support for self-management. Findings support feasibility of culturally tailored mHealth interventions across diverse Spanish-speaking settings.
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: The global burden of infectious diseases (ID), combined with a shortage of ID specialists, continues to challenge healthcare systems worldwide. Artificial intelligence (AI), particularly large language models such as ChatGPT, has emerged as a potential adjunct for diagnosis, triage, clinical decision-making, and patient communication. However, evidence describing its role in ID care and comparison with physician-led practice remains fragmented. To map and synthesize the current literature on the use of ChatGPT in infectious disease diagnosis, triage, and management, summarizing r
СтатьяScoping ReviewПоддержка 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.
MedElevator
Войти в исследования