This study aims to introduce a novel non-invasive method for rapid material characterization of middle-ear structures, taking into consideration the invaluable insights provided by the mechanical properties of ear tissues. Valuable insights into various ear pathologies can be gleaned from the mechanical properties of ear tissues, yet conventional techniques for assessing these properties often entail invasive procedures that preclude their use on living patients. In this study, in the first step, we developed machine-learning models of the middle ear to predict its responses with a significant
СтатьяПоддержка исследования: вне правительства СШАПоиск 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.
Atrial fibrillation (AF) is the most common clinically significant cardiac arrhythmia and is an important risk factor for ischemic cerebrovascular events. This study used machine learning techniques to develop and validate a new risk prediction model for new-onset AF that incorporated the use electrocardiogram to diagnose AF, data from participants with a wide age range, and considered hypertension and measures of atrial stiffness. In Japan, Industrial Safety and Health Law requires employers to provide annual health check-ups to their employees. This study included 13 410 individuals who unde
СтатьяПоддержка исследования: вне правительства СШАПолный 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: The study had 3 purposes: (1) to develop an index using machine-learning techniques to predict the fitness status of soccer players, (2) to explore the index's validity and its relationship with a submaximal run test (SMFT), and (3) to analyze the impact of weekly training load on the index and SMFT outcomes.
METHODS: The study involved 50 players from an Italian professional soccer club. External and internal loads were collected during training sessions. Various machine-learning algorithms were assessed for their ability to predict heart-rate responses during the training drills ba
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: To compare the predicted vault using machine learning with the achieved vault using the online manufacturer's nomogram in patients undergoing posterior chamber implantation with an implantable collamer lens (ICL).
SETTING: Centro Oculistico Bresciano, Brescia, Italy, and I.R.C.C.S.-Bietti Foundation, Rome, Italy.
DESIGN: Retrospective multicenter comparison study.
METHODS: 561 eyes from 300 consecutive patients who underwent ICL placement surgery were included in this study. All preoperative and postoperative measurements were obtained by anterior segment optical coherence tomograp
Сравнительное исследованиеСтатьяМногоцентровое 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.
Patients with parathyroid carcinoma (PC) are often diagnosed postoperatively, due to incomplete resection during the initial surgery, resulting in poor outcomes. The aim of our study was to investigate the pre-surgery indicators of PC and try to develop a predictive model for PC utilizing machine learning. Evaluation of pre-surgery neuropsychological function and confirmation of pathology were carried out in 133 patients with primary hyperparathyroidism in Beijing Chaoyang Hospital from December 2019 to January 2023. Patients were randomly divided into a training cohort (n = 93) and a validati
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.
OBJECTIVE: Hemorrhagic fever with renal syndrome (HFRS) and leptospirosis are environmentally associated zoonoses in China, yet their long-term temporal dynamics and predictive determinants have not been systematically compared.
METHODS: We analyzed monthly surveillance data on reported cases of HFRS and leptospirosis in mainland China from January 2010 to December 2025 using a multi-source data-driven framework. Five statistical, machine-learning, and deep-learning models were evaluated using historical, socioeconomic, meteorological, ecological, and behavioral predictors.
RESULTS: During t
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: The International Study Group of Pancreatic Surgery has established the definition and grading system for postpancreatectomy acute pancreatitis (PPAP). There are no established machine learning models for predicting PPAP following pancreaticoduodenectomy (PD).
AIM: To explore the predictive model of PPAP, and test its predictive efficacy to guide the clinical work.
METHODS: Clinical data from consecutive patients who underwent PD between 2016 and 2024 were retrospectively collected. An analysis of PPAP risk factors was performed, various machine learning algorithms [logistic regr
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.
Lacosamide, a widely used antiepileptic drug, suffers from poor solubility in conventional solvents, which limits its bioavailability. Supercritical carbon dioxide (SC-CO₂) has emerged as an environmentally friendly substitute solvent for pharmaceutical processing. In this study, the solubility of Lacosamide in SC-CO₂ was modeled and predicted using several machine learning techniques, including Gradient Boosting Decision Tree (GBDT), Multilayer Perceptron (MLP), Random Forest (RF), Gaussian Process Regression (GPR), Extreme Gradient Boosting (XG Boost), and Polynomial Regression (PR). These m
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.
Peripheral artery disease (PAD) is a chronic condition caused by atherosclerosis, leading to arterial narrowing and obstruction, primarily in the lower extremities. This results in reduced blood flow and increases the risk of loss of limbs and mortality. Early diagnosis is essential for preventing complications and improving patient outcomes. Machine learning (ML), a subset of artificial intelligence, provides a non-invasive and efficient approach not only for diagnosing PAD but also for guiding management strategies by analyzing large datasets and identifying complex patterns. This systematic
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.
Recently, artificial intelligence (AI) including machine learning (ML) and deep learning (DL) models has been commonly employed for the automated disease diagnosis process. AI in biological and biomedical imaging is an emerging area and will be a future trend in the field. At the same time, biomedical images can be used for the classification of Rheumatoid arthritis (RA) diseases. RA is an autoimmune illness that affects the musculoskeletal system causing systemic, inflammatory and chronic effects. The disease frequently becomes progressive and decreases physical function, causing articular da
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: What is considered "abnormal" in clinical testing is typically defined by simple thresholds derived from normative data. For instance, when testing using the five-repetition sit-to-stand (5R-STS) test, the upper limit of normal (ULN) from a population of spine-healthy volunteers (10.5 seconds) is used to identify objective functional impairment (OFI), but this fails to consider different properties of individuals (e.g., taller and shorter, older and younger). Therefore, the authors developed a personalized testing strategy to quantify patient-specific OFI using machine learning.
ME
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 detection of stale beef on the market is important for protecting the legitimate rights and interests of consumers. To this end, we combined electronic nose measurements with machine learning technology to classify beef samples. We used an electronic nose to collect information about the odor characteristics of different beef samples and used linear discriminant analysis to reduce data dimensionality. We then classified samples using the following algorithms: extreme gradient boosting, logistic regression, K-nearest neighbor, random forest, support vector machine, and neural networks
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.
Transmission tower climbing is a critical specialized operation in ultra-high-voltage power maintenance and communication infrastructure servicing. However, existing lower-limb exoskeletons used for tower climbing still suffer from insufficient motion intention recognition accuracy under complex operational environments. To address this issue, this study proposes an inertial measurement unit (IMU)-based bidirectional temporal deep learning method for motion intention recognition. First, a one-dimensional convolutional neural network (1D-CNN) is employed to extract local temporal features from
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.
Lower limb fractures (LLF) significantly impact older adults, leading to reduced mobility, prolonged recovery, and impaired independence. During recovery, older adults frequently face social isolation and functional decline, complicating rehabilitation and adversely affecting their physical and mental health. Multimodal sensor platforms that continuously collect data and analyze it using machine learning algorithms can remotely monitor this population and infer health outcomes. These platforms can also alert clinicians to individuals at risk of social isolation and functional decline. This pap
СтатьяDatasetПолный 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.
Superresolution localization microscopy strongly relies on robust identification algorithms for accurate reconstruction of the biological systems it is used to measure. The fields of machine learning and computer vision have provided promising solutions for automated object identification, but usually rely on well represented training sets to learn object features. However, using a static training set can result in the learned identification algorithm making mistakes on data that is not well represented by the training set. Here, we present a method for training an artificial neural network wi
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.
INTRODUCTION: Cervical cancer is a malignancy associated with human immunodeficiency virus, characterized by abnormal cervical cell mutations. Machine learning techniques offer valuable support for early detection and prediction of cervical cancer, potentially lowering screening and treatment costs. This study specifically targeted women living with human immunodeficiency virus, aiming to identify the most significant predictors of cervical cancer and to determine the most effective supervised machine learning model for its prediction within this population. METHODS: This study employed a mult
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.
In order to predict the risk of postoperative hypoxemia in elderly patients undergoing general anesthesia, this study developed, validated, and interpreted explainable machine learning-based models. One thousand six hundred senior individuals (≥60 years) participated in a retrospective, single-center cohort research. Comprehensive perioperative data were gathered, including laboratory indices, intraoperative physiological parameters, comorbidities, and demographics. To improve the interpretability of the model, feature selection was carried out using least absolute shrinkage and selection oper
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 and Objectives: Traditional assessment of the readiness for the weaning from the mechanical ventilator (MV) needs respiratory parameters in a spontaneous breath. Exempted from the MV disconnecting and manual measurements of weaning parameters, a prediction model based on parameters from MV and electronic medical records (EMRs) may help the assessment before spontaneous breath trials. The study aimed to develop prediction models using machine learning techniques with parameters from the ventilator and EMRs for predicting successful ventilator mode shifting in the medical intensive ca
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.
OBJECTIVES: Alveolar bone defects, such as fenestration and dehiscence, induced by orthodontic treatment represent significant complications that can impact treatment outcomes and long-term health. This study aims to develop a machine learning-based predictive model for classifying the risk grade of alveolar bone defects following orthodontic treatment.
METHODS: This study utilised a retrospective cohort design, involving 354 patients who had completed orthodontic treatment. Participants were divided into a training set and a validation set in an 8:2 ratio. The outcome indicator was a three-c
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: The study aimed to develop interpretable machine learning models for the identification of idiopathic central precocious puberty (ICPP) in girls, without the need for the expensive and time-consuming gonadotropin-releasing hormone (GnRH) stimulation test, which is currently the gold standard for diagnosing ICPP.
METHODS: A total of 246 female paediatric patients who had secondary sexual characteristics before 8 years old and had taken a GnRH stimulation test were randomly divided into a training set (172 patients, 70%) and a validation set (74 patients, 30%). Characteristic parame
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