Accurate classification of dental caries from bitewing radiographs is crucial for effective diagnosis and treatment planning. Traditional diagnostic methods can be subjective and inconsistent, highlighting the potential benefits of adopting computer-aided diagnostic systems. Recent studies have demonstrated the effectiveness of deep learning-based classification using the ICCMSTM 7-class system, which is pivotal for precise caries diagnosis. Building on these advances, this study aims to enhance ResNet models by incorporating the projected gradient descent (PGD) into the training process. By i
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: This study aims to develop and validate interpretable machine learning (ML) models to dynamically predict mortality risk among intensive care unit (ICU) patients diagnosed with acute pancreatitis complicated by acute kidney injury (AP-AKI).
METHODS: The clinical data in the training set, including demographic characteristics, laboratory indicators, scoring systems, treatment modalities, and clinical management strategies, were obtained from three large-scale medical databases: the Medical Information Mart for Intensive Care, and the eICU Collaborative Research Database. The externa
СтатьяМногоцентровое исследованиеВалидационное исследованиеПолный 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.
General practice data, extracted from electronic medical records, holds immense potential to generate a wealth of public health knowledge. But it is not without challenges. Our aim in this study was to identify long COVID patients within a large general practice dataset through data classification. We discuss the classification and its validation, and present initial data patterns for the identified long COVID cohort. We found significant variation in how general practitioners document and describe long COVID presentations. Less than half of the identified long COVID patients had a documented
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.
Distinguishing follicular thyroid carcinoma (FTC) from follicular adenoma (FTA) preoperatively remains a significant challenge in thyroid nodule management. This study aims to develop and validate a novel, interpretable deep learning model that explicitly leverages the critical diagnostic feature-tumor margins-to address this issue. A total of 577 patients, 435 females and 142 males (mean age, 51.05 ± 8.31), were collected from two different centers. A total of 4358 thyroid US images were prospectively collected, with 3140 images from one center randomly divided into the training set and the v
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.
Manual CT protocol selection persists as a time-intensive and error-prone bottleneck in radiology workflows, impeding the realization of fully automated scanning pipelines. To overcome this limitation, we developed a Large Language Model Retrieval-Augmented Generation (LLM-RAG) framework for personalized CT protocol recommendation. This system constructs a protocol knowledge base from historical examination records to deliver institutionally tailored, precision recommendations aligned with clinical preferences. Our system demonstrated compelling performance (min: 88.60% precision, 89.34% recal
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: Contact tracing plays an important role in controlling contagious diseases. During the COVID-19 pandemic, new contact tracing systems with automation have been developed and adopted. Nevertheless, due to the privacy-protecting nature of automated contact tracing apps, evaluation based on real-world individual-level data has been scarce. Semi-automated contact tracing and the concurrent adoption of multiple contact tracing systems, though widely adopted, have also not received proper attention.
OBJECTIVE: The objective of this study was to compare and evaluate concurrently adopted
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.
COVID-19 was associated with hospitalization and high mortality rate. Previous studies suggested higher mortality rate in COVID-19 patients with comorbidities. To our knowledge, most of the published articles focused on clinical characteristics and treatment based on patients' medical records (EMR). Based on our experience with comorbid hospitalized COVID-19 patients, we argue that HIS administrative data can be used to identify what comorbidities and other factors are associated with hospitalized COVID-19 patients' mortality and provide a quick initial assessment in view to identifying comorb
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.
This study aims to develop and internally validate a model based on imaging findings and clinical data to predict the prognosis of head and neck squamous cell carcinoma (HNSCC) patients who received radiotherapy. We retrospectively included 215 HNSCC patients who received radiotherapy from October 2003 to August 2013, with available abdominal computed tomography (CT) scans or whole-body positron emission tomography (PET)/CT acquired both before and after radiotherapy. Predictors were selected based on a comprehensive literature review and clinical expert opinion. A Cox regression analysis was
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.
Teeth play a key role in essential functions such as mastication and speech. Evaluating root morphology is crucial in both diagnosis and treatment planning. Apical openness is a significant radiographic indicator of incomplete root development, which can complicate endodontic and orthodontic procedures, especially in young individuals. Factors such as caries, trauma, or lesions may interrupt root development, resulting in an open apex and clinical challenges. Panoramic radiographs are commonly used in dentistry due to their low radiation dose and wide anatomical coverage. This study aimed to d
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.
This study aimed to evaluate and compare the performance of state-of-the-art deep learning models for detecting and segmenting both radiolucent and radiopaque jaw lesions on panoramic radiographs. A total of 2371 anonymized panoramic radiographs containing jaw lesions were retrospectively collected and categorized into radiolucent and radiopaque datasets. Expert annotation was performed to delineate lesion boundaries and assign anatomical localization (anterior/posterior maxilla and mandible). Four deep learning architectures-YOLOv8, YOLOv11, Mask R-CNN, and RT-DETR-were trained and evaluated
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.
Occupational pneumoconiosis (OP) staging is the core for OP diagnosis. It is essentially an image classification task concerning patients' lung condition by analyzing their chest X-ray. To perform artificial intelligence-assisted OP staging, the chest X-ray film representational learning and classification are commonly adopted, where a convolutional neural network (CNN) has proven to be very efficient. However, unlike commonly encountered image classification tasks, the OP staging relies heavily on the profusion level of opacities, i.e., the OP lesion reflection on the X-ray film. The OP lesio
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.
Acute ischemic stroke (AIS) is a leading cause of death and long-term disability worldwide, where rapid reperfusion remains critical for salvaging brain tissue. Although CT perfusion (CTP) imaging provides essential hemodynamic information, its limitations-including extended processing times, additional radiation exposure, and variable software outputs-can delay treatment. In contrast, non-contrast head CT (NCHCT) is ubiquitously available in acute stroke settings. This study explores a generative artificial intelligence approach to predict key perfusion parameters (relative cerebral blood flo
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.
Diagnosis as the initial step in medical practice is one of the most significant aspects of complex clinical decision making which is convoyed by some degree of uncertainty and perplexity. With massive volumes of medical data being collected, there is an urgent need to proficiently use this healthcare data throughout the globe. Among several computational conventions, fuzzy logic conveys an appealing way to control the imprecision and uncertainty in medical data. This article includes a systematic literature review for the investigation of fuzzy logic processes utilized in a variety of medical
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.
The Ligurian HIV Network, based on HL7 CDA r2, is an Italian regional infrastructure for HIV surveillance and control. To expand this network to a European level, the alignment with the EHDS and the EEHRxF, which standardize EHR data exchange, becomes essential. EU-funded projects like XpanDH are developing HL7 FHIR IGs to support this framework. Therefore, the extension of the Ligurian HIV Network requires an architectural rethink, with the introduction of the HL7 FHIR format instead of CDA r2, ensuring compliance with European standards.
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.
Building on our previous research on nurses' adoption and use of digital technology during the COVID-19 pandemic and guided by the Health Emergency and Disaster Risk Management framework, we initiated a study to develop recommendations for including nursing digital capabilities for public health emergency preparedness (PHEP). While this study comprises three phases: 1) Identifying framework elements through case studies and a scoping review; 2) Conducting two e-Delphi survey rounds followed by an expert consensus meeting; and 3) Framework implementtaion, this paper reports on the development a
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 advances our understanding of public health crisis communication by conducting a longitudinal analysis. As COVID-19 has been the largest public health crisis to date, we performed sentiment analysis on it. While previous research focused on discrete time periods, our study examines the arc of pandemic-related discourse from 2020 to 2022, revealing long-term patterns in public sentiment evolution. Using advanced natural language processing techniques and temporal pattern analysis, we identify key transition points in public health discourse and sentiment, offering insights for future
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.
After the COVID-19 pandemic, there has been a rapid shortage of caregiving personnel, and the use of medical technology to alleviate caregiving pressures has become an emerging trend. This study aims to understand the demand for the introduction of smart technologies in long-term care institutions. Data was collected using interviews and analyzed through text mining techniques. The results revealed that the main needs were assistance with mobility, medication safety, and caregiving records.
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 evaluated deep learning approaches for classification and regression prediction, focusing on an LSTM with Multi-Head Attention model. Data from 27 healthy participants performing cycling exercises were segmented into eight two-minute intervals. Heart rate, oxygen saturation, pedal speed (RPM), and HRV features (extracted from ECG in both frequency and time domains) served as predictive inputs. Rating of Perceived Exertion (RPE) was collected every minute and used as the predictive response, categorized into high and low exertion for classification. Physiological features and RPM from each s
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: Unstructured and structured data in electronic health records (EHR) are a rich source of information for research and quality improvement studies. However, extracting accurate information from EHR is labor-intensive. Timely and accurate identification of patients with Alzheimer's Disease, related dementias (ADRD), or mild cognitive impairment (MCI) is critical for improving patient outcomes through early intervention, optimizing care plans, and reducing healthcare system burdens. Here we introduce an automated EHR phenotyping model to streamline this process and enable efficient id
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.
BACKGROUND: Machine learning (ML) models are widely used for predicting patient disposition at emergency department (ED) triage. However, these models generate predictions regardless of the level of uncertainty, potentially leading to overconfident outputs that can compromise clinical decision-making.
OBJECTIVE: To develop a conformal prediction model for ED triage that provides uncertainty-aware patient disposition predictions.
METHODS: This retrospective study analyzed 560,486 adult ED visits (March 2014 - July 2017) from one academic and two community hospitals. An extreme gradient boosti
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.
MedElevator
Войти в исследования