BACKGROUND: Childhood obesity is a growing public health concern that can seriously impact children's physical development and long-term health if left unaddressed. Effective monitoring and early intervention are crucial for managing this risk.
OBJECTIVE: This study aims to evaluate the performance and clinical relevance of the Pediatric Obesity and Weight Management (PedOWM) tool, a semantic rule-based Clinical Decision Support System (CDSS) designed to assess and manage childhood and adolescent obesity using national anthropometric data.
METHOD: PedOWM was tested using retrospective auxolo
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.
INTRODUCTION: This study seeks to determine incidence, comorbidities and drivers for new HIV infections to develop, test and validate a risk prediction model for screening for new cases of HIV.
METHODS AND ANALYSIS: The study has two components: a cross-sectional study to develop the prediction model using the HIV dataset from the Kenya AIDS and STI Control Programme and a 15-month prospective study for the validation of the model. Inferential analysis will be conducted using algorithms that perform best in disease prediction: Extreme Gradient Boosting (XGBoost) and Multilayer Perceptron. Mod
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.
OBJECTIVES: Inappropriately treated pain can have deleterious outcomes in infants. Current tools rely on intermittent, subjective observation requiring specialised paediatric skills. This study aimed to diagnose infant pain through continuous monitoring with wireless sensors using Neonatal Pain and Agitation Sedation Scale (NPASS)-derived Clinical Sensor Pain Scale (CSPS) and Automated SPS (ASPS).
METHODS: Clinically stable neonatal intensive care unit infants undergoing phlebotomy were recorded with wireless sensors and video, capturing vital signs, extremity movement and vocalisations. Clin
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.
Optical Coherence Tomography (OCT) has become an indispensable imaging modality in ophthalmology, providing high-resolution cross-sectional images of the retina. Accurate classification of OCT images is crucial for diagnosing retinal diseases such as Age-related Macular Degeneration (AMD) and Diabetic Macular Edema (DME). This study explores the efficacy of various deep learning models, including convolutional neural networks (CNNs) and Vision Transformers (ViTs), in classifying OCT images. We also investigate the impact of integrating metadata (patient age, sex, eye laterality, and year) into
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.
Sleep apnea is a common sleep disorder characterized by recurrent interruptions in breathing during sleep, leading to severe health complications such as cardiovascular diseases and reduced quality of life. Early and accurate diagnosis is essential for effectively managing and preventing these risks. This study proposes two hybrid deep learning architectures, 1D-CNN-LSTM and 1D-CNN-GRU, for sleep apnea classification using ECG signals from the PhysioNet Apnea-ECG database. The models leverage R-R intervals and R-wave amplitudes as primary input features, where 1D-CNN extracts spatial features
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.
The glottal area (GA) analysis during vocal fold vibration has garnered significant attention in phonatory medicine. Clinicians can obtain quantitative vocal fold characteristics that enhance diagnostic accuracy by examining endoscopic images captured during phonation. We propose an automated computational system for videostroboscopy that leverages spectrograms and cosine similarity techniques. This system efficiently identifies vocalization areas that warrant further analysis. Our Voice Activity Detection (VAD) method demonstrates over 97% precision and recall based on 5-fold cross-validation
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.
Image pre-processing has significant impact on performance of deep learning models in medicine; yet, there is no standardized method for DICOM pre-processing. In this study, we investigate the impact of two commonly used image preprocessing techniques, histogram equalization (HE) and values-of-interest look-up-table (VOI-LUT) transformations on the performance deep learning classifiers for chest X-rays (CXR). We generated two baseline datasets (raw pixel and standard DICOM processed) from our internal CXR dataset and then enhanced both with HE to create four distinct datasets. Four independent
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.
Whole-body MRI (WB-MRI) is a non-invasive imaging technique offering comprehensive anatomical coverage and high-resolution contrast, ideal for evaluating multi-system diseases without ionizing radiation. Recent advancements in parallel imaging have enhanced its utility in oncology and non-oncology applications. WB-MRI is routinely used for cancer staging, including in multiple myeloma (MM), prostate, and colorectal cancer, as well as in evaluating cancer predisposition syndromes and inflammatory conditions. In MM, WB-MRI is crucial for assessing bone marrow involvement and monitoring treatment
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.
Extracting accurate labels from radiology reports is essential for training medical image analysis models. Large language models (LLMs) show promise for automating this process. The purpose of this study is to evaluate how model size and prompting strategies affect label extraction accuracy and downstream performance in open-source LLMs. Three open-source LLMs (Llama-3, Phi-3 mini, and Zephyr-beta) were used to extract labels from 227,827 MIMIC-CXR radiology reports. Performance was evaluated against human annotations on 2000 MIMIC-CXR reports, and through training image classifiers for pneumo
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.
The analysis of fundus images is vital for early detection of retinal diseases such as diabetic retinopathy (DR), glaucoma, and age-related macular degeneration (AMD), but traditional methods are resource-intensive. We propose an automated and interpretable diagnostic framework that leverages novel feature representations to improve performance. Our main contribution is a topological feature extraction technique based on Topological Data Analysis (TDA), which captures geometric and structural patterns in fundus images. These features are computationally efficient and interpretable. We integrat
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.
Diabetic foot ulcer (DFU) is a common and severe complication of diabetes that leads to amputation if not effectively managed. Intelligent offloading or rehabilitation devices or boots are used to manage or observe the ulcer and the process of treatment which requires the segmentation and clustering analysis of 3D scanned foot models. This study examines the effectiveness of two widely used clustering algorithms, K-Means and Gaussian Mixture Models (GMM), in segmenting scanned foot models to use in rehabilitation boots. The performance of K-Means and GMM was compared across 98 foot models. GMM
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.
In March 2020, the British Society of Thoracic Imaging (BSTI) introduced a reporting guidance for COVID-19 detection to streamline standardised reporting and enhance agreement between radiologists. However, most current DL methods do not conform to this guidance. This study introduces a multi-class deep learning (DL) model to identify BSTI COVID-19 categories within CT volumes, classified as 'Classic', 'Probable', 'Indeterminate', or 'Non-COVID'. A total of 56 CT pseudoanonymised images were collected from patients with suspected COVID-19 and annotated by an experienced chest subspecialty radi
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.
OBJECTIVES: The objective of this study is to evaluate whether large language models (LLMs) can achieve performance comparable to expert-developed deep neural networks in detecting flow starvation (FS) asynchronies during mechanical ventilation.
METHODS: Popular LLMs (GPT-4, Claude-3.5, Gemini-1.5, DeepSeek-R1) were tested on a dataset of 6500 airway pressure cycles from 28 patients, classifying breaths into three FS categories. They were also tasked with generating executable code for one-dimensional convolutional neural network (CNN-1D) and Long Short-Term Memory networks. Model performance
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.
The purpose of the study was to compare the diagnostic performance of version 1.5.0 and version 1.5.4 of Gleamer ChestView, a deep learning-based artificial intelligence system for chest X-ray analysis, across multiple thoracic findings. A retrospective multicenter study including 187 chest radiographs from six centers using equipment from four manufacturers (Agfa-Gevaert N.V., Mortsel, Belgium; IRay Technology Co., Ltd., Shanghai, China; LG Electronics Inc., Seoul, South Korea; Siemens Healthineers, Erlangen, Germany) was conducted. Inclusion criteria were chest radiographs acquired during th
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.
The objective of this study was to evaluate the reliability and predictive ability of specific anthropometric mandibular measurements on three-dimensional (3D) reconstructed surfaces of cone-beam computed tomography (CBCT) records for sex determination. The study sample analyzed volumetric data from cone-beam computed tomography (CBCT) records of 204 Greek individuals aged 18-70 years, who sought general dental treatment at the School of Dentistry, National and Kapodistrian University of Athens, Greece. Patient records were screened for eligibility based on predefined inclusion criteria. The s
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.
Cystic bronchiectasis and pneumonia are respiratory conditions that significantly impact morbidity and mortality worldwide. Diagnosing these diseases accurately is crucial, as early detection can greatly improve patient outcomes. These diseases are respiratory conditions that present with overlapping features on chest X-rays (CXR), making accurate diagnosis challenging. Recent advancements in deep learning (DL) have improved diagnostic accuracy in medical imaging. This study proposes the EffConvNeXt model, a hybrid approach combining EfficientNetB1 and ConvNeXtTiny, designed to enhance classif
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.
Middle ear diseases, such as otitis media and middle ear effusion, are difficult to accurately detect in primary care. We developed an AI-powered system using Azure OpenAI's GPT-4 Vision, the first multimodal large language model (LLM) applied to analyze otoscopic images and detect ten middle ear conditions. Built with a Model-View-Controller (MVC) architecture, the system processes images in under 5 seconds and provides bilingual (English and Chinese) detection reports with confidence scores and treatment recommendations. This scalable solution integrates advanced image analysis and natural l
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 aimed to create and validate a machine learning (ML) model to predict the likelihood of invasive mechanical ventilation (IMV) in patients with acute exacerbation of chronic obstructive pulmonary disease (AECOPD) complicated by respiratory failure.
METHODS: Data from patients diagnosed with AECOPD and respiratory failure were retrospectively extracted from the Medical Information Mart for Intensive Care-IV (MIMIC-IV). A total of 551 cases were split 7:3 into a training set (385 cases) for model construction and an internal validation set (166 cases). The IMV served as the
СтатьяВалидационное 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.
Digital health is growing rapidly with several technologies aiming to revolutionize the healthcare domain. In this context, the need for training and certification programs becomes imperative. Although such programs do exist, they need to be further expanded and enhanced to cover the pressing needs of the current landscape. In this paper, we describe insights on training and certification in digital health technologies as these were obtained through a related workshop. We outline the profiles and the expertise of the workshop's participants, the main gaps in knowledge and competencies, the gov
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.
Early detection of breast cancer is a major challenge in the fight against this disease. Artificial intelligence (AI), particularly through medical imaging, offers promising prospects for improving diagnostic accuracy. This article focuses on evaluating the effectiveness of an intelligent electronic system deployed at the CHU of Bogodogo in Burkina Faso, designed to detect breast cancer cells from histological images. The system aims to reduce diagnosis time and enhance screening reliability. The article also discusses the challenges, innovations, and prospects for integrating the system into
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