Currently, there is lack of quantitative methods to assess respiratory muscle density, both in healthy patients and in patients with sarcopenia. In this study, we assess respiratory muscle density in patients with no known diagnosis of sarcopenia using CT images. We extracted the distributions of muscle density, defined in Hounsfield units, in the pectoralis major, pectoralis minor, intercostal and serratus muscles in young, middle-aged, and elderly adults. Results showed consistent changes across respiratory muscles in terms of density distributions in the different age groups, specifically a
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.
The diverse data sources in hospitals are crucial for real-world evidence (RWE) analysis and for developing decision support systems. However, integrating this variety of sources into standardized data collections for a specific disease, requires the development of highly personalized frameworks. In this study, we propose a RWE approach for the development of a Data Mart for the Systemic Lupus Erythematosus (SLE) at the Gemelli hospital of Rome. Our approach combines natural language processing and data mining procedures to capture information about organ involvements, activity episodes and tr
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.
We extend existing techniques by using generative adversarial network (GAN) models to reduce the appearance of cast shadows in radiographs across various age groups. We retrospectively collected 11,500 adult and paediatric wrist radiographs, evenly divided between those with and without casts. The test subset consisted of 750 radiographs with cast and 750 without cast. We extended the results from a previous study that employed CycleGAN by enhancing the model using a perceptual loss function and a self-attention layer. The CycleGAN model which incorporates a self-attention layer and perceptual
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 use of low-cost, consumer-grade wearable health monitoring devices has become increasingly prevalent in mental health research, including stress studies. While cortisol response magnitude remains the gold standard for stress assessment, an expanding body of research employs low-cost EEG devices as primary tools for recording biomarker data, often combined with wrist and ring-based wearables. However, the technical variability among low-cost EEG devices, particularly in sensor count and placement according to the 10-20 Electrode Placement System, poses challenges for reproduci
СтатьяСистематический обзорПоддержка 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.
Patients with rheumatoid arthritis (RA) on biologic or targeted synthetic DMARDs (b/ts DMARDs) face increased serious infection risk. This study developed and validated a machine learning model to predict one-year risk using data from Hong Kong's CDARS and the U.S. All of Us database. Among 3,159 CDARS and 1,845 All of Us patients, AUROCs were 0.840 and 0.729. Key predictors included prior infections, diabetes, DMARD type, and inflammatory markers. Rituximab posed the highest risk. The model supports personalized RA treatment and infection prevention.
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.
With the increasing frequency of daily physical activities among children and adolescents, the incidence of wrist fractures has been rising annually. Without precise and prompt diagnosis, these fractures may remain undetected, potentially leading to complications. Recent advancements in computer-aided diagnosis (CAD) technologies have facilitated the development of sophisticated diagnostic tools, which significantly improve the accuracy of fracture detection. To enhance the capability of detecting pediatric wrist fractures, this study presents the WH-DETR model, specifically designed for pedia
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 paper suggests an automated system for segmentation of the Lumbo-Sacral (LS) Magnetic Resonance Imaging (MRI) of spine and evaluation of its geometrical characteristics. The LS MRI of spine is segmented into anatomical parts such as vertebrae, intervertebral discs (IVDs), canal and vertebral height and width, IVDs height and width, canal diameter, IVDs height index and signal intensity parameters are computed to facilitate automatic analysis. To overcome the subjectivity and variability that come with manual analysis, an expert-verified dataset is developed. This dataset improves clinical
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.
Hand-wrist radiographs are used in bone age prediction. Computer-assisted clinical decision support systems offer solutions to the limitations of the radiographic bone age assessment methods. In this study, a multi-output prediction model was designed to predict bone age and gender using digital hand-wrist radiographs. The InceptionV3 architecture was used as the backbone, and the model was trained and tested using the open-access dataset of 2017 RSNA Pediatric Bone Age Challenge. A total of 14,048 samples were divided to training, validation, and testing subsets with the ratio of 7:2:1, and a
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.
BACKGROUND: Hand weakness is a major contributor to long-term disability in stroke survivors, severely affecting daily function and quality of life. Although wrist-worn accelerometers offer an objective means of measuring upper limb (UL) use in daily life, traditional metrics such as movement duration and interlimb ratios provide only limited insight. When combined with unsupervised clustering, these heuristic measures often fail to capture meaningful clinical differences as the groupings frequently show substantial overlap on clinical scales like the Action Research Arm Test (ARAT).
PURPOSE:
СтатьяПоддержка исследования: вне правительства СШАПоиск 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: Electronic health records (EHRs) offer a wealth of patient data but often fail to capture the dynamic progression of symptoms, particularly in non-continuously monitored conditions like lumbar disc herniation (LDH). This study aimed to enhance the prediction of nonsurgical treatment outcomes for LDH using latent class trajectory modeling (LCTM) combined with machine learning, leveraging sparse EHRs to inform patient care.
MATERIALS AND METHODS: The EHRs of 6,732 patients (2017-2021) were obtained and divided into training (2017-2019) and prediction (2020-2021) datasets. LCTM identi
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.
Poor sitting posture is a major contributor to musculoskeletal health problems, such as neck pain, lower back pain, and spinal deformities, caused by prolonged slouching or hunching during activities like computer and smartphone use. To address these issues, this study developed an intelligent posture detection system utilizing a multi-sensor setup combining pressure sensors and a camera, integrated with a fully connected neural network and a pre-trained MobileNet model. The system was validated using 32 experimental datasets, achieving an overall accuracy of 97%. This research highlights the
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 classification of spinal pathologies from radiographic images is essential for timely diagnosis and effective treatment planning. In this study, we propose an end-to-end deep learning framework that integrates convolutional neural networks (CNNs) with graph neural networks (GNNs) to model both the appearance and anatomical relationships of vertebrae from lateral spine X-rays. The proposed Enhanced Vertebra-GNN utilizes CNN-extracted regional features from segmented vertebral regions-of-interest and encodes inter-vertebral dependencies using a graph representation of the spine. Three v
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 assess whether machine learning (ML) can accurately evaluate functional kinematics in people with low back pain (LBP) when judged by psychometric properties, including validity, reliability, and measurement error.
METHODS: A systematic search of PubMed, Scopus, Web of Science, and IEEE Xplore identified studies applying ML with kinematic inputs for LBP assessment. Risk of bias was assessed using the Newcastle-Ottawa Scale and selected COSMIN domains.
RESULTS: Twenty studies met inclusion. Most reported criterion validity via accuracy, while few examined reliability or measurement
СтатьяСистематический обзорПолный 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.
Scoliosis is a three-dimensional spinal deformity that is the most common among spinal deformities and causes extremely serious posture disorders in advanced stages. Scoliosis can lead to various health problems, including pain, respiratory dysfunction, heart problems, mental health disorders, stress, and emotional difficulties. The current gold standard for grading scoliosis and planning treatment is based on the Cobb angle measurement on X-rays. The Cobb angle measurement is performed by physical medicine and rehabilitation specialists, orthopedists, radiologists, etc., in branches dealing w
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.
Ankylosing spondylitis (AS), a lifelong inflammatory disease, leads to fusion of vertebrae and sacroiliac joints (SIJs) if undiagnosed. Conventional magnetic resonance imaging (MRI), e.g., T1w/T2w, is the diagnostic modality of choice for AS. However, computed tomography (CT)-a second-line modality-offers higher specificity because CT differentiates AS-relevant bony erosions/lesions better than MRI. We wished to ascertain whether MRI could be used to train/optimize convolutional neural networks (CNNs) for AS classification and which type of conventional MRI may dominate. We extracted 534 AS an
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 introduce a robust method using a robust convolutional neural network (CNN) architecture for efficient segmentation and multi-classification of lung X-ray pathologies, by replacing the traditional max pooling with discrete wavelet transform (DWT), which provides more accurate down-sampling and enhances the detection of fine lung structure details. Integrated with an advanced U-Net + + model and Attention Gates (AG), our method significantly improves lung segmentation accuracy. For lung pathology classification, we integrated DWT in the DenseNet-201 model to differentiate nor
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.
Lung diseases require accurate and early diagnosis to ensure effective treatment planning and close monitoring of disease progression. High-resolution computed tomography (HRCT) provides detailed visualization of lung structures, while automated lung segmentation in HRCT images supports the diagnostic process and improves clinical accuracy. This study presents a comprehensive evaluation of the segmentation performance of Segment Anything Model (SAM), SAM2, Medical SAM (MedSAM), and MedSAM2 models within a zero-shot learning framework, using the MedGIFT database as the experimental benchmark. N
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: Access to patient-centered health information is essential for informed decision-making. However, online medical resources vary in quality and often fail to accommodate differing degrees of health literacy. This issue is particularly evident in surgical contexts, where complex terminology obstructs patient comprehension. With the increasing reliance on AI models for supplementary medical information, the reliability and readability of AI-generated content require thorough evaluation.
OBJECTIVE: This study aimed to evaluate four natural language processing models-ChatGPT-4o, ChatGP
СтатьяСравнительное исследованиеПоддержка 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.
Radiomics, the extraction of quantitative features from medical images, has shown great promise in enhancing diagnostic and prognostic models, particularly in CT and MRI. However, its application in ultrasound (US) imaging, especially in musculoskeletal (MSK) imaging, remains underexplored. The inherent variability of ultrasound, influenced by operator dependency and various imaging settings, presents significant challenges to the reproducibility of radiomic features. This study aims to identify whether commonly used image pre-processing methods can increase the reproducibility of radiomics fe
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 aims to evaluate the diagnostic accuracy of ChatGPT-4V, an AI model with visual capabilities, in detecting sacroiliitis on MRI and compares its performance to expert radiologists. This retrospective study included 125 patients (250 sacroiliac joint images) from a tertiary hospital's Picture Archiving and Communication System. MRI scans, including coronal T1-weighted and semicoronal STIR sequences, were assessed by two experienced radiologists. ChatGPT-4V was prompted with standardized queries to analyze the images for signs of active or chronic sacroiliitis. Its diagnostic outputs w
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.
MedElevator
Войти в исследования