This study evaluates the performance of ChatGPT-4, a Large Language Model (LLM), in automatically extracting U scores from free-text thyroid ultrasound reports collected from University Hospitals Birmingham (UHB), UK, between 2014 and 2024. The LLM was provided with guidelines on the U classification system and extracted U scores independently from 14,248 de-identified reports, without access to human-assigned scores. The LLM-extracted scores were compared to initial clinician-assigned and refined U scores provided by expert reviewers. The LLM achieved 97.7% agreement with refined human U scor
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.
Accurate segmentation of adrenal glands from CT images is essential for enhancing computer-aided diagnosis and surgical planning. However, the small size, irregular shape, and proximity to surrounding tissues make this task highly challenging. This study introduces a novel pipeline that significantly improves the segmentation of left and right adrenal glands by integrating advanced pre-processing techniques and a robust post-processing framework. Utilising a 2D UNet architecture with various backbones (VGG16, ResNet34, InceptionV3), the pipeline leverages test-time augmentation (TTA) and targe
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: There is little guidance for decision making in chronic myeloid leukemia (CML) after patients achieve molecular remission. Our study addresses this gap by developing a risk prediction model for molecular relapse using early longitudinal factors, such as BCR::ABL1 biomarker-level changes and treatment adherence.
METHODS: We analyzed electronic health record data of patients with CML diagnosed between 2007 and 2019 from an integrated health system. We used a time-to-event modeling framework using a Cox proportional hazards approach where we evaluated time from molecular remission to mo
СтатьяПоддержка NIH: внешняя программаПоиск 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: Accurate survival data are critical for high-quality outcomes research. It has been documented that mortality data capture in the real-world setting may be prone to missingness. Our study sought to evaluate the validity of a composite real-world mortality variable compared with the National Death Index (NDI) as the gold standard.
METHODS: This was a retrospective, observational research study of patients with hematologic malignancies treated in the United States. Adult patients diagnosed with one of the following cancers between January 1, 2012, and December 31, 2020, were included:
СтатьяНаблюдательное исследованиеПоиск 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 investigate the impact of combining deep learning image reconstruction (DLIR) and metal artifacts reduction (MAR) algorithms on the quality of CT images with metal implants under different scanning conditions. Four images of the maxillofacial region in pigs were taken using different metal implants for evaluation. The scans were conducted at three different dose levels (CTDIvol: 20/10/5 mGy). The images were reconstructed using three different methods: filtered back projection (FBP), adaptive statistical iterative reconstruction with Veo at a 50% level (AV50), and DLIR at th
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.
Recent advances in deep learning have shown considerable promise in automating anatomical segmentation for laparoscopic gynecological surgery. However, segmenting small and morphologically variable structures such as the ovary and fallopian tube remains a significant challenge. In this study, we conducted a comparative evaluation of three convolutional neural network models-U-Net, Segformer, and MANet-on uterus, ovary, and fallopian tube segmentation using 381 laparoscopic images from 21 patients undergoing gynecologic procedures. U-Net demonstrated the most consistent performance, achieving D
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.
Glioma, pituitary tumors, and meningiomas constitute the major types of primary brain tumors. The challenge in achieving a definitive diagnosis stem from the brain's complex structure, limited accessibility for precise imaging, and the resemblance between different types of tumors. An alternative and promising solution is the application of artificial intelligence (AI), specifically through deep learning models. We developed multiple lightweight deep learning models ResNet-18 (both pretrained on ImageNet and trained from scratch), ResNet-34, ResNet-50, and a custom CNN to classify glioma, meni
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 wound segmentation is crucial for the precise diagnosis and treatment of various skin conditions through image analysis. In this paper, we introduce a novel dual attention U-Net model designed for precise wound segmentation. Our proposed architecture integrates two widely used deep learning models, VGG16 and U-Net, incorporating dual attention mechanisms to focus on relevant regions within the wound area. Initially trained on diabetic foot ulcer images, we fine-tuned the model to acute and chronic wound images and conducted a comprehensive comparison with other state-of-the-art models
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.
A methodological systematic review included literature retrieved from Scopus, PubMed, and IEEE-Explore. 61 studies on seismocardiography (SCG) and echocardiography (ECHO) were found. After screening for aortic and mitral valve timing events, 12 studies were selected. These studies focused on correlating SCG signals with ECHO using M-mode, PW-Doppler, CW-Doppler, and TDI. Variations in sensor placement and subject positioning highlighted the need for standardization. Our review stresses the importance of clear objectives, standardized protocols, and recording disease-specific impacts on heart m
СтатьяСистематический обзорПоиск 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: Major adverse cardiovascular events (MACE) represent critical endpoints in cardiovascular research. The occurrence of MACE in patients with unstable angina pectoris (UAP) exhibits multidimensional complexity. We employed multi-label learning (MLL) models to concurrently predict five distinct types of MACE.
METHODS: This prospective observational cohort study analysed the 978 UAP patients from the Second Affiliated Hospital of Shanxi Medical University (Taiyuan, China) between July 1, 2017, and June 30, 2019. Three-year follow-up endpoints encompassed all-cause death, heart failure
СтатьяНаблюдательное исследованиеПоддержка 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.
A significant proportion of rheumatoid arthritis patients experience multiple organ-related complications, severely affecting their quality of life. Establishing a dynamic prediction model that adequately considers the associative relationships of complications can contribute to the health management of patients. In this study, we propose to introduce a complication association enhancement module into the dynamic time-series prediction model to improve its performance. This method captures the triggering and dependency relationships between complications, reveals comorbidity interactions, and
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.
Machine learning is now extensively implemented in medical imaging for preoperative risk stratification and post-therapeutic outcome assessment, enhancing clinical decision-making. Numerous studies have focused on predicting whether thyroid nodules are benign or malignant using a nodule-based approach, which is time-consuming, inefficient, and overlooks the impact of the peritumoral region. To evaluate the effectiveness of using the whole-thyroid as the region of interest in differentiating between benign and malignant thyroid nodules, exploring the potential application value of the entire th
СтатьяСравнительное исследованиеПоиск 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.
Gout is the world's foremost chronic inflammatory arthritis. Dual-energy computed tomography (DECT) images tophi-monosodium urate (MSU) crystal deposits that indicate gout-as an easily recognizable green color, facilitating high sensitivity. However, tophi-like regions ("artifacts") may be found in healthy controls, degrading specificity. To mitigate false positives, we propose the first automated system to localize MSU-presenting crystal deposits from DECT and classify them as gouty tophi or artifacts. Our solution, developed using 47 gout and 27 control patient scans, is three-stage. First,
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: Antiretroviral therapy allows people with HIV to manage the disease as a chronic illness rather than a fatal diagnosis as regular adherence can lead to viral suppression. It is estimated, however, that less than two-thirds of people with HIV in the United States sustain viral suppression. Community Health Workers and mHealth to Improve Viral Suppression (CHAMPS) is useful for improving and personalizing care and may help promote medication adherence among people with HIV.
OBJECTIVE: We aimed to understand acceptability and perceived usefulness of the CHAMPS intervention.
METHODS:
СтатьяПоддержка исследования: вне правительства СШАПоддержка NIH: внешняя программаПоиск 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: Lichen planopilaris (LPP) is a devastating inflammatory hair disorder that leads to permanent scarring alopecia, causing profound psychosocial distress and significantly impairing quality of life. It is caused by lymphocytic inflammation and can progress in different ways. Identifying predictors for disease progression is challenging. This uncertainty affects treatment choices and patient results. To create the first risk assessment model for LPP progression based on machine learning, using various clinical, trichoscopic, and immunological factors.
METHODS: This retrospective cohort
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.
Antiretroviral therapy adherence remains challenging for many people with HIV. To overcome this challenge, we created and tested CHAMPS, a combination intervention comprised of a novel mobile health application (app) and community health worker sessions that monitor and manage HIV medication adherence. This study assessed the usability of the CHAMPS app. Results showed user satisfaction and perceived usability of the CHAMPS app, suggesting that the rigorous user-centered design supported a usable app.
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: Portal vein system thrombosis (PVST) is a common and potentially life-threatening complication following splenectomy plus pericardial devascularisation (SPDV) in patients with cirrhosis and portal hypertension. Early prediction of PVST is critical for timely intervention. This study aimed to develop a machine learning-based prediction model for PVST occurrence within 3 months after splenectomy.
METHODS: 392 patients with cirrhosis who underwent splenectomy at the Second Affiliated Hospital of Xi'an Jiaotong University between 1 July 2016 and 31 December 2022 were enrolled in this
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: To evaluate the performance of general-purpose, retrieval-augmented, and medicine-specific AI chatbots in answering common thyroid eye disease (TED) patient questions.
DESIGN: Cross-sectional comparative evaluation. Online TED forum discussion posts were collected and synthesized into 15 representative patient questions across five groups spanning clinical (treatment, diagnosis, management, epidemiology) and non-clinical topics, grouped into three difficulty levels. Three differing large language models (LLMs) generated responses were randomized and anonymized for blinded assessment.
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: Recent advances in machine learning have led to the development of classifiers that predict molecular subtypes of acute lymphoblastic leukemia (ALL) using RNA-sequencing (RNA-seq) data. Although these models have shown promising results, they often lack robust performance guarantees. The aim of this study was three-fold: to quantify the uncertainty of these classifiers, to provide prediction sets that control the false-negative rate (FNR), and to perform implicit error reduction by transforming incorrect predictions into uncertain predictions.
METHODS: Conformal prediction (CP) is a
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.
Precise segmentation of the vestibular schwannoma (VS) is essential to optimize therapeutic strategies and enhance outcomes. While manual segmentation is associated with considerable time consumption and interobserver variability, deep learning (DL)-based models can provide faster, more precise segmentation of VS lesions. This study aimed to evaluate the performance of the DL-based models in VS segmentation. A systematic literature search was conducted on May 8, 2025. Studies that developed DL-based models to perform VS segmentation based on the magnetic resonance imaging (MRI)-driven radiomic
СтатьяМетаанализСистематический 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.
MedElevator
Войти в исследования