This study aims to investigate the feasibility of preoperatively predicting histological subtypes of pituitary neuroendocrine tumors (PitNETs) using machine learning and radiomics based on multiparameter MRI. Patients with PitNETs from January 2016 to May 2022 were retrospectively enrolled from four medical centers. A cfVB-Net network was used to automatically segment PitNET multiparameter MRI. Radiomics features were extracted from the MRI, and the radiomics score (Radscore) of each patient was calculated. To predict histological subtypes, the Gaussian process (GP) machine learning classifier
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: Alzheimer's disease (AD) is a prevalent form of dementia worldwide as a cryptic neurodegenerative disease. The symptoms of AD will last for several years, which brings great mental and economic burden to patients and their families. Unfortunately, the complete cure of AD still faces great challenges. Therefore, it is crucial to diagnose the disease in the early stage.
MATERIALS AND METHODS: The Visual Geometry Group (VGG) network serves as the backbone for feature extraction, which could reduce the time cost of network training to a certain extent. In order to better extract image
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 the delivery room, fetal well-being is evaluated through laboratory tests, biosignals like cardiotocography, and imaging techniques such as fetal echocardiography. We have developed a multimodal machine learning model that integrates medical records, biosignals, and imaging data to predict fetal acidosis, using a dataset from a tertiary hospital's delivery room (n=2,266). To achieve this, features were extracted from unstructured data sources, including biosignals and imaging, and then merged with structured data from medical records. The concatenated vectors formed the basis for training a
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.
Migraine is a chronic headache disorder. A prototype mobile app-based system was implemented to test data collection and improve data coverage for the Empatica E4 biometric sensor device. Results from the prototype testing are reported. Future iteration of the app will be tested with patients with migraine to predict events and potentially reduce event duration and therefore disease burden.
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: There has been a paucity of evidence for the development of a prediction model for diabetic retinopathy (DR) in Ethiopia. Predicting the risk of developing DR based on the patient's demographic, clinical, and behavioral data is helpful in resource-limited areas where regular screening for DR is not available and to guide practitioners estimate the future risk of their patients.
METHODS: A retrospective follow-up study was conducted at the University of Gondar (UoG) Comprehensive Specialized Hospital from January 2006 to May 2021 among 856 patients with type 2 diabetes (T2DM). Vari
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.
PURPOSE: Thyroid nodules are common in the general population, and assessing their malignancy risk is the initial step in care. Surgical exploration remains the sole definitive option for indeterminate nodules. Extensive database access is crucial for improving this initial assessment. Our objective was to develop an automated process using convolutional neural networks (CNNs) to extract and structure biomedical insights from electronic health reports (EHRs) in a large thyroid pathology cohort.
MATERIALS AND METHODS: We randomly selected 1,500 patients with thyroid pathology from our cohort f
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 clinical research, the analysis of patient cohorts is a widely employed method for investigating relevant healthcare questions. The ability to automatically extract large-scale patient cohorts from hospital systems is vital in order to unlock the potential of real-world clinical data, and answer pivotal medical questions through retrospective research studies. However, existing medical data is often dispersed across various systems and databases, preventing a systematic approach to access and interoperability. Even when the data are readily accessible, clinical researchers need to sift thro
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.
Computer-aided diagnosis (CAD) system assists ophthalmologists in early diabetic retinopathy (DR) detection by automating the analysis of retinal images, enabling timely intervention and treatment. This paper introduces a novel CAD system based on the global and multi-resolution analysis of retinal images. As a first step, we enhance the quality of the retinal images by applying a sequence of preprocessing techniques, which include the median filter, contrast limited adaptive histogram equalization (CLAHE), and the unsharp filter. These preprocessing steps effectively eliminate noise and enhan
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 retinopathy (DR) is a retinal disease caused by diabetes. If there is no intervention, it may even lead to blindness. Therefore, the detection of diabetic retinopathy is of great significance for preventing blindness in patients. Most of the existing DR detection methods use supervised methods, which usually require a large number of accurate pixel-level annotations. To solve this problem, we propose a self-supervised Equivariant Refinement Classification Network (ERCN) for DR classification. First, we use an unsupervised contrast pre-training network to learn a more generalized repre
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.
Limited research demonstrates the possible correlations between dental diseases and neurodegenerative diseases like Alzheimer's disease (AD) and Parkinson's disease (PD). Nevertheless, dental diseases are often overlooked while assessing the risk of AD and PD in clinical settings. It is unknown whether AD/PD risk can be predicted using electronic dental record (EDR) data collected in a routine dental setting. This pilot study determined the feasibility of predicting AD/PD using 84 features routinely captured in the EDR. We utilized the Temple University School of Dentistry clinic data of 27,13
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 this study was to design, develop, and deploy a visitor management system (VMS) to effectively manage visitors during COVID-19. The VMS was designed using the User-Centered Design (UCD) methodology. The iterative process of UCD includes 3 interviews and 5 usability tests and cognitive walkthrough cycles. This system comprised six parts: the WEB server provides visit scheduling service; the database server stores visit data and provides visit data services; the mobile application server provides security checks and scanning services; the electronic medical record (EMR) server pro
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.
Breast cancer, a widespread global disease, represents a significant threat to women's health and lives, ranking as one of the most vulnerable malignant tumors they face. Many researchers have proposed their computer-aided diagnosis systems for classifying breast cancer. The majority of these approaches primarily utilize deep learning (DL) methods, which are not entirely reliable. These approaches overlook the crucial necessity of incorporating both local and global information for precise tumor detection, despite the fact that the subtle nuances are crucial for precise breast cancer classific
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: Elevating systolic blood pressure (SBP) and diastolic blood pressure (DBP) independently influences clinical outcomes and adverse cardiovascular events. Blood pressure can be affected by modifiable (such as diets and physical activities) and non-modifiable factors (such as age and gender). Elevated blood pressure (EBP or formerly prehypertension) during childhood is associated with hypertension incidence in later adulthood.
OBJECTIVES: This cross- sectional study investigated modifiable risk factors for blood pressure among children (aged 3-12).
METHODS: We employed wearable devi
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.
PTSD is a complex mental health condition triggered by individuals' traumatic experiences, with long-term and broad impacts on sufferers' psychological health and quality of life. Despite decades of research providing partial understanding of the pathobiological aspects of PTSD, precise neurobiological markers and imaging indicators remain challenging to pinpoint. This study employed VBM analysis and machine learning algorithms to investigate structural brain changes in PTSD patients. Data were sourced ADNI-DoD database for PTSD cases and from the ADNI database for healthy controls. Various ma
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.
Chronic Obstructive Pulmonary Disease (COPD) frequently coincides with other comorbidities such as congestive heart failure, hypertension, coronary artery disease, or atrial fibrillation. The exhibition of overlapping sets of symptoms associated with these conditions prevents early identification of an acute exacerbation upon admission to a hospital. Early identification of the underlying cause of exacerbation allows timely prescription of an optimal treatment plan as well as allows avoiding unnecessary clinical tests and specialist consultations. The aim of this study was to develop a predict
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.
ComBat harmonization has been developed to remove non-biological variations for data in multi-center research applying artificial intelligence (AI). We investigated the effectiveness of ComBat harmonization on radiomic and deep features extracted from large, multi-center abdominal MRI data. A retrospective study was conducted on T2-weighted (T2W) abdominal MRI data retrieved from individual patients with suspected or known chronic liver disease at three study sites. MRI data were acquired using systems from three manufacturers and two field strengths. Radiomic features and deep features were e
СтатьяМногоцентровое 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.
This study focused on the associations between predicted lean body mass index (LBMI), appendicular skeletal muscle mass index (ASMI), and body fat mass index (BFMI) with the 2019 coronavirus disease (COVID-19). A nationwide population-based non-underweight cohort of 2,037,714 participants underwent two consecutive biennial health screening examinations, with changes in predicted body composition indices estimated using a multivariable-adjusted logistic regression model. Increased LBMI and ASMI were associated with a lower COVID-19 risk among men who became obese. In COVID-19 patients, increase
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.
PURPOSE: Natural language understanding (NLU) may be particularly well equipped for enhanced data capture from the electronic health record given its examination of both content-driven and context-driven extraction.
METHODS: We developed and applied a NLU model to examine rates of pathological node positivity (pN+) and rates of lymphedema to determine whether omission of routine axillary staging could be extended to younger patients with estrogen receptor-positive (ER+)/cN0 disease.
RESULTS: We found that rates of pN+ and arm lymphedema were similar between patients age 55-69 years and ≥70 y
СтатьяПоддержка NIH: внешняя программаПоддержка 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.
The goal of this paper is to build an automatic way to interpret conclusions from brain molecular imaging reports performed for investigation of cognitive disturbances (FDG, Amyloid and Tau PET) by comparing several traditional machine learning (ML) techniques-based text classification methods. Two purposes are defined: to identify positive or negative results in all three modalities, and to extract diagnostic impressions for Alzheimer's Disease (AD), Fronto-Temporal Dementia (FTD), Lewy Bodies Dementia (LBD) based on metabolism of perfusion patterns. A dataset was created by manual parallel a
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 objective of the study is to explore the image quality and diagnosis performance of the dual-energy CT-derived slope parameter images (SPI) generated by the algorithm based on the slope function in the diagnosis of Crohn's disease (CD). Seventy-six CD patients and 53 disease-free control group subjects who underwent dual-energy CT enterography were retrospectively collected. Portal venous phase 120kVp-like and virtual monoenergetic images at 40-100 keV (VMI40-100) were reconstructed. SPIs corresponding to the spectral curve between 40 and 100 keV (SPI40-100) were generated using Python. Si
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.
MedElevator
Войти в исследования