BACKGROUND: Age-related neurodegenerative diseases are constantly increasing with prediction that in 2050 over 60 % of population will suffer from some level of cognitive impairment. A cure for the Alzheimer's disease (AD) does not exist, so early diagnosis is of a great importance. Machine learning techniques can help in early diagnosis with deep medical data processing, disease understanding, intervention analysis and knowledge discovery for achieving better medical decision making.
METHODS: In this paper, we analyze the dataset consisting of 90 individuals and 482 input features. We invest
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: Bile duct injuries (BDIs) are a significant source of morbidity among patients undergoing laparoscopic cholecystectomy (LC). GoNoGoNet is an artificial intelligence (AI) algorithm that has been developed and validated to identify safe ("Go") and dangerous ("No-Go") zones of dissection during LC, with the potential to prevent BDIs through real-time intraoperative decision-support. This study evaluates GoNoGoNet's ability to predict Go/No-Go zones during LCs with BDIs.
METHODS AND PROCEDURES: Eleven LC videos with BDI (BDI group) were annotated by GoNoGoNet. All tool-tissue intera
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.
OBJECTIVE: The aim of this study was to validate the ability of a novel, impedance-based platform for nasogastric feeding tube (FT) insertion to correctly predict intragastric FT placement in healthy individuals with and without acid suppression medication.
METHODS: Ten patients underwent successive placement of 8, 10, and 12 French FTs with the final intragastric position predicted using an impedance-based algorithm and verified with an abdominal x-ray. Study procedures were repeated after patients received a proton pump inhibitor (PPI) for 3 d.
RESULTS: Nasogastric FTs with embedded electr
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.
Dengue virus (DENV) is the world's most common arboviral infection, with an estimated 3.9 million people at risk of the infection, 100 million symptomatic cases and 10,000 deaths per year. Current diagnosis for DENV includes the use of molecular methods, such as polymerase chain reaction, which can be costly for routine use. The near-infrared spectroscopy (NIR) technique is a high throughput technique that involves shining a beam of infrared light on a biological sample, collecting a reflectance spectrum, and using machine learning algorithms to develop predictive algorithms. Here, we used NIR
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.
Previous research has shown that sensors monitoring lying behaviours and feeding can detect early signs of ill health in calves. There is evidence to suggest that monitoring change in a single behaviour might not be enough for disease prediction. In calves, multiple behaviours such as locomotor play, self-grooming, feeding and activity whilst lying are likely to be informative. However, these behaviours can occur rarely in the real world, which means simply counting behaviours based on the prediction of a classifier can lead to overestimation. Here, we equipped thirteen pre-weaned dairy calves
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: Skin cancer (SC), especially melanoma, is a growing public health burden. Experimental studies have indicated a potential diagnostic role for deep learning (DL) algorithms in identifying SC at varying sensitivities. Previously, it was demonstrated that diagnostics by dermoscopy are improved by applying an additional sonification (data to sound waves conversion) layer on DL algorithms. The aim of the study was to determine the impact of image quality on accuracy of diagnosis by sonification employing a rudimentary skin magnifier with polarized light (SMP).
METHODS: Dermoscopy 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.
Early intervention in pulmonary arterial hypertension associated with systemic sclerosis (SSc) may improve its prognosis. We aimed to establish an algorithm to detect mean pulmonary artery pressure (mPAP) > 20 mmHg using non-invasive examinations in SSc patients by modifying the DETECT algorithm. This study included SSc patients who underwent right heart catheterization (RHC) in our hospital during 2010-2018. Following variables were assessed for performance to predict mPAP ≥ 25 mmHg or > 20 mmHg; anti-centromere or U1-RNP antibody, plasma BNP level, serum urate level, right axis deviation, fo
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: A wealth of clinical studies have identified objective biomarkers, which separate schizophrenia patients from healthy controls on a group level, but current diagnostic systems solely include clinical symptoms. In this study, we investigate if machine learning algorithms on multimodal data can serve as a framework for clinical translation.
METHODS: Forty-six antipsychotic-naïve, first-episode schizophrenia patients and 58 controls underwent neurocognitive tests, electrophysiology, and magnetic resonance imaging (MRI). Patients underwent clinical assessments before and after 6 weeks
Контролируемое клиническое исследованиеСтатьяПоддержка 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.
BACKGROUND: Gastrointestinal bleeding (GIB) is a common complication following Type A aortic dissection (TAAD) surgery, significantly impacting prognosis and increasing mortality risk. This study developed and validated a predictive model based on machine learning (ML) algorithms to enable early and precise assessment of postoperative GIB risk in TAAD patients.
METHODS: Medical records of patients who underwent TAAD surgery at Shanxi Bethune Hospital from January 2019 to September 2024 were retrospectively collected. Predictors were screened using LASSO regression, and four ML algorithms-Rand
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: Minimizing postoperative complications is imperative to improving patient outcomes. The purpose of this investigation is to develop machine learning (ML) models that can predict complications following open reduction and internal fixation of ankle fractures and compare them with legacy indices.
METHODS: The ACS-NSQIP database was queried from 2011 to 2020 for ankle fractures. Training and validation sets were created by randomly assigning 80% and 20% of the data set, respectively. Age, body mass index (BMI), surgical time, smoking status, comorbidities, and preoperative hematocrit
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.
AIMS: To investigate the potential dosimetric and clinical benefits predicted by using four-dimensional computed tomography (4DCT) compared with 3DCT in the planning of radical radiotherapy for non-small cell lung cancer.
MATERIALS AND METHODS: Twenty patients were planned using free breathing 4DCT then retrospectively delineated on three-dimensional helical scan sets (3DCT). Beam arrangement and total dose (55 Gy in 20 fractions) were matched for 3D and 4D plans. Plans were compared for differences in planning target volume (PTV) geometrics and normal tissue complication probability (NTCP) f
Сравнительное исследованиеСтатьяПоддержка 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.
Diabetes affects one in ten adults worldwide, yet clinicians lack tools to simultaneously predict which complications a given patient is most likely to develop in the near term. Existing risk models typically address single complications, were developed in specialized cohorts, and use heterogeneous time horizons, limiting their utility for individualized clinical decision-making. Here, we show that machine learning models trained on nationwide U.S. administrative claims data for 400,400 adults with newly diagnosed type 1 or type 2 diabetes can accurately predict the monthly risk of nine acute
СтатьяВалидационное 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.
OBJECTIVE: We aimed to use machine learning (ML) models to investigate the impact of clinical, social and behavioural factors on 1-year progression from pre-diabetes to type 2 diabetes mellitus (DM).
DESIGN: A retrospective cohort study.
SETTING: A large health system including eight sites in southeast Michigan.
PARTICIPANTS: Adults with haemoglobin A1c (HbA1c) between 5.7% and 6.4% for two consecutive years between 1 January 2008 and 31 December 2023, and no prior history of type 2 DM or metformin use.
PRIMARY OUTCOME MEASURE: New-onset type 2 DM (HbA1c ≥6.5%) in 1 year.
RESULTS: Among 1
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.
OBJECTIVE: To develop a machine learning (ML)-based prediction model for tuberculosis (TB) treatment failure, and evaluate the predictive performance and clinical utility. METHODS: Patients were randomly allocated to a training set and a validation set in a 7:3 ratio. Data collected included demographic characteristics, clinical features, and laboratory parameters. Univariate analysis and binary logistic regression were applied to the training set to identify factors associated with treatment outcome. Based on common predictive modeling standards, an AUC > 0.8 was considered good, and > 0.9 wa
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.
INTRODUCTION: Predicting long-term disability progression in multiple sclerosis (MS) remains a significant challenge. Existing prognostic models often rely on single-modality data or conventional measures, such as lesion count on magnetic resonance imaging (MRI) or latency values from evoked potentials (EPs), overlooking subclinical disease progression. This study aimed to develop a multimodal machine learning (ML) pipeline integrating clinical, high-dimensional MRI, and motor EP time-series (EPTS) features to predict disability worsening in MS.
METHODS: A retrospective cohort of 127 people w
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 AND PURPOSE: The accurate preoperative classification of parotid tumors is crucial in selecting the appropriate treatment options. This study aimed to develop a machine learning model based on clinical, imaging, and laboratory test data to efficiently determine the preoperative nature of primary operable parotid tumors.
METHODS: A total of 779 patients with primary operable parotid tumors receiving surgical treatment from four independent clinical centers were enrolled. Standardized clinical, laboratory and multi-modality imaging indicators were extracted for model construction. We
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: Cardiovascular disease (CVD) is the most prevalent complication of Type 2 Diabetes Mellitus (T2DM) and a leading cause of mortality in this population. Early and accurate CVD risk prediction is essential for timely intervention, yet traditional clinical risk calculators may overlook complex, non-linear relationships between risk factors, and have exhibited varying performance. Graph neural networks (GNNs) are able to capture these complex relationships but often lack interpretability.
OBJECTIVE: The present study aims to develop and evaluate the first interpretable Graph Neural Ne
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: Early discrimination of non-pancreatic periampullary lesions (NPLs) is challenging owing to their complex anatomy and the absence of representative clinical symptoms.
PURPOSE: To establish an interpretable machine learning (ML) model that integrates clinical variables and endoscopic ultrasonography (EUS) features to diagnose NPLs.
METHODS: A total of 158 patients, suspected of having NPLs and who underwent EUS, were enrolled and randomly allocated into a training cohort (TC, n = 110) and a validation cohort (VC, n = 48). Risk clinical and EUS features were identified by multivari
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.
Forecasting carbon dioxide (CO2) emissions has become a significant issue in recent years. International organizations have emphasized the necessity of creating a plan to gradually reduce the concentration of this pollutant in the atmosphere to combat climate change and its catastrophic consequences. The cement industry represents one of the key sectors to address this problem. The objective of this study is to predict CO2 emissions in North American cement industries. To achieve this, a multi-objective mathematical model is developed, integrating various machine learning algorithms. Furthermo
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: Acute ischemic stroke is a major cause of cognitive dysfunction. Early identification of post-stroke cognitive impairment (PSCI) is crucial for improving patient prognosis. While there has been extensive research on prognostic models for acute ischemic stroke, the selection of predictive factors remains heavily reliant on neuroimaging parameters. This study aims to create and compare the eXtreme gradient boosting (XGBoost) and logistic regression (LR) models based on serum biomarkers for predicting the risk of PSCI following acute ischemic stroke.
METHODS: The study enrolled 261 a
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.
MedElevator
Войти в исследования