Universal differential equations (UDEs) are an emerging approach in biomedical systems biology, integrating physiology-driven mathematical models with machine learning for data-driven model discovery in areas where knowledge of the underlying physiology is limited. However, current approaches to training UDEs do not directly accommodate heterogeneity in the underlying data. As a data-driven approach, UDEs are also vulnerable to overfitting and consequently cannot sufficiently generalize to heterogeneous populations. We propose a conditional UDE (cUDE) where we assume that the structure and wei
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.
Autism spectrum disorder (ASD) is a severe neurodevelopmental disorder that affects people's social communication and daily routine. Most existing imaging studies on ASD use single site resting-state functional magnetic resonance imaging (rs-fMRI) data, which may suffer from limited samples and geographic bias. Improving the generalization ability of the diagnostic models often necessitates a large-scale dataset from multiple imaging sites. However, centralizing multi-site data generally faces inherent challenges related to privacy, security, and storage burden. Federated learning (FL) can add
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: An effective Deep learning (DL) based Early Childhood Caries (ECC) prediction model is crucial for early detection of ECC. This study aims to develop and evaluate a deep learning (DL) based hybrid statistical model for ECC prediction.
METHODS: The study employed a computational cross-sectional design, conducted over a three-year period from March 2021 to March 2024. Data analysis was carried out using a hybrid statistical approach that integrated bootstrap methods, Logistic Regression Modelling (LRM), and Multilayer Feed-Forward Neural Networks (MLFFNN). The sample comprised 157 pare
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.
With the advancements of next-generation sequencing, publicly available pharmacogenomic datasets from cancer cell lines provide a handle for developing predictive models of drug responses and identifying associated biomarkers. However, many currently available predictive models are often just used as black boxes, lacking meaningful biological interpretations. In this study, we made use of open-source drug response data from cancer cell lines, in conjunction with KEGG pathway information, to develop sparse neural networks, K-net, enabling the prediction of drug response in EGFR signaling pathwa
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.
Discovering therapeutic molecules requires the integration of both phenotype-based drug discovery (PDD) and target-based drug discovery (TDD). However, this integration remains challenging due to the inherent heterogeneity, noise, and bias present in biomedical data. In this study, Knowledge-Guided Drug Relational Predictor (KGDRP), a graph representation learning approach is developed that effectively integrates multimodal biomedical data, including network data containing biological system information, gene expression data, and sequence data that incorporates chemical molecular structures, 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.
BACKGROUND: Amyotrophic lateral sclerosis (ALS) is a rapidly progressive neurodegenerative disorder with highly heterogeneous trajectories. The Revised ALS Functional Rating Scale (ALSFRS-R) is challenging to model due to irregularly spaced data and patient-level variability. Here we sought to develop and validate a short-horizon prediction tool leveraging a fully connected neural network (FCNN) to forecast individual ALSFRS-R trajectories, providing a natural history benchmark for trials and clinical practice.
METHODS: We retrospectively analysed 29,992 ALSFRS-R measurements from 5319 people
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.
Building an accurate atomic structure model of a protein into a cryo-electron microscopy (cryo-EM) map at worse than 3 Å resolution is difficult. To facilitate this task, we devised a method for assigning the amino acid residue sequence to the backbone fragments traced in an input cryo-EM map (EMSequenceFinder). EMSequenceFinder relies on a Bayesian scoring function for ranking 20 standard amino acid residue types at a given backbone position, based on the fit to a density map, map resolution, and secondary structure propensity. The fit to a density is quantified by a convolutional neural netw
СтатьяПоддержка NIH: внешняя программаПолный 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.
INTRODUCTION: Alzheimer's disease (AD), a leading cause of dementia, requires early detection for effective intervention. This study employs AI to analyze multimodal datasets, including clinical, biomarker, and neuroimaging data, using hybrid deep learning frameworks to improve predictive accuracy.
METHODS: A novel framework was developed, including trained models for structured data and magnetic resonance images. The structured data model used a long short-term memory (LSTM) for temporal dependencies and a feedforward neural network (FNN) for static patterns. The MRI-based model employed Res
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: Approaches based on a single-channel airflow has shown great potential for simplifying pediatric obstructive sleep apnea (OSA) diagnosis. However, analysis has been limited to feature-engineering techniques, restricting identification of complex respiratory patterns, and reducing diagnostic performance in automated models. Here, we propose deep-learning and explainable artificial intelligence (XAI) to estimate the pediatric OSA severity from airflow, while ensuring transparency in automatic decisions. Technology or Method: We used 3,672 overnight airflow recordings from four pediatr
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.
Age-related macular degeneration (AMD) is one of the most common types of eye diseases that generally affect the elderly population over 50 years of age. The effects of AMD on the quality of vision and life are devastating. We systematically review applications and performance of machine/deep learning algorithms for AMD detection and prediction using color fundus photos. We reviewed the studies that focused on machine learning and deep learning techniques and algorithms to analyze the fundus images for AMD. The data were collected by searching Scopus, PubMed (Medline), Web of Science and IEEE
СтатьяСистематический обзорПоиск 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 AND OBJECTIVE: Following Neoadjuvant Chemotherapy (NAC), there exists a probability of changes occurring in the Human Epidermal Growth Factor Receptor 2 (HER2) status. If these changes are not promptly addressed, it could hinder the timely adjustment of treatment plans, thereby affecting the optimal management of breast cancer. Consequently, the accurate prediction of HER2 status changes holds significant clinical value, underscoring the need for a model capable of precisely forecasting these alterations.
METHODS: In this paper, we elucidate the intricacies surrounding HER2 status
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: This study introduces a novel classification approach that combines convolutional neural network (CNN) and Raman mapping to differentiate between tongue squamous cell carcinoma (TSCC) and non-tumorous tissue, as well as to identify different histological grades of TSCC.
MATERIALS AND METHODS: In this study, 240 Raman mappings data from 30 tissue samples were collected from 15 patients who had undergone surgical resection for TSCC. A total of 18,000 sub-mappings extracted from Raman mappings were then used to train and test a CNN model, which extracted feature representations that
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: Inflammatory bowel disease (IBD) is a chronic nonspecific inflammatory disorder triggered by immune responses and genetic factors. Currently, there is no cure for IBD, and its etiology remains unclear. As a result, early detection and diagnosis of IBD pose significant challenges. Therefore, investigating biomarkers in peripheral blood is highly important, as they can assist doctors in the early identification and management of IBD.
METHODS: We used a multichip joint analysis approach to explore the database thoroughly. On the basis of methods such as artificial neural networks (AN
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.
Portal hypertension (PHT) is pivotal in managing decompensated cirrhosis. In clinical practice, hepatic venous collaterals are frequently present, often leading to failure or reduced accuracy of hepatic venous pressure gradient (HVPG) measurements, thereby making HVPG an imperfect surrogate for the portal pressure gradient (PPG). Artificial neural networks (ANNs) have shown potential in integrating multidimensional clinical variables and predicting complex disease states; however, their value in the assessment of PHT remains insufficiently validated. The study compared ANN-predicted PPG with m
СтатьяСравнительное 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.
The challenge of providing independent living for elderly and disabled individuals is a critical societal concern. Accurate human activity recognition (HAR) is core to allow the development of context-aware applications that involve the identification and understanding of human behaviour, for example, monitoring elderly or disabled people who live alone. HAR performed using ambient sensors, such as cameras or wearable devices, has gained prominence due to its wide-ranging applications in healthcare, surveillance, smart environments, and security. However, choosing an appropriate AI model for p
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.
Remote monitoring of fall actions or conditions and the everyday lifecycle of disabled losses is the vital drive of current telemedicine. The Internet of Things (IoT) and Artificial Intelligence (AI) models, which incorporate deep learning (DL) and machine learning (ML) techniques, are increasingly applied in healthcare to automate the detection of abnormal and unhealthy conditions. Fall detection (FD) in elderly patients and human action recognition for surveillance are crucial for safety, but achieving high accuracy remains challenging due to complex human movements. Detecting falls is cruci
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: Controlling re-emerging outbreaks such as COVID-19 is a critical concern to global health. Disease forecasting solutions are extremely beneficial to public health emergency management. This work aims to design and deploy a framework for real-time surveillance, prediction, forecasting, and early warning of respiratory disease. To this end, we selected southern African countries and Canadian provinces, along with COVID-19 and influenza as our case studies.
METHODOLOGY: Six different datasets were collected for different provinces of Canada: number of influenza cases, number of COVID
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.
We move our eyes and head to sample the visual environment. While these movements are essential for survival, they greatly complicate the analysis of retinal image motion. Our brain must account for the visual consequences of self-motion to perceive the 3D layout and motion of objects in a scene. We show that traditional models of visual compensation for eye movements fail when the eye both translates and rotates, and we propose a theory that computes both motion and depth in more natural viewing geometries. Consistent with our theoretical predictions, humans exhibit distinct perceptual biases
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.
Integrating carbon capture and utilization (CCU) technologies into wastewater treatment plants (WWTPs) is essential for mitigating greenhouse gas (GHG) emissions and enhancing environmental sustainability, but further advancements in process monitoring and control are critical to optimizing treatment performance. This study investigates the application of artificial intelligence (AI) modeling to enhance process monitoring and control in a novel integrated CCU biotechnology with a moving bed biofilm reactor (MBBR) sequenced with an algal photobioreactor (aPBR). This system reduces GHG and odour
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.
Non-invasive and precise identification of clinically significant prostate cancer (csPCa) is essential for the management of prostatic diseases. Our study introduces a novel and interpretable diagnostic method for csPCa, leveraging multi-regional, multiparametric deep learning radiomics based on magnetic resonance imaging (MRI). The prostate regions, including the peripheral zone (PZ) and transition zone (TZ), are automatically segmented using a deep learning framework that combines convolutional neural networks and transformers to generate region-specific masks. Radiomics features are then ex
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