Three-dimensional digital subtraction angiography (3D-DSA) is a key technique for the diagnosis and treatment of cerebrovascular diseases. The conventional dense-view acquisition is time-consuming and delivers a non-negligible radiation dose to both patients and doctors, making sparse-view acquisition a highly promising solution. However, sparse sampling induces severe streak artifacts in 3D-DSA images, thereby affecting subsequent treatment procedures. To address these issues, this study presents a Progressive Structure-Enhanced Restoration (PSER) framework for sparse-view 3D-DSA. First, a 3D
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 evaluate the predictive utility of the initial lactate-to-albumin ratio (LAR) measured within 24 h of admission for in-hospital all-cause mortality in critically ill patients with congestive heart failure (CHF) and diabetes mellitus (DM).
METHODS: A retrospective cohort study was performed using the Medical Information Mart for Intensive Care IV (MIMIC-IV; n = 960) and the eICU Collaborative Research Database (eICU-CRD; n = 1,850). Kaplan-Meier curves, Cox regression, restricted cubic splines (RCS), subgroup analyses, and five machine learning models were applied, with predictiv
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: While use of shared decision-making (SDM) is widely accepted and applied in practice, it is unknown how core elements of SDM are reflected in clinical documentation. This knowledge gap is particularly relevant in the setting of surgery in children, where parents serve as proxy decision-makers.
METHODS: We analyzed transcribed audio-recorded outpatient encounters and corresponding medical documentation for pediatric patients undergoing evaluation for elective surgery. Visit transcripts and medical record documentation of the corresponding clinical encounter were coded for two core
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: Prolonged postoperative intensive care unit (ICU) length of stay (LOS) after coronary artery bypass grafting (CABG) drives resource use yet remains difficult to anticipate at the 24-hour ICU evaluation moment when extended monitoring beyond 72 h is first considered. We developed and externally validated an interpretable machine-learning decision-support calculator for this deployment moment.
METHODS: Adult CABG patients were identified from MIMIC-IV 3.1 (n = 6,919; 7:3 stratified split for development) and eICU-CRD 2.0 (n = 5,972; external validation). The outcome was prolonged IC
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.
Nasotracheal intubation (NTI) is a critical clinical procedure for establishing and maintaining patient airway patency. Machine-assisted NTI has emerged as a pivotal approach for optimizing procedural efficiency and minimizing manual intervention. However, visual detection algorithms employed for NTI navigation encounter significant challenges, including complex anatomical environments and suboptimal illumination conditions surrounding the glottis. Additionally, the glottis presents considerable scale variability throughout the procedure, initially appearing as a small, difficult-to-capture st
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.
Membrane molecular recognition features (MemMoRFs) are lipid-binding intrinsically disordered regions (IDRs) that undergo disorder-to-order transitions to mediate critical membrane dynamics. Consequently, their dysregulation is closely linked to severe human pathologies, including neurodegenerative diseases and viral infections. Despite their biological significance, annotations for MemMoRFs are scarce, limiting the accuracy of computational predictors. We introduce PreMemMoRF, a deep learning framework that leverages transfer learning to alleviate data scarcity. The model is pre-trained on li
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: The aim of this study was to analyze negative middle ear pressure in children with obstructive sleep apnea (OSA) and establish and evaluate predictive models according to these findings.
METHODS: This retrospective study involved 931 children: 715 with OSA and 216 controls. Demographic, clinical, lateral head radiograph, and tympanometry data were collected. These characteristics of children with OSA were analyzed, with a particular focus on exploring the value of middle ear-related parameters for the diagnosis of pediatric OSA. Additionally, a logistic regression model incorporating
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: Sickle cell anemia (SCA) is a severe genetic blood disorder characterized by recurrent vaso-occlusive crises and increased mortality, with the greatest burden occurring in low- and middle-income countries. Climatic and environmental conditions, including temperature variability, humidity, rainfall, air pollution, and seasonal changes, have been associated with disease exacerbation. However, the extent to which these factors have been incorporated into predictive models remains unclear. This study systematically reviews the application of machine learning (ML) models for predicting
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.
OBJECTIVE: To establish a machine learning (ML) model for the early diagnosis of Epstein-Barr virus-associated hemophagocytic lymphohistiocytosis (EBV-HLH) based on clinical features and to utilize the Shapley Additive Explanations (SHAP) method to interpret the ML model, thereby providing reliable factors for diagnosing EBV-HLH.
METHODS: We collected clinical data from 1,026 children with Epstein-Barr virus (EBV) infection who were hospitalized at Children's Hospital of Soochow University from October 2017 to September 2024. First, we compared the clinical data of Epstein-Barr virus-associat
СтатьяВалидационное 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.
BACKGROUND: Cytomegalovirus (CMV) End-Organ Disease (EOD) remains a significant complication in immunocompromised individuals, particularly transplant recipients and patients undergoing chemotherapy. Accurate prediction of CMV EOD is essential for timely intervention but remains challenging using traditional methods.
OBJECTIVE: This study aimed to evaluate the diagnostic performance of machine learning (ML) algorithms in predicting CMV EOD using clinical and laboratory data from a diverse cohort of high-risk patients.
METHODS: A retrospective analysis was conducted on 227 adult patients with
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.
Parasitic diseases pose a significant threat to human health. Accurate and robust prediction of drug-parasitic disease associations is critical to advancing drug discovery and developing parasitic disease therapies. However, biomedical data in this field is often too scarce to train a generalized machine learning model. Although computational methods have been developed for predicting potential drug-parasitic disease associations, their performances were restricted owing to data limitation. Here we propose a deep learning framework entitled GATPDD for improving drug-parasitic disease associati
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: Lyme disease (LD) is the most common vector-borne disease in the United States. It is difficult to diagnose because it can mimic numerous other conditions, and testing protocols may not be sufficient. Although the Centers for Disease Control and Prevention (CDC) recommend a 2-tiered serologic testing approach for LD diagnosis, many patients are diagnosed clinically based on criteria such as the erythema migrans rash and, particularly when the rash is not present, various symptom patterns, exposure history, other information, and clinician observations. Against this backdrop, online
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: Achieving high retention of people living with HIV (PLHIV) in care remains a challenge in Uganda, despite substantial progress towards UNAIDS 95–95-95 targets. The purpose of this study was to apply and compare machine learning and deep learning models using de-identified longitudinal clinical data collected from HIV clinics in Uganda to predict clients at high risk of missing treatment appointments. Predictions were made at the visit level, and a missed appointment was defined as failure to attend a scheduled clinical visit within 28 days of the assigned return data in accordance
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: Prompt diagnosis of bloodstream infections (BSIs) is critical for antimicrobial stewardship but hindered by blood culture delays of 48 h or more. We developed and validated a deep learning model to predict BSI risk from standard 12-lead electrocardiograms (ECGs).
METHODS: This study adhered to the Transparent Reporting of a multivariable prediction model for Individual Prognosis Or Diagnosis (TRIPOD) guidelines. In this retrospective, multi-center study, we trained a deep learning model to predict clinically significant BSIs (excluding common contaminants) using ECGs from adult em
СтатьяМногоцентровое исследованиеВалидационное 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.
Antimicrobial peptides (AMPs) have emerged as a compelling alternative to conventional antibiotics, offering broad-spectrum activity against bacterial and viral infections while addressing antimicrobial resistance. However, the design of AMPs that simultaneously satisfy multiple functional properties remains a critical challenge, hindered by the high-dimensional complexity representation of their latent space. In this study, we propose CAMP-RL, a conditional generative model for de novo AMP generation and optimization. CAMP-RL integrates reinforcement learning (RL) and conditional independence
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: This study aimed to develop and validate stratified machine learning models for early prediction of anti-tuberculosis drug-induced liver injury (ATB-DILI) risk, targeting both a general tuberculosis (TB) treatment population and a high-risk subgroup with chronic hepatitis B (CHB) co-infection, based on real-world clinical data.
METHODS: A single-center retrospective cohort study was conducted using data from 11,361 TB patients (3,787 ATB-DILI cases and 7,574 controls) and a CHB subgroup of 1,017 patients (339 cases and 678 controls) after propensity score matching. Ten machine lear
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.
INTRODUCTION: Typhoid fever remains a major Global public health concern, with treatment outcomes strongly influenced by antimicrobial resistance (AMR) and inter-patient variability. Determining the most appropriate antibiotic for an individual patient remains clinically challenging. Machine learning-based clinical decision support systems (CDSS) offer a promising avenue for improving diagnostic precision and guiding antibiotic selection using routinely collected clinical data.
METHODS: We developed a machine learning-based decision-support framework using XGBoost models to predict (i) treatm
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: Multiple sclerosis (MS) is a chronic neurological disease characterized by inflammatory demyelination and progressive neuroaxonal damage. Retinal layer thickness in the macular and optic disc regions, measurable using optical coherence tomography (OCT), might be considered as a promising non-invasive biomarker for detecting MS-related neurodegeneration.
METHODS: In this study, we present a novel AI framework leveraging macular ganglion cell-inner plexiform layer (GCL-IPL) and Retinal Nerve Fiber Layer (RNFL) thickness across sectors (covering [Formula: see text]) and peripapillary
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.
Central nervous system (CNS) diseases such as glioblastoma (GBM), multiple sclerosis (MS), and Alzheimer's disease (AD) remain challenging due to their complexity and limited treatments. Conventional drug repurposing strategies often rely on bulk RNA sequencing data, which can overlook cellular heterogeneity and mask rare but critical cell populations. Here, we introduce scDrugLink, a computational method that integrates single-cell transcriptomic data with drug targets and perturbation signatures to improve repurposing. For each cell type, scDrugLink constructs a Drug2Cell matrix based on dru
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.
Domain shifts between samples acquired with different instruments are one of the major challenges in accurate segmentation of Optical Coherence Tomography (OCT) images. Given that OCT images may be acquired with different devices in different clinical centers, this study presents astyle and structure data augmentation (SSDA) method to improve the adaptability of segmentation models. Inspired by our initial analysis of OCT domain differences, we propose an innovative hypothesis that domain shifts are primarily due to differences in image style and anatomical structure, which further guides the
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.
MedElevator
Войти в исследования