Functional magnetic resonance imaging (fMRI) has demonstrated significant potential in the early diagnosis and study of pathological mechanisms of Alzheimer's disease (AD). To fit subtle cross-spatiotemporal interactions and learn pathological features from fMRI, we propose a fine-grained spatiotemporal graph neural network with self-supervised learning (SSL) for diagnosis and biomarker extraction of early AD. First, considering the spatiotemporal interaction of the brain, we design two masks that leverage the spatial correlation and temporal repeatability of fMRI. Afterwards, temporal gated i
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.
BACKGROUND: WenXinWuYang, a novel portable Artificial Intelligence Electrocardiogram (AI-ECG) device, can detect many kinds of abnormal heart disease and perform a single-lead ECG, but its reliability and validity among pregnant women is unclear. The aim of this study was to assess the reliability and validity of heart rate, ECG measurements and diagnostic results by compared the portable device with a clinical 12-lead ECG among pregnant women.
METHODS: We conducted a clinical study at a municipal-level maternal and child health care hospital. The pregnant women who visited the ECG room for E
СтатьяСравнительное 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.
The inhibitory control dysfunction associated with the cognitive symptoms resulting from repetitive subconcussion (SC) is frequent. Implementing inhibitory control is temporally resolved and is likely related to the dynamic interactions in functional brain networks. However, investigations of the dynamic activity of these brain networks using electroencephalography (EEG) are often limited to specific frequency bands without entirely utilizing the spatiotemporal rhythmic information. Therefore, we proposed an innovative framework for constructing a large-scale spatiotemporal-rhythmic network (S
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.
The dynamic propagation of epileptic discharges complicates Drug-Resistant Epilepsy (DRE) seizure detection using traditional machine learning methods and Stereotactic Electroencephalography (SEEG). Several challenges remain unresolved in prior studies: (1) incomprehensive representations of epileptic brain network features; (2) lacking of flexible and dynamic mechanisms to learn brain network evolving features; and (3) the absence of model mechanisms interpretation corresponds with seizure mechanisms. In response, we propose a novel multi-band dynamic graph attention network, DynSeizureGAT, t
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.
Congenital heart disease (CHD) is one of the most common birth defects. Due to the lack of data and the difficulty of labeling, CHD datasets are scarce. Previous studies focused on CT and other medical image modalities, while point cloud is still unexplored. Point cloud can intuitively model organ shapes, which has obvious advantages in medical analysis and diagnosis assistance. However, the production of medical point cloud dataset is more complex than that of image dataset, and the 3D modeling of internal organs needs to be reconstructed after scanning by high-precision instruments. We propo
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.
BACKGROUND: We aimed to propose a deep-learning neural network model for automatically detecting five landmarks during a two-dimensional (2D) ultrasonography (US) scan to develop a standard plane for developmental dysplasia of the hip (DDH) screening.
METHOD: A model of global and local networks was developed to detect five landmarks for DDH screening during 2D US. Patients (N = 532) who underwent hip US for DDH screening from January 2016 to December 2021 at a tertiary medical center were enrolled. All datasets were randomly split into training, validation, and test sets in a 70:10:20 ratio
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.
Early and accurate triage of traumatic brain injury is critical for guiding treatment decisions that optimize patient outcomes. A major early clinical decision point occurs in the emergency department, where providers must decide whether to admit or discharge patients with head injuries, yet these decisions are often inconsistent and rarely supported by case-based frameworks. Here, we introduce RAPID-TBI (Retrieval Augmented Prediction for Informed Disposition in Traumatic Brain Injury), a multimodal system that predicts emergency department disposition using example-based retrieval to emulate
СтатьяПоддержка NIH: внешняя программаПолный 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.
Gait abnormalities are common in the older population owing to aging- and disease-related changes in physical and neurological functions. Differentiating the causes of gait abnormalities is challenging because various abnormal gaits share a similar pattern in older patients. Herein, we propose a deep neural network (DNN) model to classify disease-specific gait patterns in older adults using commercialized instrumented insoles. This study included 150 patients aged ≥ 65 years, divided into the following five groups (N = 30 in each group): healthy older individuals (HI), patients with Parkinson'
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.
Sperm morphology analysis plays a crucial role in the clinical diagnosis of male infertility. However, manual evaluation is inherently subjective, and inconsistencies in diagnostic criteria may compromise accuracy. Some existing sperm image classification models are introduced but requiring manual intervention. Most models lack of consideration of alignment between computational classification and WHO sperm morphology standards. To address these challenges, we propose an innovative morphology-aware dual-path reversible network (MADRNet) in designing our model. We integrate key biomarkers, such
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.
High-quality motion estimation is essential in ultrasound elastography (USE) for evaluating tissue mechanical properties and detecting abnormalities. Traditional methods, such as speckle tracking and regularized optimization, face challenges including noise, oversmoothing of displacements and prolonged runtimes. Recent efforts have explored optical flow-based convolutional neural networks (CNNs). However, current approaches face, at least, one of the following limitations: 1) reliance on tissue incompressibility assumption, which compromises data fidelity and can introduce large errors; 2) dep
СтатьяПоддержка исследования: вне правительства СШАПоддержка 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.
Transcranial alternating current stimulation (tACS) has been reported to treat refractory auditory hallucinations in schizophrenia. Despite diligent efforts, it is imperative to underscore that tACS does not uniformly demonstrate efficacy across all patients as with all treatments currently employed in clinical practice. The study aims to find biomarkers predicting individual responses to tACS, guiding treatment decisions, and preventing healthcare resource wastage. We divided 17 schizophrenic patients with refractory auditory hallucinations into responsive(RE) and non-responsive(NR) groups ba
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.
Adenoid hypertrophy is one of the most common upper respiratory tract disorders during childhood, leading to a range of symptoms such as nasal congestion, mouth breathing and obstructive sleep apnea. Current diagnostic methods, including computerized tomography scans and nasal endoscopy, are invasive or involve ionizing radiation, rendering them unsuitable for long-term assessments. To address these clinical challenges, this paper proposes a novel deep learning approach for the non-invasive detection of adenoid hypertrophy using heartlung sounds. Firstly, we established a heart-lung sound data
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: Diabetes is one of the most common chronic health threats worldwide. Early detection of diabetes is difficult and diagnosis and treatment processes can be costly. Data mining techniques offer powerful tools for predictive analysis and knowledge extraction from large data sets. This study aims to identify symptoms that collectively influence the development of diabetes by data mining and identify risk parameters for early detection.
MATERIALS AND METHODS: The study uses a dataset of 520 patient records collected from Sylhet Diabetes Hospital in Sylhet, Bangladesh. This dataset is ba
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: Gestational Diabetes Mellitus (GDM) is one of the most common medical complications during pregnancy. In the Gulf region, the prevalence of GDM is higher than in other parts of the world. Thus, there is a need for the early detection of GDM to avoid critical health conditions in newborns and post-pregnancy complexities of mothers.
METHODS: In this article, we propose a machine learning (ML)-based techniques for early detection of GDM. For this purpose, we considered clinical measurements taken during the first trimester to predict the onset of GDM in the second trimester.
RESULTS
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: Traditional risk assessment tools were commonly used for the prediction of falls in clinical practice. However, their tendency toward over-sensitivity addressed its limitations for hospitalized cancer patients. This study aimed to identify risk factors associated with falls in hospitalized patients and to develop a predictive risk model using machine learning algorithms specifically for cancer patients, to optimize the clinical assessment of fall risk. METHODS: Using data from 298 cancer patients admitted to Shandong Cancer Hospital between January 2023 and December 2024 were includ
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.
As transportation systems grow in complexity and autonomous vehicle technologies advance, detecting the mental states of drivers and passengers is crucial for enhancing traffic safety and user experience. Recent studies have explored multi-biosignal fusion to monitor these states. Despite these efforts, existing methods fail to reflect the complexity and usefulness of various modalities, and do not consider the informativeness of biosignals based on signal quality or the contribution of each modality as biomarkers. To address this issue, we introduce dynamic multi-biosignal fusion (DMBF) to de
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.
BACKGROUND: We recognized a paucity of accessible, evidence-based, empowering patient-centred resources for those with endometriosis-associated dyspareunia. Affecting more than 50% of people with endometriosis, dyspareunia can significantly impact relationships, chronic pain and the ability to have a family. We aimed to develop a patient-centred educational website for those affected by endometriosis-associated dyspareunia.
METHODS: To develop a functional and meaningful website for endometriosis-associated dyspareunia, we utilized a Knowledge to Action framework, supplemented with a patient-
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.
Missed abortion is a prevalent issue in clinical practice, posing both physical risks to the mother and substantial psychological impact. Accurately predicting the risk of missed abortion is essential for guiding timely clinical interventions and safeguarding maternal health. Data on missed abortion are scarce and imbalanced. Given the limited clinical data and the nonlinear interrelationships among multiple features, traditional machine learning methods often fail to capture essential patterns, thereby their prediction performance is suboptimal. This paper proposes a prototype network based o
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: High-grade cervical intraepithelial neoplasia (CIN2/3) is a critical precursor to cervical cancer, yet current screening methods (e.g., HPV testing, colposcopy) face challenges in accessibility and invasiveness, especially in resource-limited settings. We aimed to develop a non-invasive, machine learning (ML)-based model using routine blood biomarkers. This model is intended to assess the risk of high-grade CIN and potentially serve as a triage tool before colposcopy. METHODS: Data were collected from two groups: 128 high-grade CIN (CIN2/3) and 120 low-grade CIN (CIN1) patients. A
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.
Blood pressure (BP) is predicted by this effort based on photoplethysmography (PPG) data to provide effective pre-warning of possible preeclampsia of pregnant women. Towards frequent BP measurement, a PPG sensor device is utilized in this study as a solution to offer continuous, cuffless blood pressure monitoring frequently for pregnant women. PPG data were collected using a flexible sensor patch from the wrist arteries of 194 subjects, which included 154 normal individuals and 40 pregnant women. Deep-learning models in 3 stages were built and trained to predict BP. The first stage involves de
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.
MedElevator
Войти в исследования