BACKGROUND: Idiopathic pulmonary fibrosis (IPF) is a severe lung condition, and finding better ways to diagnose and treat the disease is crucial for improving patient outcomes. Our study sought to develop an artificial neural network (ANN) model for IPF and determine the immune cell types that differed between the IPF and control groups.
METHODS: From the Gene Expression Omnibus (GEO) database, we first obtained IPF microarray datasets. To conduct protein-protein interaction (PPI) networks and enrichment analyses, differentially expressed genes (DEGs) were screened between tissues of patients
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: Identification of lung cancer subtypes is critical for successful treatment in patients, especially those in advanced stages. Many advanced and personal treatments require knowledge of specific mutations, as well as up- and down-regulations of genes, for effective targeting of the cancer cells. While many studies focus on individual cell structures and delve deeper into gene sequencing, the present study proposes a machine learning method for lung cancer classification based on low-magnification cancer outgrowth patterns in a 2D co-culture environment.
METHODS: Using a magnetic 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.
To enhance deep learning-based automated interictal epileptiform discharge (IED) detection, this study proposes a multimodal method, vEpiNet, that leverages video and electroencephalogram (EEG) data. Datasets comprise 24 931 IED (from 484 patients) and 166 094 non-IED 4-second video-EEG segments. The video data is processed by the proposed patient detection method, with frame difference and Simple Keypoints (SKPS) capturing patients' movements. EEG data is processed with EfficientNetV2. The video and EEG features are fused via a multilayer perceptron. We developed a comparative model, termed n
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.
Although composting has many advantages in treating organic waste, many problems and challenges are still associated with emissions, like NH3, CO and H2S, as well as greenhouse gases such as CO2. One promising approach to enhancing composting conditions is using novel analytical methods based on artificial intelligence. To predict and optimize the emissions (CO, CO2, H2S, NH3) during the early-stage of composting process machine learning (ML) models were utilized. Data about emissions from laboratory composting with compost's biochar with different incubation (50, 60, 70 °C) and biochar doses
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: Early detection of rare genetic diseases, including velocardiofacial syndrome (VCFS), is essential for patient well-being. However, the rarity of these diseases and limited clinical experience of physicians make diagnosis challenging. Deep learning algorithms have emerged as promising tools for efficient and accurate diagnosis. This study investigates the use of a deep learning algorithm to develop a face recognition model for diagnosing VCFS.
METHODS: The study used publicly available labeled face data sets to train the multitask cascaded convolutional neural networks model. Subs
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: Congenital heart disease (CHD) seriously affects children's health and quality of life, and early detection of CHD can reduce its impact on children's health. Tetralogy of Fallot (TOF) and ventricular septal defect (VSD) are two types of CHD that have similarities in echocardiography. However, TOF has worse diagnosis and higher morality than VSD. Accurate differentiation between VSD and TOF is highly important for administrative property treatment and improving affected factors' diagnoses.
OBJECTIVE: TOF and VSD were differentiated using convolutional neural network (CNN) models 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.
OBJECTIVE: The aim of the study was to examine the factors influencing the therapeutic effect of patients with systemic lupus erythematosus combined with immune thrombocytopenia (SLE-ITP) and develop a prediction model to predict the therapeutic effect of SLE-ITP.
METHODS: Three hundred twenty-four SLE-ITP patients were retrieved from the electronic health record database of SLE patients in Jiangsu Province according to the latest treatment response criteria for ITP. We adopted the Cox model based on the least absolute shrinkage and selection operator to explore the impact factors affecting p
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: In today's digital age, various diseases drastically reduce people's quality of life. Arthritis is one amongst the most common and debilitating maladies. Osteoarthritis affects several joints, including the hands, knees, spine, and hips. This study focuses on the medical disorder underlying Knee Osteoarthritis (KOA) which severely impairs people's quality of life. KOA is characterised by restricted mobility, stiffness, and terrible pain and can be caused by a range of factors such as ageing, obesity, and traumas. This degenerative disorder leads to progressive wear and tear of the
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.
Celiac Disease (CD) is a primary malabsorption syndrome resulting from the interplay of genetic, immune, and dietary factors. CD negatively impacts daily activities and may lead to conditions such as osteoporosis, malignancies in the small intestine, ulcerative jejunitis, and enteritis, ultimately causing severe malnutrition. Therefore, an effective and rapid differentiation between healthy individuals and those with celiac disease is crucial for early diagnosis and treatment. This study utilizes Raman spectroscopy combined with deep learning models to achieve a non-invasive, rapid, and accura
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.
The aim of this study was to develop an optimal, simple, and lightweight deep learning convolutional neural network (CNN) model to detect the presence of mesiodens on panoramic radiographs. A total of 628 panoramic radiographs with and without mesiodens were used as training, validation, and test data. The training, validation, and test dataset were consisted of 218, 51, and 40 images with mesiodens and 203, 55, and 61 without mesiodens, respectively. Unclear panoramic radiographs for which the diagnosis could not be accurately determined and other modalities were required for the final diagno
СтатьяСравнительное 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.
OBJECTIVE: Investigation of explainable deep learning methods for graph neural networks to predict HIV infections with social network information and performing domain adaptation to evaluate model transferability across different datasets.
METHODS: Network data from two cohorts of younger sexual minority men (SMM) from two U.S. cities (Chicago, IL, and Houston, TX) were collected between 2014 and 2016. Feature importance from graph attention network (GAT) models were determined using GNNExplainer. Domain adaptation was performed to examine model transferability from one city dataset to the ot
СтатьяПоддержка NIH: внешняя программаПоиск 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.
According to twenty-first century climate-model projections, greenhouse warming will intensify rainfall variability and extremes across the globe1-4. However, verifying this prediction using observations has remained a substantial challenge owing to large natural rainfall fluctuations at regional scales3,4. Here we show that deep learning successfully detects the emerging climate-change signals in daily precipitation fields during the observed record. We trained a convolutional neural network (CNN)5 with daily precipitation fields and annual global mean surface air temperature data obtained fr
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.
Currently available anthropometric body composition prediction equations were often developed on small participant samples, included only several measured predictor variables, or were prepared using conventional statistical regression methods. Machine learning approaches are increasingly publicly available and have key advantages over statistical modeling methods when developing prediction algorithms on large datasets with multiple complex covariates. This study aimed to test the feasibility of predicting DXA-measured appendicular lean mass (ALM) with a neural network (NN) algorithm developed
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.
OBJECTIVES: The molecular characteristics of oral lichen planus (OLP) are still unclear, and it is not possible to distinguish the clinical outcome of OLP patients in a short period of time for follow-up. Here, we investigate the molecular characteristics of lesions in patients with stable lichen planus (SOLP) and recalcitrant erosive oral lichen planus (REOLP).
METHODS: Our clinical follow-up cohort was split into SOLP and REOLP groups based on the follow-up clinical data. The core modules associated with the clinical information were identified by weighted gene co-expression network analysi
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.
OBJECTIVE: To investigate the independent risk factors of community-acquired pneumonia (CAP) complicated with acute respiratory distress syndrome (ARDS), and the accuracy and prevention value of ARDS prediction based on artificial neural network model in CAP patients.
METHODS: A case-control study was conducted. Clinical data of 414 patients with CAP who met the inclusion criteria and were admitted to the comprehensive intensive care unit and respiratory department of Changzhou Second People's Hospital Affiliated to Nanjing Medical University from February 2020 to February 2021 were analyzed.
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.
Chromosomes are thread-like structures located in the cell nucleus that contains the human body blueprint. Chromosome analysis is also known as karyotyping is the test taken to detect the abnormalities identified in the human chromosome. The two types of widely known chromosome abnormalities are structural and numerical abnormalities. Manual karyotyping is complex, time-consuming, and error-prone. To overcome these complexities, automated chromosome karyotype architecture is proposed using the deep convolutional neural network (DCNN) architecture. Training the DCNN architecture from scratch ne
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.
Cellular composition and structural organization of cells in the tissue determine effective antitumor response and can predict patient outcome and therapy response. Here we present Seg-SOM, a method for dimensionality reduction of cell morphology in H&E-stained tissue images. Seg-SOM resolves cellular tissue heterogeneity and reveals complex tissue architecture. We leverage a self-organizing map (SOM) artificial neural network to group cells based on morphological features like shape and size. Seg-SOM allows for cell segmentation, systematic classification, and in silico cell labeling. We appl
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 pathological mechanism of attention deficit hyperactivity disorder (ADHD) is incompletely specified, which leads to difficulty in precise diagnosis. Functional magnetic resonance imaging (fMRI) has emerged as a common neuroimaging technique for studying the brain functional connectome. Most existing methods that have either ignored or simply utilized graph structure, do not fully leverage the potentially important topological information which may be useful in characterizing brain disorders. There is a crucial need for designing novel and efficient approaches which can capture such informa
СтатьяПоддержка NIH: внешняя программаПоддержка исследования: вне правительства СШАПоддержка 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.
Retinal fundus diseases can lead to irreversible visual impairment without timely diagnoses and appropriate treatments. Single disease-based deep learning algorithms had been developed for the detection of diabetic retinopathy, age-related macular degeneration, and glaucoma. Here, we developed a deep learning platform (DLP) capable of detecting multiple common referable fundus diseases and conditions (39 classes) by using 249,620 fundus images marked with 275,543 labels from heterogenous sources. Our DLP achieved a frequency-weighted average F1 score of 0.923, sensitivity of 0.978, specificity
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.
PURPOSE: Functional pituitary adenomas (FPAs) cause severe neuro-endocrinopathies including Cushing's disease (CD) and acromegaly. While many are effectively cured following FPA resection, some encounter disease recurrence/progression or hormonal non-remission requiring adjuvant treatment. Identification of risk factors for suboptimal postoperative outcomes may guide initiation of adjuvant multimodal therapies.
METHODS: Patients undergoing endonasal transsphenoidal resection for CD, acromegaly, and mammosomatotroph adenomas between 1992 and 2019 were identified. Good outcomes were defined as
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.
MedElevator
Войти в исследования