BACKGROUND AND OBJECTIVE: In the last decades increasingly more systems of artificial intelligence have been established in medicine, which … deviation between the modelled and measured TKC values.
RESULTS: A total of 24 different models of supervised machine learning from 6 different families were tested. For modelling of the TKC stages 0-4, the algorithm based on a support vector machine (SVM) with linear kernel showed the best performance with an accuracy of 65.1% correct classifications. For modelling of bina …
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.
OBJECTIVES: This study aims to develop a self-supervised foundational model based on routine MRI and to evaluate its performance in tasks of brain tumor grading and pathological subtype classification.
METHODS: We developed the Unified Multimodal Brain Imaging Foundation (UMBIF) model by performing self-supervised learning on 51,029 MRI images from multiple institutions. The model was first trained using a contrastive masked image modeling task to extract robust feature representations. Next, UMBIF was fine-tuned for downstream tasks-glioma grading and histological classification-using multi-
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.
Adult-onset dementia disorders represent a challenge for modern medicine. Alzheimer's disease (AD) represents the most diffused form of adult-onset dementias. For half a century, the diagnosis of AD was based on clinical and exclusion criteria, with an accuracy of 85%, which did not allow for a definitive diagnosis, which could only be confirmed by post-mortem evaluation. Machine learning research applied to Magnetic Resonance Imaging (MRI) techniques can contribute to a faster diagnosis of AD and may contribute to predicting the evolution of the disease. It was also possible to predict indivi
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.
Mitochondrial and lysosomal dysfunction are central features of Parkinson's disease (PD) across major genetic forms including PRKN, SNCA, and LRRK2. We applied cell morphomics, a machine-learning-based framework combining high-content imaging with quantitative feature extraction, to analyse mitochondrial and lysosomal morphology at single-cell resolution in iPS cell-derived cortical neurons from PD patients and healthy controls (13 lines total). Supervised machine-learning models distinguished PD neurons from controls with high accuracy (AUC = 0.87) and reliably separated individual genotypes.
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.
Categorical criteria for diagnosing metabolic syndrome often fail to capture the continuous nature of metabolic risk and underlying patient heterogeneity. This narrative review evaluates the methodological evolution of quantitative severity assessment, focusing on the transition from conventional statistical scoring to advanced machine learning applications. Initial statistical models established the foundation for continuous risk evaluation by mathematically weighting core diagnostic components. Supervised machine learning approaches subsequently enhanced predictive precision by processing mu…
СтатьяОбзорПоиск 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.
Whole-cell biosensors (WCBs) offer rapid, cost-effective monitoring of environmental contamination. Efforts to optimize detection of isolated target analytes under laboratory conditions have achieved vastly improved performance and set the stage for WCB deployment in complex environments. We propose a framework that leverages cross-reactivity of single-target WCBs to quantify multiple targets using supervised machine learning. Specifically, we engineer six sensors for heavy metal contaminants in laboratory E. coli. We then evolve the strain to generate five chassis with improved growth in seaw…
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.
ObjectiveTo analyze pelvic floor dysfunction heterogeneity by identifying distinct clinical subtypes using unsupervised machine learning in a nationally representative cohort.MethodsThis cross-sectional study analyzed 7291 women from the National Health and Nutrition Examination Survey (NHANES 2005-2012). K-means clustering was applied to pelvic floor dysfunction-positive women to identify latent subtypes based on physiological features. Supervised machine learning models were subsequently developed to predict subtype membership, with SHapley Additive exPlanation analysis used to identify key …
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.
Ophthalmology is a highly technical specialty, especially in the area of diagnostic equipment. While the field is innovative, the access to cutting-edge technology is limited with reference to the global population. A significant way to improve overall healthcare is to understand the needs and possibilities of all possible consumers when developing sophisticated and accurate medical devices. The Smartphone-based Keratograph (SBK), is an example of a new project that uses real world feedback, addresses an unmet medical need, and implements commercially available components to create a device th
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.
This study summarizes the application of automatic recognition technologies for patient-ventilator asynchrony (PVA) during mechanical ventilation. In the early stages, the method of setting rules and thresholds relied on manual interpretation of ventilator parameters and waveforms. While these methods were intuitive and easy to operate, they were relatively sensitive in threshold setting and rule selection and could not adapt well to minor changes in patient status. Subsequently, machine learning and deep learning technologies began to emerge and develop. These technologies automatically extra
ОбзорАннотация на английскомСтатьяПоиск 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.
We developed a deep learning neural network, the Shape Variation Analyzer (SVA), that allows disease staging of bony changes in temporomandi … riptor, heat kernel signature, to describe every shape. The results were compared to nine different supervised machine learning algorithms. The deep learning neural network was the most accurate for classification of TMJ OA. In conclusion, SVA is a 3D Sheer extension that classifies pathology of the temporomandibular joint osteoarthritis cases based on 3D morphology.
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: Despite the high precision of deep learning models on internal tests on CT, their effectiveness often drops on external validation due to artifacts caused by patient motion and implants like metal or silicone that were not accounted for in the carefully curated training data. Potential wide categories of "Нет данных" anomalies within a CT exam makes training a supervised model for out-of-distribution (OOD) identification impractical, especially when considering unseen external data.
PURPOSE: To develop an artificial intelligence (AI) model to detect and identify anomalies/OOD data in
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.
Although the cerebellum is typically associated with supervised learning algorithms, it also exhibits extensive involvement in reward processing. In this study, we investigated the cerebellum's role in executing reinforcement learning algorithms, with a particular emphasis on essential reward-prediction errors. We employed the Q-learning model to accurately reproduce the licking responses of mice in a Go/No-go auditory-discrimination task. This method enabled the calculation of reinforcement learning variables, such as reward, predicted reward, and reward-prediction errors in each learning tri
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.
Brain functional network (BFN) analysis has become a popular method for identifying neurological diseases at their early stages and revealing sensitive biomarkers related to these diseases. Due to the fact that BFN is a graph with complex structure, graph convolutional networks (GCNs) can be naturally used in the identification of BFN, and can generally achieve an encouraging performance if given large amounts of training data. In practice, however, it is very difficult to obtain sufficient brain functional data, especially from subjects with brain disorders. As a result, GCNs usually fail to
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.
High-quality annotations for medical images are always costly and scarce. Many applications of deep learning in the field of medical image analysis face the problem of insufficient annotated data. In this paper, we present a semi-supervised learning method for chronic gastritis classification using gastric X-ray images. The proposed semi-supervised learning method based on tri-training can leverage unannotated data to boost the performance that is achieved with a small amount of annotated data. We utilize a novel learning method named Between-Class learning (BC learning) that can considerably
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.
Facial nerve segmentation is of considerable importance for preoperative planning of cochlear implantation. However, it is strongly influenced by the relatively low resolution of the cone-beam computed tomography (CBCT) images used in clinical practice. In this paper, we propose a super-resolution classification method, which refines a given initial segmentation of the facial nerve to a subvoxel classification level from CBCT/CT images. The super-resolution classification method learns the mapping from low-resolution CBCT/CT images to high-resolution facial nerve label images, obtained from ma
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.
AIM: This study aimed to develop a machine learning (ML)-assisted model to predict the risk of upstaging (subsequent higher stage on repeat pathology) in non-muscle-invasive bladder cancer (NMIBC).
METHODS: A retrospective cohort study was conducted on 380 patients with NMIBC. Comprehensive data on demographics, comorbidities, frailty (modified frailty index, mFI), nutritional status (nutritional risk index, NRI), inflammatory indices, and detailed histopathological features were collected. The primary outcome was pathological upstaging, defined as a diagnosis of a higher T stage (from Ta to
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: Immune checkpoint inhibitors (ICIs) have revolutionized oncology by enhancing antitumor immune responses. However, their use is frequently associated with immune-mediated adverse events, including colitis (ICIs-colitis). This condition shares clinical and histological features with inflammatory bowel diseases (IBD), such as Crohn's disease (CD) and ulcerative colitis (UC). Emerging evidence highlights the gut microbiota's role in both ICIs-colitis and IBD pathogenesis. This study aimed to determine whether a distinct microbiota profile, assessed via machine learning, could differen
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: Severe dengue children with critical complications have been attributed to high mortality rates, varying from approximately 1% to over 20%. To date, there is a lack of data on machine-learning-based algorithms for predicting the risk of in-hospital mortality in children with dengue shock syndrome (DSS).
AIM: To develop machine-learning models to estimate the risk of death in hospitalized children with DSS.
METHODS: This single-center retrospective study was conducted at tertiary Children's Hospital No. 2 in Viet Nam, between 2013 and 2022. The primary outcome was the in-hospital
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: Prompt diagnosis and treatment of septic arthritis of the knee is crucial. Nevertheless, the quality of evidence for the diagnosis of septic arthritis is low. In this study, the authors developed a machine learning-based diagnostic algorithm for septic arthritis of the native knee using clinical data in an emergency department and validated its diagnostic accuracy.
METHODS: Patients (n = 326) who underwent synovial fluid analysis at the emergency department for suspected septic arthritis of the knee were enrolled. Septic arthritis was diagnosed in 164 of the patients (50.3%) using mo
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: Semi-Supervised Learning reduces the annotation burden for medical image segmentation but currently suffers from spatial context overfitting and confirmation bias due to noisy pseudo-labels. This study aims to propose a robust framework to overcome these limitations.
METHODS: We introduce a novel framework termed Spatially Decoupled Reliable Mutual Learning (SDRML). To address context overfitting, we propose a Spatial Decoupling strategy that utilizes translation consistency, compelling the model to focus on intrinsic anatomical features rather than fixed background contexts. To m
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