Nutritional intervention can improve glycemic control for type 2 diabetes mellitus (T2DM), and thus accurately predicting post-prandial glycemic responses (PPGRs) to each meal is essential. PPGRs can vary significantly between individuals, even when consuming the same foods, due to the diverse and complex nature of individual characteristics. However, to date, system-scale studies investigating the variability of PPGRs in people living with T2DM are scarce. This research collected meal logs, continuous glucose monitoring records, clinicodemographic profiles, and gut microbiota data comprising
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.
Retinal organoids (ROs) hold immense promise for disease modeling and therapy, but their production is hindered by developmental heterogeneity, necessitating robust characterization and early prediction. However, the limited application of current methods to human stem cell-derived organoids reduces clinical relevance; the omission of 3D multimodal imaging leads to incomplete morphological assessment; and the lack of time-series analysis diminishes applicability. To address these gaps, we developed mTIPs (Multimodal Time-Series Imaging and Prediction System), which enables automated, early-sta
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.
Basal cell carcinoma (BCC) is the most frequent subtype of skin cancer, and reflectance confocal microscopy (RCM) provides a non-invasive tool for early lesion assessment. Accurate RCM lesion segmentation remains challenging because expert annotations are limited and multimodal auxiliary information is difficult to exploit effectively. To address this problem, we propose MoST-SAM, a multimodal self-training framework built upon the Segment Anything Model (SAM). The framework leverages both labelled and unlabelled data within a teacher student paradigm, incorporates imaging depth and clinical t
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: Limited evidence exists regarding predictors of recurrence in patients with non-valvular atrial fibrillation (NVAF) following radiofrequency catheter ablation (RFCA). This study aimed to develop and validate a risk model for post-ablation recurrence in these patients. METHODS: 242 patients were enrolled and randomly divided into a modeling group (n = 169) and a validation group (n = 73) according to 7:3. The echocardiographic parameters, laboratory values and clinical features were used to derive a predictive model. Univariate and multivariate logistic regression analyses were used
СтатьяВалидационное исследованиеПолный 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.
Transthoracic echocardiography is a widely used, noninvasive tool for cardiac imaging, but the quality of image acquisition remains highly operator-dependent. Existing artificial intelligence-based systems often require large amounts of labeled data and provide only global quality scores, limiting their utility in real-time clinical applications. We propose a multi-task guidance framework that jointly performs supervised view classification and cardiac structure segmentation, and reuses their outputs to enable label-efficient, structure-specific image quality scoring through entropy-based metr
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.
Parkinson's Disease (PD) is often characterized by abnormal gait patterns, which can be objectively and quantitatively diagnosed using Vertical Ground Reaction Force (VGRF) signals. Previous studies have demonstrated the effectiveness of deep learning in VGRF signal analysis. However, the inherent graph structure of VGRF signals has not been adequately considered, limiting the representation of dynamic gait characteristics. To address this, we propose a Multi-Scale Adaptive Directed Graph Neural Network (MS-ADGNN) approach to distinguish the gaits between Parkinson's patients and healthy contr
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.
Routine clinical assessments for Parkinson's disease are essential instruments in both clinical practice and research, often used to identify disease sub-types and monitor the progression of disease severity. However, each clinic has limited access to information and the quality of these assessments is often degraded by the amount of missing information recorded at the time of each visit. The main objective of this study is to evaluate the performance of Federated Learning (FL) algorithms for imputing missing clinical data, enhancing the quality of decentralized Parkinson's disease assessments
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.
Parkinson's Disease (PD) treatment is challenging due to symptom heterogeneity and the lack of a definitive cure. Lifelong medication requires personalized treatment plans developed by physicians, but such approaches are constrained by high costs and limited physician capacity. Although deep learning (DL) methods have been explored, they lack interpretability and are restricted to numerical data inputs. In this study, we propose a novel framework that leverages large language models (LLMs) to design personalized PD treatment strategies, integrating both patient information in natural language
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 combination of positron emission tomography (PET) and computed tomography (CT) can accurately reflect the metabolic and anatomical information of a variety of tumors, including nasopharyngeal carcinoma, lymphoma and lung cancer, which plays an important role in the diagnosis, staging and efficacy evaluation of tumors. Accurate and automatic delineation of target tumors is crucial for radiotherapy, however, the tumor segmentation task is extremely challenging due to the fuzzy tumor boundaries, uncertain locations, and the scattered distribution of multiple tumors throughout the body. To thi
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: Stroke is a leading cause of mortality and disability worldwide, creating a critical need for accurate prediction tools to support early clinical decision making. However, mortality prediction is often hindered by class imbalance, as death events represent a minority of cases in most clinical datasets. Various machine learning (ML) approaches and imbalance-handling techniques, including sampling methods, cost-sensitive learning, and threshold adjustment, have been proposed to address this challenge. This study aimed to compare these strategies and identify an optimal ML framework f
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.
Early diagnosis of Parkinson's disease (PD) is crucial for timely treatment and disease management. Recent studies link PD to impaired facial muscle control, manifesting as "masked face" symptoms, offering a novel diagnostic approach through facial expression analysis. However, data privacy concerns and legal restrictions have resulted in significant "data silos", hindering data sharing and limiting the accuracy and generalizability of existing diagnostic models due to small, localized datasets. To address these challenges, we propose an innovative Tri-Factor Adaptive Federated Learning (TriAF
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.
Recent research has identified salivary oral polymorphonuclear neutrophils (oPMNs) as reliable cellular biomarkers for monitoring the progression of periodontal disease (PD). While conventional diagnostic tools such as periodontal probing and radiographic imaging are effective at detecting advanced disease stages, they lack the sensitivity required for early diagnosis. oPMNs, derived from circulating white blood cells (WBCs), transmigrate through the oral epithelium and appear in saliva with diverse morphological characteristics. Although deep learning-based WBC quantification has been extensi
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.
Early prediction of Type 2 diabetes mellitus (T2DM) complications holds significant clinical importance for improving patient outcomes and reducing healthcare burden, yet existing prediction methods exhibit notable limitations. This paper proposes a Graph-Enhanced Multi-Task Learning (GEMTL) framework for simultaneously predicting the occurrence risk of multiple diabetic complications. The framework constructs disease relation graphs through a hybrid strategy that linearly combines a data-driven statistical graph derived from disease co-occurrence patterns with a knowledge-driven prior graph e
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.
Ultrasound tongue imaging (UTI) provides a non-invasive, cost-effective modality for investigating speech articulation, speech motor control, and speech-related disorders. However, real-time tongue contour segmentation remains a significant challenge due to the inherently low signal-to-noise ratio, variability in imaging conditions, and computational demands of real-time performance. In this study, we proposed UltraUNet, a lightweight and efficient encoder-decoder architecture specifically optimized for real-time segmentation of tongue contours in ultrasound images. UltraUNet introduces severa
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: Cancer remains one of the leading causes of mortality worldwide, accounting for approximately 9.7 million deaths in 2022. Faced with this significant public health challenge, therapeutic monoclonal antibodies (mAbs) have emerged as promising alternatives that may minimize the side effects associated with conventional treatments such as radiotherapy and chemotherapy. To support mAb research and development, IMGT®, the international ImMunoGeneTics information system, has established two standardized data sources namely IMGT/mAb-DB, a comprehensive database for mAbs, and, more recentl
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: Diabetic peripheral neuropathy (DPN) is a common complication of diabetes and an important contributor to foot ulceration and lower limb amputation. Early detection remains challenging because conventional screening methods are often subjective, resource-intensive, and insensitive to subclinical disease. Artificial intelligence (AI) has increasingly been applied to support DPN assessment, but its applications across different clinical tasks have not been clearly synthesised. This systematic review evaluates AI applications for DPN detection, prognostic prediction, risk stratificati
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.
Early diagnosis of Alzheimer's disease (AD) is crucial for its prevention, and hippocampal atrophy is a significant lesion for early diagnosis. The current DL-based AD diagnosis methods only focus on either AD classification or hippocampus segmentation independently, neglecting the correlation between the two tasks and lacking pathological interpretability. To address this issue, we propose a Reliable Hippo-guided Learning model for Alzheimer's Disease diagnosis (RLAD), which employs multi-task learning for AD classification as a main task supplemented by hippocampus segmentation. More specifi
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.
Odontogenic cystic lesions (OCLs) are complex jaw abnormalities that require a precise diagnosis of the disease for treatment. Visual OCL diagnosis is commonly based on reviewing cone-beam computed tomography (CBCT) to identify morpho-pathological features associated with specific lesion types in a hierarchical manner. Current state-of-the-art methods focus on extracting features from the image without any guidance beyond the lesion diagnosis, and do not fully leverage the hierarchical relationship between the lesion diagnosis and morphological features. In this study, we propose a hierarchica
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.
Medical Vision-Language Pre-training (Med VLP) on paired medical images and reports has emerged as a promising direction for learning visual representations. However, current alignment approaches remain insufficient for learning fine-grained pathological details, largely due to the inherent difficulty of tokenizing reports without losing accurate and complete radiological concepts. To ad dress this, we propose a novel Concept-Enhanced Medical Vision-Language Alignment (CoMA) framework, which facilitates the acquisition of medical concepts (e.g., pathological findings) by effectively leveraging
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.
In-home spatiotemporal data, such as the movement trajectory data and the spatial time series data, contains potential predictive utility for detection of geriatric conditions including Mild Cognitive Impairment (MCI), frailty, and cognitive frailty. However, few have explored spatiotemporal learning models for learning and fusion of such disparate spatiotemporal data, owing to the lack of a generalized machine learning model that can jointly model these different spatiotemporal data types. This work reports a multimodal spatiotemporal machine learning model based on a class of self-organizing
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