BACKGROUND: Real-world data (RWD)–based pediatric acute lymphoblastic leukemia (ALL) registries often face scalability and reliability limits owing to manual data entry and inter-institutional heterogeneity. We evaluated the feasibility of building an automated, high-quality registry using electronic medical records (EMR) and clinical data warehouses (CDWs) to quantitatively assess the Pediatric ALL Automated Registry (PeARL) for (1) automatic extractability (ADE) (2), data quality, and (3) multicenter applicability. METHODS: In this study, we used CDWs to identify patients aged < 18 years wit
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: Inadequate bowel preparation (IBP) seriously compromises the quality of colonoscopy. Existing prediction models for IBP before colonoscopy lack generalizability and are insufficiently validated across diverse bowel preparation regimens. This study aimed to develop a novel model for prediction of IBP based on a systematic review and meta-analysis, and then validate its performance against those of existing prediction models in a multicenter cohort. METHODS: In the development cohort, statistically significant risk factors for IBP were systematically reviewed, and included in the nov
СтатьяМногоцентровое исследованиеВалидационное исследованиеМетаанализСистематический 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.
BACKGROUND: Patient portals are increasingly used to support self-management and facilitate care coordination in people with chronic diseases. Although some asthma quality-of-care gains and modest chronic obstructive pulmonary disease (COPD) improvements have been reported in wider digital health studies, a comprehensive review of patient portal-specific evidence is lacking.
OBJECTIVE: This study aimed to systematically synthesize evidence on the impacts of patient portals on adult asthma and COPD outcomes across 6 quality-of-care domains (effectiveness, patient-centeredness, equity, efficien
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.
Patient-level digital twins for diabetes oriented smart healthcare require risk models that can learn from distributed clinical data while remaining reliable across heterogeneous environments. Federated learning enables collaborative training without centralizing raw patient records, but non-independent and identically distributed (non-IID) data can cause weak-client prediction failure and inconsistent feature-use patterns. Site-specific differences in disease prevalence, clinical measurements, and risk profiles can therefore undermine stable patient state assessment. We propose FedEC-Dia, an
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.
Large language models (LLMs) are promising for healthcare question answering, yet adapting them with sensitive clinical data can induce unintended memorization and privacy leakage. We present MedDP, an efficient privacy-budgeted adaptation framework that delivers an auditable utility-privacy trade-off under ($\epsilon,\delta$)-differential privacy. Our method, MedDP, applies DP-SGD only to low-rank adapter parameters while freezing the base model, using per-example gradient clipping and calibrated Gaussian noise to enable explicit privacy accounting with minimal compute and memory overhead. To
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.
Early detection of lung cancer remains one of the most effective strategies for improving survival; however, diagnostic performance is limited by variability in imaging protocols, scanner settings, lesion characteristics, and inter-reader interpretation. Deep learning (DL) models enable automated feature representation from medical images, while radiomics provides interpretable handcrafted biomarkers that capture tumour morphology, intensity, texture, and heterogeneity. When integrated into a clinical decision support system (CDSS), these approaches have the potential to augment radiologist de
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.
BACKGROUND: Few models specifically predict the prognoses of non-ST-segment elevation myocardial infarction (NSTEMI) patients. Additionally, these models have inadequate predictive performance for combined ischemic events other than all-cause death.
METHODS: This analysis included 4845 NSTEMI patients who completed a follow-up within 180 days after discharge. Data from three hospitals were randomly selected for the model's training and tuning, and data from two hospitals were used for external validation. Five machine learning algorithms were used to develop the predictive models. The receive
СтатьяМногоцентровое исследованиеВалидационное исследованиеПоиск 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.
Multimodal skin-lesion classification requires integrating complementary clinical and dermoscopic images while addressing inter-branch disagreement and the semantic gap. We propose MDCL-SCRL, a modality-specific dual-stream framework using paired images and patient metadata. Multimodal Dynamic Consensus Learning (MDCL) derives detached sample-level weights from inter-branch prediction disagreement to modulate the consensus classification loss, whereas Self-Correcting Representation Learning (SCRL) uses concept scores as training-only auxiliary targets. Inference requires only the paired images
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.
Lung cancer is the leading cause of cancer-related mortality, with small cell lung cancer and non-small cell lung cancer being the primary subtypes that exhibit distinct treatment approaches and prognostic outcomes. Accurate identification of these lung cancer classes holds significant importance in clinical practice. This study introduces an experience-driven interpretable multi-task network to concurrently perform segmentation and classification of small cell and non-small cell lung cancer. The core architecture of this multi-task model is based on StarNet, featuring a shared feature extract
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.
Precise delineation of the clinical target volume (CTV) and nodal CTV (CTV$_{{\mathit{nd}}}$) is crucial for effective radiotherapy planning in nasopharyngeal carcinoma (NPC). Manual contouring is labor-intensive and subject to substantial inter-observer variability, particularly in regions with complex anatomy and indistinct boundaries. This study presents RT-SAM, a novel framework that adapts the Medical Segment Anything Model 2 (MedSAM-2) for automated CTV (i.e., primary CTV and CTV$_{nd}$) contouring in NPC computed tomography (CT) images. The framework synergistically integrates a general
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.
Structural magnetic resonance imaging (sMRI) plays a crucial role in the early screening of Alzheimer's disease (AD). Recent advances in vision Transformers (ViTs) demonstrate strong potential for sMRI-based computer-aided diagnosis by capturing long-range dependencies. However, their high computational demands and opaque decision-making hinder clinical application. To address these challenges, we explore the inherent structural redundancy in brain sMRI and propose an efficient and interpretable slice-patch selection Transformer (SPSFormer) framework that selectively focuses on task-relevant s
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.
Precise and collaborative control of multiple anesthetics in Total Intravenous Anesthesia (TIVA) is essential for ensuring patient safety and maintaining the target depth of anesthesia (DoA). However, existing automated anesthesia control methods often fail to effectively capture the complex synergistic interactions between anesthetics and lack adaptability to patient-specific physiological variability, thereby limiting their clinical applicability. To address these issues, we propose AnesMADRL, a novel Multi-Agent Deep Reinforcement Learning (MADRL)-based framework that leverages the Counterf
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.
Early non-invasive prediction of cardiovascular risk is an essential prerequisite for preventive medicine, especially in resource-limited settings. Retinal imaging provides unique insights into systemic vascular health; however, most existing deep learning models lack pathophysiological explainability and generalizability, which limits their clinical adoption. Furthermore, existing approaches fail to effectively integrate specific retinal biomarkers with multimodal indicators of cardiovascular conditions and are not adaptable to variations in demographics or imaging conditions. This limits the
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: Timely prediction of cognitive decline in patients with Mild Cognitive Impairment (MCI) is crucial for guiding optimal therapeutic interventions. In this study, we aimed to develop a deep survival analysis model that leverages longitudinal, multi-modal data to estimate the probability of dementia conversion, thereby facilitating personalized treatment planning in clinical practice. METHODS: We employed a deep neural network model specifically designed for survival analysis to predict the progression from MCI to Alzheimer’s Disease (AD). The model integrated longitudinal biomarkers,
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.
OBJECTIVE: To construct a predictive model for post-endovascular restenosis in patients with peripheral artery disease based on a novel strategy that integrates radiomics features with clinical factors, aiming to enhance predictive performance and risk assessment. METHODS: A retrospective study was conducted on 110 patients with peripheral artery disease who underwent CT angiography and clinical evaluation. The dataset was randomly divided into training and validation sets in a 7:3 ratio. A combined model was developed using multivariable logistic regression. Subsequently, the model was intern
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.
With the acceleration of the global population aging process, fundus diseases such as cataracts and glaucoma have become major factors leading to visual impairment. In the field of ophthalmic diagnosis, the traditional diagnosis and treatment mode mainly relies on doctors to make pathological judgments by observing fundus images with the naked eye. However, due to differences in evaluation standards among doctors, there are discrepancies in diagnostic results for the same fundus photo. In addition, most doctors only specialize in specific fundus diseases, making it difficult to accurately diag
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: Analyzing semi-spontaneous speech is a promising direction for supporting Alzheimer's disease (AD) assessment, yet progress is limited by the scarcity of annotated clinical data. Large Language Models (LLMs) offer new opportunities to generate synthetic narratives that may resemble speech patterns of both patients with AD and healthy controls during cognitive evaluation tasks such as the Cookie Theft Picture description.
METHODS: This study evaluates whether models including GPT, T5/Flan-T5, LLaMA, Mistral, and Qwen can generate clinically plausible picture-description narratives
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.
Alzheimer's disease (AD) is pressing global health concerns, for which early diagnosis is critical to effective intervention. However, conventional approaches, including neuropsychological assessments and neuroimaging techniques, are resource-intensive and impractical for community-level screening. In contrast, artificial intelligence-driven behavioral analyses, including speech pattern and facial expression recognition, have demonstrated considerable potential for scalable and non invasive cognitive assessment. This work presents a community-oriented intelligent screening system for cognitive
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.
OBJECTIVE: The diagnosis of Sleep Apnea-Hypopnea Syndrome (SAHS) holds significant importance for assessing sleep quality and treating sleep disorders. However, the detection of hypopnea events has not been given due emphasis, and the precise delineation of event boundaries is not straightforward. In this work, we introduce a novel deep learning model for the precise detection of obstructive sleep apnea and hypopnea events.
METHODS: Respiration-related signals, processed through a sliding window, serve as inputs to the model. Initially, multi-scale features are extracted using the Dilated Pyr
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.
Thyroid eye disease (TED) is a prevalent autoimmune orbital disorder that can severely impair visual function and significantly diminish patients' quality of life. In recent years, several studies have attempted to automate TED diagnosis using optical coherence tomography (OCT) images. However, existing approaches primarily rely on convolutional neural networks (CNNs) combined with attention mechanisms and are mostly trained using traditional cross-entropy loss. Although Transformers excel at modeling long-range dependencies, their quadratic computational complexity when processing high-resolu
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