BACKGROUND: Transformer-based architectures have rapidly gained prominence in medical imaging due to their ability to model long-range dependencies and global contextual information more effectively than convolutional neural networks. In dentistry, their applications have expanded across diagnostic, predictive, and generative tasks, yet no comprehensive synthesis has systematically evaluated their performance and clinical relevance. This systematic review provides an up-to-date assessment of Transformer-based models in dental imaging and diagnostics.
METHODS: A structured search of Medline, E
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.
OBJECTIVES: Recent advancements in deep learning and its applications in oral and dental health have garnered considerable interest. A crucial component of the diagnostic process in everyday clinical practice involves the examination of dental radiographs which artificial intelligence can be a suitable auxiliary tool.
METHODS: This study develops a deep learning-based diagnostic support system for classifying periapical radiographic patterns, including findings associated with potential need for endodontic evaluation. We emphasize that radiographic assessment is only one component of comprehe
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 dissect the neural mechanisms underlying visual working memory (VWM) processing of real-world stimuli (Body, Face, Place, Tool).
METHODS: This study leveraged task-fMRI data from the Human Connectome Project (HCP) n-back paradigm. The Neurofunctional Integration and Specificity Analysis (NISA) framework was proposed to synergistically combine Representational Similarity Analysis (RSA) and multivoxel machine learning classification and regression, enabling distinct characterization of visual perception and VWM processes. Functional connectivity (FC) patterns of NISA-selected regi
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: Metabolic syndrome (MetS) represents a major public health challenge in rural populations, particularly in resource-limited regions such as southern Xinjiang, China. Unhealthy behaviors serve as key modifiable drivers of MetS progression; however, existing models fail to integrate psychosocial determinants within a comprehensive social ecological framework. Interpretable machine learning (ML) presents an opportunity to address this gap by identifying potentially modifiable predictive factors through multisource data integration.
OBJECTIVE: To develop and validate an interpretable
СтатьяВалидационное 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.
BACKGROUND: Few studies have evaluated peripheral artery disease (PAD) and wound healing in patients with lower extremity wounds using a convolutional neural network (CNN)-based deep learning algorithm. We aimed to establish a CNN deep-learning model based on transcutaneous oxygen pressure (TcPO2)-annotated wound images for detecting PAD and wound healing in diabetic patients with lower extremity wounds.
METHODS: An extensive database of 1,407 original images from 77 patients with lower extremity wounds were collected to produce CNN deep-learning models (i.e., GoogleNet, ResNet 101V2 and Effi
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: Restoring hand function is a primary focus of rehabilitation after neurological injuries, such as stroke and spinal cord injury. However, monitoring hand use outside the clinic remains challenging. This study aims to evaluate how therapists perceive and would utilise information from a clinical decision support system (CDSS) that uses egocentric video to monitor patients' hand use at home.
METHODS: Five patient-therapist dyads were recruited. Patients recorded daily activities using head-mounted cameras. Therapists reviewed dashboards of processed video data from their patients an
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.
Computational pathology enables the automatic tissue analysis of Whole Slide Images (WSIs), offering unmatched possibilities to capture quantitative tumor microenvironment (TME) characteristics that are essential for patients' prognosis and therapy response. The existing clinical and digital biomarkers do not encompass the morphometric features and spatial interactions between vascular networks and immunological compartment in the TME. To address this challenge, this work presents a high-throughput quantitative framework for automatic segmentation and assessment of aberrant phenotypes of blood
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.
Acne assessment is crucial for clinical decision-making, yet traditional grading and counting are subjective and fail to account for lesion size. While areabased assessment has emerged as a promising alternative, acne segmentation has continued to rely on generalpurpose architectures. To address this gap, we propose VLAcneSeg, a multimodal framework for acne lesion segmentation that leverages CLIP and region-level text prompts to incorporate spatial priors, enabling lesions to be localized across the whole face. Because region-level prompts indicate which facial areas contain lesions, we repor
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: Intra-abdominal hypertension (IAH) is a life-threatening condition associated with increased morbidity and mortality in intensive care unit (ICU) patients. Autonomic nervous system dysfunction, reflected by altered heart rate variability (HRV), has shown prognostic significance in critical illness. This study aimed to evaluate the prognostic value of HRV in predicting mortality among IAH patients.
METHODS: In the Medical Information Mart for Intensive Care III (MIMIC-III) database, we retrospectively identified adult ICU patients who had both intra-abdominal pressure (IAP) measure
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: Atrial fibrillation (AF) is a major risk factor for atherothrombotic complications but is often asymptomatic and undiagnosed. This study aimed to develop a machine learning model to distinguish between individuals with low and high risk of AF, using routinely collected diagnostic data from Swedish primary health care. METHODS: Cases (n = 42,607, aged ≥ 45 years) with diagnosed new onset AF and controls (n = 427,169) matched by age and sex. Machine learning models stratified for age (45–69 and ≥ 70 years) and sex were developed using stochastic gradient boosting, based on number of
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.
Accurate Blood Glucose (BG) prediction is essential for enabling glycemic control in individuals with Type 1 Diabetes Mellitus (T1DM), particularly within Smart and Connected Health (SCH) systems that integrate Continuous Glucose Monitoring (CGM) and automated insulin delivery. The adaptability of Large Language Models (LLMs) provides a promising foundation for unified, fine-tunable forecasting models. We introduce DiabLLM, a framework based on two recent LLM-based architectures: Time-LLM, which incorporates a lightweight projection layer and alignment techniques to transform time-series data
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: Early identification of Alzheimer's disease-related cognitive impairment remains challenging, and existing machine learning (ML) models often suffer from feature instability and limited interpretability. This study developed robust and explainable ML models using cerebrospinal fluid (CSF) biomarkers by systematically comparing sparsity-based (LASSO), importance-based (Boruta), and consensus feature selection strategies.
METHODS: A publicly available cohort of 333 individuals (91 cognitively impaired, 242 cognitively normal) was analyzed. Data were split into training (70%) and ind
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: Postoperative respiratory failure (PRF) is a severe complication after open-heart surgery, associated with increased mortality and prolonged ICU stays. While machine learning (ML) models have shown promise in predicting PRF, existing models often rely on fragmented data and lack interpretability. This study aimed to develop an interpretable ML model for early prediction of PRF using data from the first 24 h of ICU admission.
METHODS: We analyzed data from the MIMIC-IV database, focusing on patients undergoing open-heart surgery with cardiopulmonary bypass (CPB). Patients with preo
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.
Self-supervised monocular depth estimation in endoscopy is fundamentally constrained by the ill-posed nature of photometric supervision. In this work, we identify a critical yet overlooked cause of this ambiguity: the inherent insensitivity of photometric loss to depth noise. To overcome this intrinsic limitation, we propose Depth Error Calibration Learning (DECL), a two-stage framework that suppresses prediction variance and mitigates residual errors in self-supervised depth estimation. In Stage I (Variance Reduction), a cyclic depth generation strategy produces multiple depth hypotheses for
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: Based on machine learning prediction models, we explored the anemia treatment attainment of patients on maintenance hemodialysis (MHD) and identified important factors for personalized treatment of patients.
METHODS: We collected clinical data from 222 patients on MHD at West China Fourth Hospital, Sichuan University. Multiple machine learning models were applied to analyze the predictors of renal anemia treatment outcomes. A comprehensive evaluation was made in terms of discrimination, calibration and clinical utility. The top five important predictors were weighted according to
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.
INTRODUCTION: Therapeutic plasma exchange (TPE) is increasingly used as an adjunctive intervention in severe, hyperinflammatory critical illness, including COVID-19, yet clinical guidance remains syndromic and evidence is heterogeneous. We present an integrated, interpretable machine-learning framework designed to support protocolizable TPE decision-making by identifying biochemical phenotypes associated with short-horizon laboratory response to TPE. Our dataset consists of real-world intensive care unit cases and captures the treatment heterogeneity and operational constraints that a workable
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.
Traditional Chinese Medicine (TCM) facial inspection is a non-invasive, holistic approach to health assessment, but its reliance on practitioners' subjective judgment limits standardization and scalability. Applying artificial intelligence (AI) to this domain faces unique challenges: the spatial heterogeneity of diagnostic regions, complex inter-task correlations, and the difficulty of integrating domain priors. To address these challenges, we propose CT (Control Transformer), a hierarchical multi-task vision transformer that (1) injects task-specific spatial priors via a ControlNet-based spat
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: Intravenous immunoglobulin (IVIG) is the standard initial treatment for Kawasaki disease (KD). However, approximately 20% of patients are resistant, who have a significantly increased risk of coronary artery lesions. Early prediction of IVIG resistance is crucial for improving outcomes, but traditional clinical scoring systems exhibit limited generalizability and limited predictive performance. OBJECTIVE: To systematically evaluate the accuracy of machine learning (ML) models in predicting IVIG-resistant KD through meta-analysis, and provide evidence-based support for clinical appl
СтатьяМетаанализПолный 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: Surveillance colonoscopy in older adults with a history of colon polyps presents a complex decision, as procedural risks increase and potential benefits of colorectal cancer prevention decrease with age. Despite this, no formal guidance exists to support decision-making. We aimed to develop, refine, and pilot-test a one-page conversation aid to facilitate shared decision-making (SDM) between older adults and primary care providers (PCPs) regarding surveillance colonoscopy. METHODS: We conducted a multi-phase study incorporating both qualitative and quantitative methods to develop,
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: To develop and validate a machine learning (ML) model to assess the risk of chronic critical illness (CCI) in intensive care unit (ICU) patients with acute pancreatitis (AP).
METHODS: We utilised two large, publicly available ICU datasets, MIMIC-IV (v3.1) and the eICU Collaborative Research Database (v2.0), as the development cohort for model construction. A single-centre dataset from China (SZICU) was used for external validation. Three feature selection methods-stepwise regression, Least Absolute Shrinkage and Selection Operator (LASSO), and the Boruta algorithm-were employed. T
СтатьяВалидационное 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.
MedElevator
Войти в исследования