Cognitive fatigue transitions from focused attention to inexact responses can cause catastrophic failures in high-stakes environments, yet current black-box assessment techniques ignore the brain's non-Markovian and time-varying interdependent properties, limiting realtime phase transition detection. We develop a fractional dynamical networks-based machine learning (FDNML) framework using coupled fractional-order differential equations to capture brain signal interdependencies and detect cognitive fatigue transitions. Multifractal properties of brain activity exhibit distinct generalized fract
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.
Osteoarthritis (OA) is the most common musculoskeletal disease, with knee OA (KOA) being one of the leading causes of disability and a significant economic burden. Predicting KOA progression is crucial for improving patient outcomes, optimizing healthcare resources, studying the disease, and developing new treatments. The latter application particularly requires one to understand the disease progression in order to collect the most informative data at the right time. Existing methods, however, are limited by their static nature and their focus on individual joints, leading to suboptimal predic
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: Fixation choice (polymethyl-methacrylate bone cement or cementless implants) in total knee arthroplasty (TKA) varies widely across surgeons, reflecting differences in clinical judgment. While traditional statistical approaches are commonly used to study surgical decision-making, they may be limited in capturing complex and multifactorial relationships inherent in such data. This study evaluates how different supervised machine learning (SML) algorithms characterize fixation choice and prioritize predictors, rather than developing a clinical decision-support tool. METHODS: We analyz
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.
Monocular endoscope-based reconstruction of dynamic 3D surgical fields is beneficial for both intraoperative manual/robotic manipulation and post-operative surgical skills training. However, the natural characteristics of tissue deformations with instruments and blood obscuration bring great challenges to 3D scene awareness, especially under sparse viewpoints limited by laparoscopic movements. In this work, we propose Endo-4SRF, an effective Neural Radiance Field (NeRF)-based method that can reconstruct deformable tissues with instruments stealth by solely relying on monocular endoscopic image
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: Respiratory epidemics often place substantial pressure on intensive care units (ICU), which are continuously challenged to managing acute and life-threatening conditions under unpredictable workloads. During these periods, ICUs usually exhibit inefficient patient flows, treatment delays, and critical resource shortages. Proactive decision-making and precise interventions are therefore pivotal for patient survival and minimizing long-term sequelae.
METHODS: This paper proposes a robust approach combining Artificial Intelligence (AI), Bayesian Optimization, and Digital Twin (DT) to
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: Approximately 30% of patients with rheumatoid arthritis (RA) do not respond to tocilizumab (TCZ). This study aimed to predict TCZ response using machine learning models trained on clinical data.
METHODS: Baseline and follow-up data from patients with RA treated with TCZ were collected. Seven different machine learning models (logistic regression, K-nearest neighbor algorithm, random forest, support vector machine, decision tree, gradient boosting, and boosting algorithm) were trained to predict the treatment response of patients with RA across different imaging stages after three
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.
Identifying cellular identities is a key initial process in the analysis of single-cell RNA sequencing (scRNA-seq) data. Although a number of methods have been developed for this purpose, such tools struggle with a limited number of curated marker gene lists, improper processing of batch effects, and struggle to maintain harmony between accuracy and interpretability. To overcome these challenges, we develop MTHCell, which introduces multi-view biological knowledge encoding and multi-scale feature learning to transformers. At the view level, the supervised learning of modal features and the imp
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.
Mitotic figure (MF) analysis supports tumor grading and prognostic assessment, but automated models remain sensitive to differences in tissue type and image acquisition. We present MiTHras, a task-specific pretraining framework that combines pseudo-label-guided image- and token-level contrastive learning with masked reconstruction. We construct TCGA-MF-Pseudo, a corpus of 1.8 million cell-centered images from 14 TCGA cohorts spanning 11 organ sites. Comprehensive evaluation on MF classification, detection, count-based survival prediction, and subtype classification demonstrates the efficacy of
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: Obesity significantly increases the risk of depression, yet interpretable depression risk prediction tools specifically targeting obese individuals remain very limited. This study aims to develop and validate a depression risk prediction model for individuals with obesity using data from the United States National Health and Nutrition Examination Survey (NHANES). METHODS: A total of 6,271 individuals with obesity from the 2005–2020 NHANES cycles were included in this study. Feature selection was conducted using the least absolute shrinkage and selection operator regression and mult
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: COVID-19 represents a wide range of clinical severity. Early identification of patients at high risk of severe disease is critical for appropriate clinical management and resource allocation. This study aims to predict COVID-19 severity using machine learning methods. METHODS: In this retrospective study, laboratory data from 816 hospitalized COVID-19 patients in Hamadan Province, Iran, were analyzed. According to the World Health Organization guideline, patients were classified into two groups: severe and non-severe based on clinical evaluation. Blood parameters including D-dimer,
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.
Monitoring of advanced cancer patients' health, treatment, and supportive care is essential for improving cancer survival outcomes. Traditionally, oncology has relied on clinical metrics such as survival rates, time to disease progression, and clinician-assessed toxicities. In recent years, patient-reported outcome measures (PROMs) have provided a complementary perspective, offering insights into patients' health-related quality of life (HRQoL). However, collecting PROMs consistently requires frequent clinical assessments, creating important logistical challenges. Wearable devices combined wit
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.
In palliative care, effective communication about anticipated death is critical for aligning therapeutic goals, managing family expectations, and ensuring dignified care. However, prognostic uncertainty - particularly regarding the time of death - remains a challenge due to the limited reliability of current methods. This study explores the potential of radar-derived motion biomarkers as a novel approach to distinguish between living and deceased patients, addressing the need for objective decision-support tools in palliative care. Using continuous-wave radar, we recorded the torso displacemen
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: Older adults often access traditional media, such as newspapers, magazines, television, and radio, for health information. However, compared with older adults without frailty, older adults with frailty experience greater declines in physical functions and mental health (including depressive symptoms), as well as social functioning, due to reduced interaction with others, which limits their access to these sources of information.
OBJECTIVE: This study aimed to identify the health information sources that are less accessible to participants with frailty than to those without frailty
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.
Drug-target binding affinity (DTA) prediction plays a critical role in drug discovery. Although recent approaches have demonstrated the importance of incorporating protein pocket information, they still struggle to jointly model local atomic-level interactions and global sequence contexts, as well as capture their intricate cross-modal dependencies, within a unified framework for accurate prediction. To address this limitation, we present DeepGCL, a novel multi-modal framework that leverages multi-view graph contrastive learning to capture latent representations of pocket-drug interactions and
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: Artificial intelligence (AI) and machine learning (ML) are rapidly transforming the medical field. The aim of this review was to outline the current scientific state of AI and ML application in sports medicine, evaluate the level of clinical validation and readiness for implementation, and identify key priorities to guide future advancements and implementation into injury risk assessment, diagnosis, rehabilitation and clinical decision-making in sport medicine.
METHODS: A scoping review was conducted with a literature search performed on February 5, 2026, using the MEDLINE, EMBASE
Scoping ReviewСтатьяПолный 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.
Psychotherapy summarisation poses unique challenges due to the emotional nuance, relational complexity, and non-linear discourse of therapeutic dialogues. Existing large language models (LLMs), even when fine-tuned, often fail to capture these structures, leading to clinically incomplete or incoherent summaries. In this work, we propose TheraFuse, a clinically grounded summarisation framework that adapts discourse-level relational graphs and LLaMA fusion to the psychotherapy domain. Our method first parses therapy dialogues into discourse graphs and encodes them using Relational Graph Convolut
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.
AIMS: To critically evaluate the methodological quality and clinical readiness of prediction models for adherence to cardiac rehabilitation (CR) programs in patients with cardiovascular disease (CVD), and to propose a strategic roadmap for future research. METHODS: This scoping review was conducted following the Arksey and O’Malley framework. Nine electronic databases were systematically searched from inception to June 2025 for studies published in English or Chinese. The methodological quality of included prediction models was critically appraised using the Prediction Model Risk of Bias Asses
СтатьяScoping ReviewПоиск 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: This study focuses on detecting mental performance from EEG signals. It provides both classification and explanation results. For this purpose, we developed a new feature extraction method called Different Pattern (DiffPat) within an Explainable Feature Engineering (XFE) framework.
NEW METHOD: The proposed approach utilizes an EEG mental performance dataset. The DiffPat algorithm extracts the differences between EEG channels in order to improve the efficiency of the feature extraction process. To develop the identified features into a more accurate set of features, the iterative N
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.
Conventional morphology-based grading of blastocysts is subjective and inconsistent. Although artificial intelligence and deep learning methods have im proved performance, they continue to struggle with generalization across imaging domains, low-contrast structures, and multi-scale feature integration, which limits clinical applicability and may inflate performance estimates. We propose the Expert Fusion Network (EFN), an AI-driven framework designed to address these challenges in blastocyst assessment. EFN automates the classification and segmentation of the key embryonic structures: the trop
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.
Semi-supervised learning (SSL) for medical image segmentation is a challenging yet highly practical task, which reduces reliance on large-scale labeled datasets by leveraging unlabeled samples. Among SSL techniques, the weak-to-strong consistency framework, popularized by FixMatch, has emerged as a state-of-the-art method in classification tasks. Notably, such a simple pipeline has also shown competitive performance in medical image segmentation. However, two key limitations still persist, impeding its efficient adaptation: (1) the neglect of contextual dependencies results in inconsistent pre
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.
MedElevator
Войти в исследования