Longitudinal and continuous monitoring of cough is crucial for early and accurate diagnosis of respiratory diseases. Recent developments in wearables provides at-home remote symptom monitoring with respect to more accurate and less frequent assessment in the clinics, but face practical challenges such as speech privacy, poor audio quality and background noise in uncontrolled real-world settings. This study addresses these challenges by developing and optimizing a multimodal cough detection system, enhanced with an Out-of-Distribution (OOD) detection algorithm. The cough sensing modalities incl
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: Delirium, an acute and fluctuating neurocognitive disorder prevalent among hospitalized and geriatric surgical patients, remains a pervasive yet underrecognized clinical challenge. Leveraging Electronic Health Records (EHRs), Machine Learning (ML) models have emerged as promising tools for early prediction and intervention. This scoping review synthesizes the existing literature, identifies current research gaps, and outlines future directions to advance delirium prediction modeling. METHODS: Following the PRISMA Extension for Scoping Reviews (PRISMA-ScR) guidelines, literature fro
Scoping ReviewСтатьяПоиск 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.
Automated Drug Combination Extraction (DCE) from large-scale biomedical literature is crucial for advancing precision medicine and pharmacological research. However, existing relation extraction methods primarily focus on binary interactions and struggle to model variable-length n-ary drug combinations, where complex compatibility logic and distributed evidence need to be considered. To address these limitations, we propose RexDrug, an end-to-end reasoning-enhanced relation extraction framework for n-ary drug combination extraction based on large language models. RexDrug adopts a two-stage tra
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.
Public cystoscopic benchmarks are limited by scarce annotations, class imbalance, and weak structural supervision. Generic augmentation often fails to preserve anatomy, color fidelity, and pathology-related variation simultaneously. To address these challenges, Uro-PPLD is proposed-a latent diffusion framework that integrates chroma-luminance decoupled attention, anatomy-guided ControlNet, continuous filling-state conditioning, and a residual pathology adapter into one denoising backbone. Topology-aware and color-consistency constraints further enforce structural plausibility and appearance fi
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.
LncRNA-disease association (LDA) identification can provide valuable insights for understanding disease pathogenesis. Existing most deep learning-based LDA prediction models remain limitations in effectively fusing various features of lncRNAs and diseases and accurately classifying unknown lncRNA-disease pairs (LDPs). Here, we introduce a deep learning-based LDA prediction frame work named LDA-RMGPB based on multi-representation fusion and boosting with Gaussian process. First, a randomized singular value decomposition model is presented to extract LDP linear features. Subsequently, a masked g
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.
Patients with chronic kidney disease (CKD) may progress to end-stage renal disease (ESRD) or die from other causes during long-term follow-up, making it essential to properly account for competing risks in prognostic modeling. However, most existing CKD prediction models rely on hazard-based measures, which primarily reflect relative effects, lack clinical interpretability, and cannot directly quantify survival time lost due to disease progression or death. To address this limitation, we adopted the restricted mean time lost (RMTL), an absolute and intuitive measure of survival time loss, and
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.
This study develops an efficient and accurate method for segmenting complex swallowing events in patients with dysphagia. We propose CFSCNet, a novel model that integrates multimodal signals-audio, nasal airflow, and triaxial accelerometry-to enhance swallowing event segmentation. The model employs a dual-stream architecture to capture swallowing information across varying durations and utilizes an exponential moving average-based cost-sensitive weighting method to address data imbalance. To further improve the stability of predictions for clinical applications, a Swallowing State Machine-Driv
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.
Benign Prostatic Hyperplasia (BPH) is a common condition among aging men that often causes significant urinary symptoms, impacting their quality of life. This study employs advanced LLMs and deep learning models to predict whether BPH patients were managed with TURP or continued medical therapy using historical clinical data. We utilized a dataset of 883 patient cases from Jordan University Hospital (JUH), comprising 15 clinical attributes, including PSA levels, prostate size, and treatment history. Five models were tested: GEMMA, GPT, and three deep learning models-Recurrent Neural Network (R
СтатьяСравнительное исследованиеПолный 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-based mobile health applications are increasingly used in oncology care, mainly to support symptom monitoring and clinical workflows. However, there is limited evidence on applications that simultaneously support cancer patients through structured prevention and treatment guidance while enhancing healthcare workers’ competencies. This study aimed to assess the outcomes of an AI-based mobile application as a supportive tool for cancer patients and examine its impact on healthcare workers’ competence in routine oncology care. METHODS: A quasi-experimental pre-
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.
Fetal anatomical structure segmentation in ultrasound images is essential for biometric measurement and disease diagnosis. However, current methods focus on a specific plane or a few structures, whereas obstetricians diagnose by considering multiple structures from different planes. In addition, existing methods struggle with segmenting fuzzy regions, which leads to performance degradation. We propose a real-time segmentation method called Class-aware Multi-structure Instance Segmentation (CMIS), designed to segment 19 key structures in 3 fetal brain planes to support brain-disease diagnosis.
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: Accurate identification of patients at high risk of pulmonary infection after thoracoscopic lung cancer resection is important for timely and targeted preventive measures. Methods for determining the risk of pulmonary infection after thoracoscopic lung cancer resection have not been well studied.
METHODS: This study was a retrospective case-control research project. The information of 3219 hospitalised patients who underwent thoracoscopic lung cancer resection between January 2019 and December 2023 was obtained from the hospital electronic medical record system. 26 clinical charac
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.
Molecular property prediction is a cornerstone for accelerating drug discovery, providing a computational way to alleviate the low success rate, high cost, and long development cycle of conventional pharmaceutical research and development. However, existing computational methods have obvious limitations: most current deep learning approaches rely on a single molecular view, failing to fully capture the multi-dimensional features of molecular structures; they mainly focus on intra-molecular features while ignoring inter molecular information and cross-task correlations; and limited labeled data
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: Post-stroke dysphagia (PSD) is prevalent in older adults after acute ischemic stroke (AIS), increasing risks like pneumonia and malnutrition. This study aimed to develop and validate machine learning models for early PSD prediction. METHODS: In this retrospective cohort study, we utilized electronic health records from a cohort of 908 AIS patients (≥ 60 years), partitioned into training and internal test sets at a 7:3 ratio. The Least Absolute Shrinkage and Selection Operator (LASSO) regression and the Boruta algorithm were used to identify key PSD predictors. Eight ML algorithms w
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: Survival analysis is a fundamental tool in clinical prognosis, yet traditional statistical models often struggle to capture complex, high-dimensional relationships in modern healthcare data. Recent advances in Large Language Models (LLMs) offer new opportunities for flexible and context-aware modeling. At the same time, access to real-world clinical data remains restricted due to privacy constraints, motivating the use of synthetic datasets as a privacy-preserving alternative for model development and evaluation.
METHODS: We propose a survival analysis framework based on fine-tune
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: The objective of this study was to evaluate the performance of multiple machine learning algorithms to provide evidence supporting early intervention for high-risk patients with oral and maxillofacial space infections (OMSI), thereby reducing complication rates and improving overall clinical outcomes.
METHODS: A retrospective cohort study was performed to analyse clinical data from 432 medical records, with a focus on key variables related to disease severity and treatment outcomes. The data included age, gender, height, weight, BMI, blood test results, such as the CRP, white bloo
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.
Accurate characterization of the fetal brain tissue microstructure with diffusion MRI remains challenging due to the presence of significant free water contribution and low data quality inherent in fetal imaging. To address these challenges, in this work we have developed a machine learning method for Free Water Eliminated Diffusion Tensor Imaging (FWE-DTI) that explicitly distinguishes between free and tissue-bound water diffusion. We leverage research-quality neonatal and fetal diffusion MRI data in a stage-wise learning approach that uses supervised and unsupervised training. The effectiven
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.
Two non-simultaneously acquired X-ray angiographic views from a single X-ray system provide a practical and low-dose input crucial for 3D coronary artery reconstruction. However, this setting poses significant challenges due to severe geometric ambiguity and motion inconsistency. Existing methods commonly rely on backprojection to lift two views into an initial volumetric estimate; however, the resulting backprojection volume exhibits overlooked challenges, including ambiguous vessel topology, severe noise and artifacts, and frequency-domain characteristics that deviate from true coronary anat
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.
Automated blood cell detection (BCD) is essential for modern hematology, yet its robustness is challenged by the limitations of fully supervised models. The impracticality of exhaustively annotating the vast number of cells in blood smears leads to extremely sparse annotations and, consequently, high rates of missed detections. Moreover, the clinical utility of current models is severely impeded by poor generalization, a result of domain shifts across clinical sources and a restrictive closed-set assumption. To overcome these issues, we first propose a dual-teacher collaboration framework that
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.
OBJECTIVE: Intracranial pressure (ICP) monitoring is widely used in the management of patients with traumatic brain injury (TBI). The morphology of the ICP waveform is considered to provide valuable insights into cerebrospinal compliance. This paper proposes a topological data analysis (TDA)-based methodology for ICP morphological analysis.
METHODS: About 1.2 million ICP waveforms from 60 TBI patients are utilized to construct a data map. This map is used for near real-time ICP morphology classification, subpeak identification, and Big Data visualization. The method allows ICP morphology clas
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: Static measurements of lactate concentrations are insufficient to fully capture the metabolic dynamics that occur during disease progression. We aimed to investigate the lactate trajectories and their association with 7-day and 28-day all-cause mortality in critically ill patients with septic shock. METHODS: Critically ill patients with septic shock were obtained from the MIMIC-IV database (v3.1). Latent growth mixture models (LGMM) and smoothed curve fitting were used to investigate lactate trajectories. Multinomial logistic regression models were employed to examine the associati
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.
MedElevator
Войти в исследования