Retinal procedures require precise instrument manipulation to avoid iatrogenic injuries. Intraoperative Optical Coherence Tomography (iOCT) delivers realtime cross-sectional views of tissue-instrument interactions, enabling safer surgical decision-making. Accurate iOCT segmentation would allow the automated estimation of the distance between surgical instruments and retinal surfaces, and the development of safety alerts for both manual and robotic vitreoretinal procedures. Although existing deep learning models have advanced iOCT segmentation, they operate frame-wise without temporal modeling
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: Determining when medical treatment is futile is conceptually, empirically, and ethically disputed. This creates challenges for patients, families, doctors, healthcare, and legal systems. Amid such disputes, there is still a practical need to resolve futility questions in individual cases. Can artificial intelligence (AI) be ethically and effectively used to help with such decisions?
METHODS: We adopted a critical narrative review method. We first surveyed existing scholarship on the ethics of medical futility to identify the main positions in ongoing futility debates. We then surv
СтатьяОбзорПоиск 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.
Understanding symptom-image associations is crucial for clinical reasoning. However, existing medical multimodal models often rely on simple one-to-one hard labeling, oversimplifying clinical reality where symptoms relate to multiple organs. In addition, they mainly use single-slice 2D features without incorporating 3D information, limiting their ability to capture full anatomical context. In this study, we propose Med-SORA, a framework for symptom-to-organ reasoning in abdominal CT images. Med-SORA introduces RAG-based dataset construction, soft labeling with learnable organ anchors to captur
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.
Reconstructing gene regulatory networks (GRNs) from single-cell RNA sequencing (scRNA-seq) data remains challenging due to high dimensionality, noise, and cellular heterogeneity. The performance limitations of unsupervised methods necessitate more advanced supervised approaches. To address this, we present GMAMLink, an effective two-stage framework that integrates graph masked autoencoding with multi-head latent attention (MLA) for GRN inference. Central to our approach is a decoupled representation-topology learning paradigm: the model first performs self-supervised pre-training using a graph
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.
Pathological grading of laryngeal squamous cell carcinoma (LSCC) based on whole-slide image (WSI) is crucial for the diagnosis, treatment and prognosis. According to pathologists' knowledge, tumor regions are highly associated with grading. However, existing multiple instance learning (MIL) methods tend to overrepresent weakly relevant non-tumor regions and irrelevant background, leading to poor grading performance and interpretability. Motivated by the above problems, we propose an end-to-end knowledge-driven MIL network with hierarchical cluster-incorporated aware filtering, i.e. HCF-MIL. 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.
Pheochromocytoma is a rare urological adrenal tumor disease. Automated segmentation of pheochromocytomas from computed tomography (CT) is essential for diagnosis and treatment. However, this task is a challenging one due to issues such as blurred boundaries, irregular shapes, variations in location and size, and the lack of annotated images for training. To address these issues, we propose a semi-supervised framework for pheochromocytoma segmentation that primarily consists of a dynamic uncertainty rectification mechanism and a supervised strategy based on SAM-Med3D prior knowledge. First, we
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: Large language models (LLMs) have shown promising results in medical decision support; Background: Large language models (LLMs) have demonstrated promising outcomes in medical decision support; however, their efficacy in managing complex hepatobiliary conditions remains insufficiently examined. We have developed a genetic neuro-symbolic LLM system that integrates multiple AI agents with neural-symbolic reasoning for the management of cholangitis, and we have compared its performance to that of conventional LLMs and human experts.genetic neuro-symbolic LLM system integrating multipl
СтатьяСравнительное исследованиеМногоцентровое 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.
Traditional Chinese Medicine (TCM) formulas play a significant role in treating epidemics and complex diseases. Existing models for TCM utilize traditional algorithms or deep learning techniques to analyze formula relationships, yet lack comprehensive results, such as complete formula compositions and detailed explanations. Although recent efforts have used TCM instruction datasets to fine-tune Large Language Models (LLMs) for explainable formula generation, existing datasets lack sufficient details, such as the roles of the formula's sovereign, minister, assistant, courier; efficacy; contrain
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: Implant-supported prostheses are widely used in posterior mandibular restorations, where biomechanical factors play a critical role in long-term performance. Abutment design may influence stress distribution within implant-supported systems, potentially affecting both prosthetic components and surrounding bone. This study aimed to evaluate stress distribution in three-unit implant-supported prostheses with different abutment designs using three-dimensional finite element analysis.
METHODS: A three-dimensional finite element model of the posterior mandible with two implants (4.1 mm
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: Spinal cord injury (SCI) is a severe complication after thoracoabdominal aortic repair (TAAR), substantially increasing postoperative mortality and disability. This study aimed to develop an improved machine learning model using comprehensive perioperative data to predict SCI risk.
METHODS: 270 patients were included in the study, and 66 potentially meaningful variables were selected from 84 original variables as input data to drive machine learning. An optimized machine learning algorithm (PSO-FLXGBoost) was applied to stratify and rank predictors, and Shapley additive explanatio
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.
The accumulating body of research indicates that Motor Imagery (MI)-BCIs have the potential to enhance the quality of life for individuals with disabilities and to advance our understanding of brain function and rehabilitation strategies. Among these diseases, stroke is the leading cause of long-term motor disability across the globe, thereby underscoring the need for innovative rehabilitation strategies, such as MI-BCI technologies. In contrast with these expectations, the majority of existing research is built upon data obtained from healthy subjects. The construction of effective classifica
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: Clinical Tumor, Node, and Metastasis (cTNM) classification is vital for predicting treatment efficacy and prognosis in patients with cancer; however, its utilization in real-world data (RWD) research is hindered by its frequent storage as free text. While chest CT reports include essential information for labeling cT, the extraction process is typically manual and time-consuming.
METHODS: We developed a natural language processing (NLP) system capable of labeling clinical T (cT) classifications from chest computed tomography reports. This NLP system employs a combination of deep l
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 prediction of therapeutic pressure for Continuous Positive Airway Pressure (CPAP) therapy is essential for effective treatment of Obstructive Sleep Apnea (OSA). Existing methods often rely on complex sleep-related parameters and small sample sizes, limiting their generalizability. This study aims to develop a more accessible, data-driven model using readily available demographic and physiological variables to predict CPAP pressure, improving both accuracy and scalability.
METHODS: We employed a machine learning approach, integrating decision trees, gradient boosting algor
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.
Accurate assessment of ulcerative colitis (UC) severity from endoscopic images is critical for guiding treatment decisions and monitoring disease progression. However, significant inter- and intra-observer variability in UC severity scoring poses a major challenge to reliable evaluation. Recent advancements in Mamba-based models have shown strong performance in modeling long-range dependencies, surpassing traditional vision models in various tasks. Nonetheless, their application to vision tasks is typically limited to natural images, which exhibit structured horizontal and vertical alignments.
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: Postoperative complications of mediastinal tumors significantly impact patients’ quality of life and long-term outcomes; however, a notable gap in the development of predictive tools for their occurrence remains. This study aimed to develop and validate a machine-learning model predicting thoracoscopic resection complications. METHODS: Patients who underwent thoracoscopic mediastinal tumor resection at Southwest Hospital (January 2014 to April 2024) were retrospectively enrolled (n = 302) and randomly divided into training (70%) and validation (30%) sets. An additional 21 patients
СтатьяМногоцентровое 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.
OBJECTIVE: To systematically evaluate the diagnostic, classification, and treatment decision-making performance of large language models (LLMs) in dry eye disease (DED) and compare their performance with that of junior ophthalmologists to assess their feasibility as clinical support tools.
METHODS: One hundred standardized DED cases from Fuzhou University Affiliated Provincial Hospital (Aug 2023-Aug 2025) were analyzed. Four LLMs (ChatGPT-4o, DeepSeek-V3, Gemini-2.5-Pro, and ERNIE Bot-4.5-turbo) underwent an initial 20-item test with a 95% accuracy threshold. Only models meeting this criterio
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: The rapid deployment of mRNA vaccines during the COVID-19 pandemic exposed limitations in traditional pharmacovigilance systems, including delayed reporting, high underreporting rates, and inability to calculate true incidence. Machine learning (ML) offers new pathways to overcome these challenges by integrating multi-source real-world data.
METHODS: We systematically reviewed English-language studies from database inception to June 2026. Searches were performed in PubMed, Embase, and Web of Science. Two reviewers independently screened records. Given substantial heterogeneity acr
СтатьяСистематический обзорПолный 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.
Brain metastasis (BM) poses a major threat to patients with non-small cell lung cancer (NSCLC), making early risk evaluation a pressing need. To address this challenge, we developed a novel framework, namely LungRad-BM, to achieve non-invasive diagnosis of BM in NSCLC patients by integrating multiregional and multimodal features derived from 18F-fluorodeoxyglucose positron emission tomography/computed tomography (18F-FDG PET/CT) radiomics. We retrospectively enrolled 61 treatment-naive NSCLC patients, including 21 with BM and 40 without BM, and manually delineated intra-tumoral region (ITR) an
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.
Vitiligo is an autoimmune disorder characterized by heterogeneous and unpredictable depigmentation, which poses substantial challenges for objective disease monitoring and treatment evaluation in routine clinical practice. To address the lack of automated and quantitative follow-up tools, we designed and validated an end-to-end deep learning-based system using Wood's lamp imaging to support lesion localization, longitudinal tracking, and activity assessment. The framework employs Mask R-CNN for automated lesion detection and segmentation, followed by quantitative pigmentation-state analysis an
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: Parkinson's disease (PD) and essential tremor (ET) are prevalent movement disorders with overlapping clinical presentations but divergent progression and treatment, underscoring the importance of accurate differential diagnosis. Current diagnosis mainly depends on neurologists' clinical rating scales, which is subjective, time-consuming and prone to high misdiagnosis rates. This study integrates wearable sensor technology with machine learning methodologies to facilitate more objective and precise discrimination between PD and ET.
METHODS: Using standardized upper-limb motor tasks
СтатьяВалидационное 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.
MedElevator
Войти в исследования