In the COVID-19 pandemic, a rigorous testing scheme was crucial. However, tests can be time-consuming and expensive. A machine learning-based diagnostic tool for audio recordings could enable widespread testing at low costs. In order to achieve comparability between such algorithms, the DiCOVA challenge was created. It is based on the Coswara dataset offering the recording categories cough, speech, breath and vowel phonation. Recording durations vary greatly, ranging from one second to over a minute. A base model is pre-trained on random, short time intervals. Subsequently, a Multiple Instance
СтатьяПоддержка исследования: вне правительства СШАПоиск 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: Nosocomial infections are a major cause of morbidity and mortality in the ICU. Earlier identification of these complications may facilitate better clinical management and improve outcomes. We developed a dynamic prediction model that leveraged high-frequency longitudinal data to estimate infection risk 48 h ahead of clinically overt deterioration.
METHODS: We used electronic health record data from consecutive adults who had been treated for > 48 h in a mixed tertiary ICU in the Netherlands enrolled in the Molecular Diagnosis and Risk Stratification of Sepsis (MARS) cohort from 20
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: Gestational Diabetes Mellitus (GDM) is a common complication during pregnancy. Late diagnosis can have significant implications for both the mother and the fetus. This research aims to create an early prediction model for GDM in the first trimester of pregnancy. This model will help obstetricians and gynecologists make appropriate decisions for treating and preventing GDM complications.
METHODS: This applied descriptive study was conducted at the fertility health center of Vali-e-Asr Hospital in Tehran, Iran. The dataset was collected from the records of pregnant women registered
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.
As the elderly population grows, falling accidents become more frequent, and the need for fall-risk monitoring systems increases. Deep learning models for fall-risk movement detection neglect the connections between the terrain and fall-hazard movements. This issue can result in false alarms, particularly when a person encounters changing terrain. This work introduces a novel multisensor system that integrates terrain perception sensors with an inertial measurement unit (IMU) to monitor fall-risk on diverse terrains. Additionally, a dual-task learning (DTL) architecture that is based on a modi
СтатьяПоддержка исследования: вне правительства СШАПолный 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: Major surgery can result in elevated mortality rates, poorer prognoses, and extended hospital stays. This study sought to develop and validate an effective machine-learning model capable of accurately forecasting outcomes in critically ill patients who have undergone major surgery. METHODS: Using the publicly accessible Medical Information Mart for Intensive Care (MIMIC)-IV database, we developed and validated multiple machine-learning(ML) models to predict postoperative outcomes in critically ill patients who had at least an overnight ICU stay after major surgery. The primary outc
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.
ECG-imaging has been receiving increasing clinical and commercialization interest as a non-invasive technology for computing cardiac electrical activity and facilitating clinical management of heart rhythm disorders. Despite its potential, the standard ECG-imaging pipeline requires thorax imaging for constructing patient-specific heart-thorax geometry - being outside standard-of-care clinical workflow, this component constitutes a major barrier to the clinical adoption of ECG-imaging. The advent of 3D cameras into ECG-imaging workflow to replace thorax imaging has shown promise, although exist
СтатьяПоддержка NIH: внешняя программаПоиск 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.
Alzheimer's disease (AD) is a complex brain disorder that causes progressive cognitive decline and neuropsychiatric complications, ranking among the top ten causes of death. Clinically, there are three stages of cognitive decline: dementia, mild cognitive impairment (MCI), and subjective cognitive decline. Both MCI and subjective cognitive decline are recognized as risk factors for dementia, but most countries do not recommend specific treatments outside of clinical trials. A key goal of precision medicine is to improve the classification of pathological conditions based on molecular markers r
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.
Regional citrate anticoagulation (RCA) is critical for extracorporeal anticoagulation in continuous renal replacement therapy done at the bedside. To make patients' data more secure and to help with computer-based monitoring of dosages, we suggest a system that uses machine learning. This system will give early alerts about citric acid overdose and advise changes to how much citrate and calcium gluconate are infused into the patient's body. Citric acid overdose causes significant clinical risks, emphasizing the need for better adaptable anticoagulation procedures that can respond quickly. The
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.
Continuous cough monitors can greatly benefit doctors in home monitoring and treatment of respiratory diseases. Although many works propose algorithms to automate this task, they suffer of poor data privacy and short-term monitoring. Edge-AI is a promising paradigm to overcome these limitations by processing privacy-sensitive data close to their source. However, it presents challenges for the deployment of resource-demanding algorithms on constrained devices. In this work, we propose a hardware-aware methodology for developing a cough detection algorithm, analyzing design-time trade-offs for p
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: Coughing sounds contain various bio-metric information with regards to respiratory diseases that can help in the assessment of respiratory diseases. While clinicians find coughs insightful, non-experts struggle to identify abnormalities in cough sounds. Furthermore, respiratory diseases has characterized by widespread health complications and elevated mortality rates, the development of early diagnostic systems is imperative for ensuring timely intervention and improving outcomes for both clinicians and patients. Accordingly, we propose a deep learning-based model for early diagnos
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.
Step width is vital for gait stability, postural balance control, and fall risk reduction. However, estimating step width typically requires either fixed cameras or a full kinematic body suit of wearable inertial measurement units (IMUs), both of which are often too expensive and time-consuming for clinical application. We thus propose a novel data-augmented deep learning model for estimating step width in individuals with and without neurodegenerative disease using a minimal set of wearable IMUs. Twelve patients with neurodegenerative, clinically diagnosed Spinocerebellar ataxia type 3 (SCA3)
СтатьяПоддержка исследования: вне правительства СШАПолный 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: Chronic kidney disease (CKD) is a global health burden with low awareness among both patients and healthcare providers. Deep learning models (DLMs) have shown promise in interpreting electrocardiograms (ECGs) for various disease and may offer new opportunities for early CKD detection.
METHODS: We enrolled 66,587 outpatients with estimated glomerular filtration rate (eGFR) data from January 2010 to October 2020. A total of 72,618 ECGs from 49,632 patients were used to develop DLMs. Internal validation was performed on 16,955 nonoverlapping patients, and external validation involved
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 shape and size of the placenta are closely related to fetal development in the second and third trimesters of pregnancy. Accurately segmenting the placental contour in ultrasound images is a challenge because it is limited by image noise, fuzzy boundaries, and tight clinical resources. To address these issues, we propose MCBL-UNet, a novel lightweight segmentation framework that combines the long-range modeling capabilities of Mamba and the local feature extraction advantages of convolutional neural networks (CNNs) to achieve efficient segmentation through multi-information fusion. Based o
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: Antidepressants are a primary treatment for depression, yet prescribing them poses significant challenges due to the absence of clear guidelines for selecting the most suitable option for individual patients. This study aimed to analyze prescribing patterns for antidepressants across healthcare providers, including physicians, physician assistants, nurse practitioners, and pharmacists, to better understand the complex factors influencing these patterns in the management of depression.
METHODS: Least Absolute Shrinkage and Selection Operator (LASSO) regression was employed to ident
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: Ovarian cancer is a serious malignant tumor threatening women's health. The early diagnosis and effective treatments of ovarian cancer remain inadequate, and about 70% of ovarian cancers are in advanced stages when discovered. This study aimed to use the decision tree method of artificial intelligence machine learning to build a model for predicting the benign and malignant degree of ovarian cancer patients.
STUDY DESIGN: A total of 758 patients were included in the study. These patients were diagnosed by B-ultrasound, CT or MR. The clinicopathological features and circulating bloo
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.
Obstructive sleep apnea (OSA) in children is a prevalent and serious respiratory condition linked to cardiovascular morbidity. Polysomnography, the standard diagnostic approach, faces challenges in accessibility and complexity, leading to underdiagnosis. To simplify OSA diagnosis, deep learning (DL) algorithms have been developed using cardiac signals, but they often lack interpretability. Our study introduces a novel interpretable DL approach (SleepECG-Net) for directly estimating OSA severity in at-risk children. A combination of convolutional and recurrent neural networks (CNN-RNN) was trai
СтатьяПоддержка исследования: вне правительства СШАПолный 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.
BAKGROUND: Sepsis/septic shock frequently occurred as a lethal complication in the intensive care unit. Endoplasmic reticulum stress (ERS) leading to the disturbance of cellular proteostasis played an important role in the sepsis-induced multiple organ dysfunction. Previous studies showed that several ERS molecule were involved in. It is not clear which ERS molecule could be competent as prognostic indicators of sepsis. METHODS: Transcriptomic datasets containing gene expression profiles of sepsis patients and healthy controls were downloaded from the GEO database. Consensus clustering was per
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: Cancer patients receiving targeted therapies need to prevent QTc prolongation and life-threatening cardiovascular (CV) events to maintain a balanced benefit-risk ratio. This study aimed to develop an optimal prediction model for QTc prolongation risk and estimate its risk probability in cancer patients treated with oral tyrosine kinase inhibitors (TKIs).
METHODS: This retrospective cohort study analyzed electronic medical records (EMR) of cancer patients newly treated with commonly used oral TKIs at a medical center between January 2016 and December 2020. QTc prolongation was defi
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: Low birth weight (LBW) is a critical global health issue that affects infants disproportionately, particularly in developing countries. This study adopted causal machine learning (CML) algorithms for predicting LBW in newborns, drawing from midwife-led continuity care (MLCC).
METHODS: A quasi-experimental study was carried out in the North Shoa Zone of Ethiopia from August 2019 to September 2020. A total of 1166 women were allocated into two groups. The first group, the MLCC group, received all their antenatal, labor, birth, and immediate post-natal care from a single midwife. The
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.
To address channel redundancy and high computational complexity in high-density electroencephalography (EEG) for depression (DP) analysis, this study proposes an elastic net-based double sparse dictionary channel selection (EN-DSDCS) method, aimed at screening core EEG channels and analyzing abnormal topological changes in the brain functional network (BFN) of DP patients. An improved coarse-graining method is proposed to reconstruct EEG signals, calculate their multi-scale permutation entropy (MSPE), and construct an MSPE matrix that characterizes signal complexity. Based on this, a double sp
СтатьяПоддержка исследования: вне правительства СШАПолный 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