Dry powder inhalers (DPIs) are widely used for pulmonary drug delivery, and their aerodynamic performance is highly dependent on particle surface morphology. This paper presents a machine learning-based framework to quantitatively predict DPI aerodynamic behavior using surface roughness parameters from scanning electron microscopy (SEM) images. Ten DPI formulations were prepared with various storage conditions and compositions. Thirteen surface roughness features were extracted using ImageJ and SurfCharJ and used as inputs for predictive models, including multilayer perceptrons (MLPs), support
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.
Sepsis is a leading cause of hospital mortality, and its significant heterogeneity complicates prognosis and stratification. To address this challenge, we developed an explainable artificial intelligence prognostic model (SepsisFormer, a transformer-based neural network) and an automated risk-stratification tool (SMART) for sepsis. In a multi-center retrospective study of 12,408 sepsis patients, SepsisFormer achieved high predictive accuracy (AUC: 0.9301, sensitivity: 0.9346, and specificity: 0.8312). SMART (AUC: 0.7360) surpassed most established scoring systems. Seven coagulation-inflammator
СтатьяМногоцентровое исследованиеНаблюдательное 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.
BACKGROUND: Frailty is a significant public health concern in maintenance hemodialysis (MHD) patients.Previous studies have predominantly focused on isolated risk factors, lacking a comprehensive framework to address its multifactorial nature. This study aims to systematically investigate the prevalence and determinants of frailty in MHD patients using the Health Ecological Model (HEM), which integrates five ecological tiers—individual traits, behavioral characteristics, interpersonal networks, living and working conditions, and policy environment—and to develop a backpropagation neural networ
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: Circulating cell-free RNA (cfRNA) is gaining recognition as an effective biomarker for the early detection of preeclampsia (PE). However, the current methods for selecting disease-specific biomarkers are often inefficient and typically one-dimensional.
PURPOSE: This study introduces a Pyramid Scene Parsing Network (PSPNet) model to predict PE, aiming to improve early risk assessment using cfRNA profiles.
METHODS: The theoretical maximum Preeclamptic Risk Index (PRI) of patients clinically diagnosed with PE is defined as "1", and the control group (NP) is defined as "0", referred
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.
Early detection of fetal cardiac diseases can dramatically improve neonatal outcomes by enabling timely intervention and informed clinical management. However, accurate diagnosis remains challenging due to the complexity of fetal heart structures in ultrasound images and the subtlety of congenital anomalies. To address these challenges, this work introduces Fetal Cardiac Disease Detection Using Ultrasound Imaging with Gegenbauer Graph Neural Networks (FCD-UI-GGNN). Ultrasound images are collected from the Fetal Phantom Ultrasound Dataset 23 (FPUS23) and pre-processed using Broad Collaborative
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 Countermovement Jump (CMJ) test, widely used to assess athletes' musculoskeletal and neuromuscular readiness, hinges on the performance of the hip, knee, and ankle joints. Despite extensive research, there is no consensus on which joint is most critical for CMJ performance. This study aims to identify the primary lower limb joint contributing to CMJ execution by analyzing maximum energy production and peak stiffness. Additionally, a novel neural network model was developed to predict joint stiffness during CMJ based on jump height and detailed anthropometric parameters, includi
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.
OBJECTIVES: Convolutional neural networks (CNNs) are increasingly used to classify medical images, but few studies utilize smartphone photographs. The objective of this study was to assess CNNs for differentiating patients from controls and detecting joint inflammation.
METHODS: We included consecutive patients with early inflammatory arthritis and healthy controls, all examined by a rheumatologist (15% by two). Standardized hand photographs of the hands were taken, anonymized and cropped around joints. Pre-trained CNN models were fine-tuned on our dataset (80% training; 20% test set). We use
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 our study, we aim to predict the antibody serostatus of patients with suspected autoimmune encephalitis (AE) using machine learning based on pre-contrast T2-weighted MR images acquired at symptom onset. A confirmation of seropositivity is of great importance for a reliable diagnosis in suspected AE cases. The cohort used in our study comprises 98 patients diagnosed with AE. 57 of these patients had previously tested positive for autoantibodies associated with AE. In contrast, no antibodies were detected in the remaining 41 patients. A manual bilateral segmentation of the hippocampus 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.
We developed neural network models trained with images from Klebsiella pneumoniae genomes, encoded via Chaos Game Representation, to predict carbapenem resistance. Both real (n = 168) and synthetic AI-generated (n = 200) images were used. The best-performing model, among the 72 developed, achieved up to 87.5 % accuracy on generalization datasets.
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.
Аутоиммунные заболевания представляют собой сложную группу заболеваний, вызванных иммунной системой, ошибочно наносящей удар по тканям тела. Их этиология включает в себя множество факторов, таких, как генетика, экологические факторы и аномалии в иммунных клетках, что затрудняет прогнозирование и лечение. Т клетки как один из ключевых компонентов иммунной системы играют важнейшую роль в иммунной системе человека и оказывают значительное воздействие на патогенез аутоиммунных заболеваний. Ряд исследований показали, что рецепторы Т-клеток (ТКР) могут быть вовлечены в патогенез различных аутоиммунн
СтатьяПоддержка исследования: вне правительства СШАПолный текст найденМашинный перевод · не проверен
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 prognosis following radical surgery for intrahepatic cholangiocarcinoma (ICC) is poor, and optimal follow-up strategies remain unclear, with ongoing debates regarding anatomic resection (AR) versus non-anatomic resection (NAR). This study included 680 patients from five hospitals, comparing a combination of eight feature screening methods and 11 machine learning algorithms to predict prognosis and construct integrated models. These models were assessed using nested cross-validation and various datasets, benchmarked against TNM stage and performance status. Evaluation metrics such as area u
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: Decentralized federated learning (DFL) may serve as a useful framework for machine learning (ML) tasks in multicentered studies, maximizing the use of clinical data without data sharing. We aim to propose the first workflow of DFL for ML tasks in multicentered studies, which can be as powerful as those using centralized data.
METHODS: A DFL workflow was developed with 4 steps: registration, local computation, model update, and inspection. A total of 598 participants with acromegaly from Peking Union Medical College Hospital, and 120 participants from Xuanwu Hospital were enrolled.
СтатьяМногоцентровое исследованиеПоддержка исследования: вне правительства СШАПоиск 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.
PURPOSE: Multiple clinical visits are necessary to determine progression of keratoconus before offering corneal cross-linking. The purpose of this study was to develop a neural network that can potentially predict progression during the initial visit using tomography images and other clinical risk factors.
METHODS: The neural network's development depended on data from 570 keratoconus eyes. During the initial visit, numerical risk factors and posterior elevation maps from Scheimpflug imaging were collected. Increase of steepest keratometry of 1 diopter during follow-up was used as the progres
СтатьяПоддержка исследования: вне правительства СШАПолный 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.
Wearable devices have revolutionized real-time health monitoring, yet challenges persist in enhancing their flexibility, weight, and accuracy. This paper presents the development of a wearable device employing a conductive polyacrylamide-lithium chloride-MXene (PLM) hydrogel sensor, an electronic circuit, and artificial intelligence (AI) for gait monitoring. The PLM sensor includes tribo-negative polydimethylsiloxane (PDMS) and tribo-positive polyurethane (PU) layers, exhibiting extraordinary stretchability (317% strain) and durability (1000 cycles) while consistently delivering stable electri
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.
Autism Spectrum Disorder (ASD) is a neurodevelopmental condition characterized by differences in social communication and repetitive behaviors, often associated with atypical visual attention patterns. In this paper, the Gaze-Based Autism Classifier (GBAC) is proposed, which is a Deep Neural Network model that leverages both data distillation and data attribution techniques to enhance ASD classification accuracy and explainability. Using data sampled by eye tracking sensors, the model identifies unique gaze behaviors linked to ASD and applies an explainability technique called TracIn for 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.
Typing of bacterial subspecies is urgently needed for the diagnosis and efficient treatment during disease outbreaks. Physicochemical spectroscopy can provide a rapid analysis but its identification accuracy is still far from satisfactory. Herein, a novel feature-extractor-based fusion-assisted machine learning strategy has been developed for high accuracy and rapid strain differentiation using matrix-assisted laser desorption/ionization time-of-flight mass spectrometry (MALDI-TOF MS) and Raman spectroscopy. Based on this fusion approach, rapid and reliable identification and analysis can be p
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.
Three-dimensional variation in structural components or fiber alignments results in complex mechanical property distribution in tissues and biomaterials. In this paper, we use a physics-informed UNet-based neural network model (El-UNet) to discover the three-dimensional (3D) internal composition and space-dependent material properties of heterogeneous isotropic and transversely isotropic materials without a priori knowledge of the composition. We then show the capabilities of El-UNet by validating against data obtained from finite-element simulations of two soft tissues, namely, brain tissue a
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.
With the continuous progress of technology, the subject of life science plays an increasingly important role, among which the application of artificial intelligence in the medical field has attracted more and more attention. Bell facial palsy, a neurological ailment characterized by facial muscle weakness or paralysis, exerts a profound impact on patients' facial expressions and masticatory abilities, thereby inflicting considerable distress upon their overall quality of life and mental well-being. In this study, we designed a facial attribute recognition model specifically for individuals 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.
Respiratory distress is a common chief complaint in neonates admitted to the neonatal intensive care unit. Despite the increasing use of non-invasive ventilation in neonates with respiratory difficulty, some of them require advanced airway support. Delayed intubation is associated with increased morbidity, particularly in urgent unplanned cases. Early and accurate prediction of the need for intubation may provide more time for preparation and increase safety margins by avoiding the late intubation at high-risk infants. This study aimed to predict the need for intubation within 3 h in neonates
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: Digital whole-slide images are a unique way to assess the spatial context of the cancer microenvironment. Exploring these spatial characteristics will enable us to better identify cross-level molecular markers that could deepen our understanding of cancer biology and related patient outcomes.
METHODS: We proposed a graph neural network approach that emphasises spatialisation of tumour tiles towards a comprehensive evaluation of predicting cross-level molecular profiles of genetic mutations, copy number alterations, and functional protein expressions from whole-slide images. We int
СтатьяПоддержка правительства СШАПоддержка исследования: вне правительства СШАПоиск 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.
MedElevator
Войти в исследования