Data-driven approaches are increasingly being adopted in human motion analysis research. Joint moment estimation plays a crucial role in providing valuable insights for robotic design and rehabilitation-related applications. Estimating joint moments using surface electromyography (sEMG) offers the advantages of being non-invasive and cost-effective. However, the end-to-end design of deep learning models for joint moment estimation faces several challenges, such as the requirement for large datasets, model generalizability, and interpretability. To address these challenges, this paper presents
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 patients with Metabolic Dysfunction-associated Steatotic Liver Disease (MASLD), accurate and low-cost non-invasive risk stratification remains a major unmet need. We developed a clinical records-based neural network integrating patient history, routine laboratory tests, and ultrasound imaging features. Here we show that in an internal test set (n = 209), the model achieved receiver operating characteristic area under the curve (ROC-AUC) values of 0.85 vs 0.82 (F ≥2), 0.90 vs 0.86 (F ≥3), 0.96 vs 0.89 (F = 4) compared with Fibrosis-4 (FIB-4). To address limitations of ROC-AUC, we applied RP
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.
PURPOSE: Metachromatic leukodystrophy (MLD) is a rare lysosomal storage disorder characterized by progressive white matter demyelination. Quantification of demyelinated white matter on MRI-typically expressed as the demyelination load-serves as a key imaging biomarker of disease burden, enabling objective monitoring beyond visual rating scales. However, current semi-automated pipelines are limited by manual interaction, pediatric brain variability, and differences in MRI acquisition. This study aimed to develop and validate a self-configuring convolutional neural network (CNN) for automated se
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: To develop and validate an automated pipeline for maxillary dental midline localization on posed smile photographs and compare the performance of four convolutional neural network (CNN) backbones.
MATERIALS AND METHODS: A total of 221 standardized frontal posed smile photographs were collected. The maxillary dental midline was annotated by two orthodontists across two sessions, and mean coordinates served as the orthodontist-derived reference standard. An automated pipeline including face detection, interpupillary-line rotational normalization, mouth region extraction, and CNN-bas
СтатьяВалидационное исследованиеСравнительное 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: Black lung disease remains a major occupational health problem among coal miners and is frequently diagnosed at an advanced stage, limiting opportunities for prevention. This study aimed to develop a concise and accessible early detection model using routine complete blood count (CBC) parameters.
METHODS: A retrospective longitudinal analysis was conducted using annual health examination data from 807 Indonesian coal miners collected between 2013 and 2021. An artificial neural network (ANN) model was developed and internally validated, with further validation using Cox proportiona
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.
Upper limb assistive exoskeletons help stroke patients by assisting arm movement in impaired individuals. However, effective control of these systems to help stroke survivors is a complex task. In this paper, a novel approach is proposed to enhance the control of upper limb assistive exoskeletons by using torque estimation and prediction in a proportional-integral-derivative (PID) controller loop to more optimally integrate the torque of the exoskeleton robot, which aims to eliminate system uncertainties. First, a model for torque estimation from Electromyography (EMG) signals and a predictive
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.
Bitter taste receptors (TAS2Rs) are G protein-coupled receptors (GPCRs) expressed most notably on the tongue, but also in many extraoral tissues. TAS2R ligands are used for improving bitter-drug compliance, treating various illnesses, and studying the receptors' extraoral functions. Although machine learning, a promising drug discovery tool, can be used to predict TAS2R activators, obtaining high-quality features for training is time-intensive and reliant on specialized software. This work explores the potential of transformers (a neural network architecture for extracting features from sequen
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.
OBJECTIVES: Virtual Chromoendoscopy (VCE) is pivotal for assessing activity and predicting outcomes in Ulcerative Colitis (UC), though interobserver variability and the need for expertise persist. Artificial intelligence (AI) offers standardized VCE-based assessment. This study introduces a novel AI model to detect and simultaneously generate various endoscopic modalities, enhancing AI-driven inflammation assessment and outcome prediction in UC.
METHODS: Endoscopic videos in high-definition white-light, iScan2, iScan3, and NBI from UC patients of the international PICaSSO iScan and NBI cohort
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.
PURPOSE: This study aimed to develop and validate an AI-assisted framework for the automated evaluation of uroflowmetry data in patients presenting with lower urinary tract symptoms. The primary goal was to overcome the limitations of traditional manual interpretations by leveraging advanced machine learning techniques to achieve higher diagnostic accuracy, objectivity, and clinical applicability in urological assessments.
MATERIALS AND METHODS: A retrospective analysis was conducted using a large, de-identified dataset comprising uroflowmetry recordings, patient-reported symptom scores, and
СтатьяВалидационное исследованиеПолный 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.
OBJECTIVES: Considering Convolutional Neural Network (CNN) and Long Short-Term Memory (LSTM) network approaches have shown promising image classification performance, the aim of this study was to compare the performance of novel Convolutional Neural Network and Long Short-Term Memory (CNN-LSTM) architectures with a classic CNN for classification of panoramic radiographs with inflammatory periapical lesions.
METHODS: A dataset of 356 panoramic radiographs with periapical lesions and 769 control images were retrospectively collected and divided into training, validation, and testing sets. Next,
СтатьяСравнительное исследованиеПоддержка 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.
Levornidazole, a nitroimidazole compound, has been linked to hepatotoxic adverse effects in clinical settings. However, the hepatotoxicity of levornidazole and its impurities has not been fully elucidated. This study aimed to predict and evaluate the potential hepatotoxicity of levornidazole, and elucidate the underlying mechanisms of action. Computational models based on support vector machines (SVM) and artificial neural networks (ANN) predicted that levornidazole, ornidazole, and impurity II exhibited hepatotoxic effects. The hepatotoxicity of levornidazole and impurity II was confirmed usi
СтатьяПолный 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.
OBJECTIVE: To construct and validate a clinical model to predict painful diabetic peripheral neuropathy (PDPN) risk in type 2 diabetes mellitus (T2DM) patients for early identification and intervention in primary care.
METHODS: A total of 1,984 patients with T2DM were included in the analysis. After data preprocessing and application of the Synthetic Minority Oversampling Technique (SMOTE) with a 200% oversampling ratio, feature selection was performed using Least Absolute Shrinkage and Selection Operator (LASSO) regression with 10-fold cross-validation. Six predictive models: multivariable l
СтатьяМногоцентровое исследованиеВалидационное исследованиеПолный 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.
Identifying viral replication within cells demands labor-intensive isolation methods, requiring specialized personnel and additional confirmatory tests. To facilitate this process, we developed an AI-powered automated system called AI Recognition of Viral CPE (AIRVIC), specifically designed to detect and classify label-free cytopathic effects (CPEs) induced by SARS-CoV-2, BAdV-1, BPIV3, BoAHV-1, and two strains of BoGHV-4 in Vero and MDBK cell lines. AIRVIC utilizes convolutional neural networks, with ResNet50 as the primary architecture, trained on 40,369 microscopy images at various magnific
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.
Gait abnormalities constitute a primary motor symptom of Parkinson's disease (PD). Clinically, the Movement Disorder Society Unified Parkinson's Disease Rating Scale (MDS-UPDRS) is widely recognized as the standard to evaluate gait impairment in PD. Recent skeleton-based methods have sought to estimate MDS-UPDRS gait scores, but most approaches treat score prediction as a coarse classification task, limiting their ability to capture subtle, progressive gait changes over time. These methods also often neglect clinical prior knowledge and fail to model localized gait features, leading to unsatis
СтатьяПолный 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.
Distinguishing follicular thyroid carcinoma (FTC) from follicular adenoma (FTA) preoperatively remains a significant challenge in thyroid nodule management. This study aims to develop and validate a novel, interpretable deep learning model that explicitly leverages the critical diagnostic feature-tumor margins-to address this issue. A total of 577 patients, 435 females and 142 males (mean age, 51.05 ± 8.31), were collected from two different centers. A total of 4358 thyroid US images were prospectively collected, with 3140 images from one center randomly divided into the training set and the v
СтатьяПолный 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.
BACKGROUD: Metal artifacts from neurovascular coil affect image quality in computed tomography (CT), we aim to use Physics-informed sinogram completion (PISC) to reduce metal artifacts, and compare with two traditional metal artifact reduction (MAR) methods -- Normalized MAR (NMAR), Metal Artifact Reduction for Orthopedic Implants (O-MAR) and two deep learning (DL) based methods -- convolutional neural network based metal artifact reduction (CNN-MAR) and dual domain network (DuDoNet). METHODS: 40 consecutive patients who underwent endovascular coil embolization for intracranial aneurysms betwe
СтатьяСравнительное исследованиеПоиск 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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
Diagnosing Parkinson's disease (PD) is particularly challenging due to the intricate and variable nature of its biomarkers, which span motor and non-motor symptoms, differ across individuals, and evolve over time. While machine learning has been used to automate this process, most studies focus on limited biomarkers due to dataset constraints. This study introduces a Federated Learning (FL) framework that integrates electroencephalography (EEG) and resting-state functional magnetic resonance imaging (rs-fMRI) data for improved PD classification. Unlike traditional fusion-based studies integrat
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.
Alzheimer's disease (AD) is a progressive neurodegenerative disorder that begins with subtle cognitive changes and advances to severe impairment. Early diagnosis is crucial for effective intervention and management. In this study, we propose an integrated framework that leverages ensemble transfer learning, generative modeling, and automatic ROI extraction techniques to predict the progression of Alzheimer's disease from cognitively normal (CN) subjects. Using the Alzheimer's Disease Neuroimaging Initiative (ADNI) dataset, we employ a three-stage process: (1) estimating the probability of tran
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.
Objective: COVID-19 has heavily burdened healthcare systems worldwide, underscoring the need for accurate treatment decision-making to optimize patient recovery. This study leverages machine learning (ML) to evaluate how treatments affect the length of stay (LOS) for hospitalized COVID-19 patients in Iran. Method: We analyzed clinical data from 1793 patients with 106 features, identifying key variables through detailed profiles. Support Vector Machine (SVM), k-Nearest Neighbors (kNN), and Artificial Neural Network (ANN) models were then used to predict LOS based on personalized COVID-19 treatm
СтатьяПоддержка 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.
Sleep apnea is a common sleep disorder characterized by recurrent interruptions in breathing during sleep, leading to severe health complications such as cardiovascular diseases and reduced quality of life. Early and accurate diagnosis is essential for effectively managing and preventing these risks. This study proposes two hybrid deep learning architectures, 1D-CNN-LSTM and 1D-CNN-GRU, for sleep apnea classification using ECG signals from the PhysioNet Apnea-ECG database. The models leverage R-R intervals and R-wave amplitudes as primary input features, where 1D-CNN extracts spatial features
СтатьяПолный 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.
MedElevator
Войти в исследования