Neurosurgical strategies for monitoring meningiomas and evaluating their growth risk largely rely on serial imaging or invasive sampling, practices that place considerable burdens on both patients and clinical resources. In this study, we present a novel framework for predicting meningioma growth risk using only a single contrast-enhanced MRI scan. Our approach compares a custom-trained fully convolutional neural network encoder and PyRadiomics features at both tumor- and whole-image scale, capturing tumor-specific and peritumoral image features, evaluated using conventional machine learning c
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.
Primary liver cancer and colorectal liver metastases (CRLM) pose significant challenges, because of limited early diagnosis and the reliance on time-consuming frozen section analysis during surgery to confirm complete tumor resection (R0). This study investigates the potential of optical coherence tomography (OCT) combined with anomaly detection for differentiating hepatocellular carcinoma (HCC), intrahepatic cholangiocarcinoma (iCCA) and CRLM from normal liver parenchyma, ex-vivo. Our dataset comprises 173 OCT images sourced from 69 patients undergoing liver surgery. We leveraged pre-trained
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.
Precise estimation of joint moments is essential for designing rehabilitation interventions and optimising the control of assistive devices. Current methods, including physics-based modelling and data-driven approaches, heavily depend on motion capture equipment such as bulky cameras and force plates, which limits their real-time use in real-world environments. To address these limitations, we propose the Cross-LSTM, a dual-stream neural network architecture integrating Long Short-Term Memory (LSTM) networks with Residual Connected Cross-Attention (RCCA) mechanisms to estimate joint moments us
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.
INTRODUCTION: Endoscopic classification of ulcerative colitis (UC) shows high interobserver variation. Previous research demonstrated that artificial intelligence (AI) can match the accuracy of central reading in scoring still images. We now extend this assessment to longer colon segments and integrate AI into clinical workflows, evaluating its use for real-time, video-based classification of disease severity, and as a support system for physicians.
METHODS: We trained a convolutional neural network with the Mayo Endoscopic Subscores (MESs) of 2,561 images and 53 videos from 645 patients. The
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.
Amyotrophic lateral sclerosis (ALS) is a fatal neurological disease marked by motor deterioration and cognitive decline. Early diagnosis is challenging due to the complexity of sporadic ALS and the lack of a defined risk population. In this study, we developed Miniset-DenseSENet, a convolutional neural network combining DenseNet121 with a Squeeze-and-Excitation attention mechanism, using 190 autopsy brain images from the Gregory Laboratory at the University of Aberdeen. The model distinguishes controls, ALS patients with no cognitive impairment, and ALS patients with cognitive impairment (ALS-
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: Parkinson's disease (PD) presents challenges in early diagnosis and progression prediction. Recent advancements in machine learning, particularly convolutional-neural-networks (CNNs), show promise in enhancing diagnostic accuracy and prognostic capabilities using neuroimaging data. The aims of this study were: (i) develop a 3D-CNN based on MRI to distinguish controls and PD patients and (ii) employ CNN to predict the progression of PD.
METHODS: Three cohorts were selected: 86 mild, 62 moderate-to-severe PD patients, and 60 controls; 14 mild-PD patients and 14 controls from Parkinso
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.
BACKGROUND: Amyotrophic lateral sclerosis (ALS) is a fatal neurodegenerative disease that affects multiple brain systems. Altered brain function can be observed through resting-state functional magnetic resonance imaging (rs-fMRI). While machine learning offers significant advantages in capturing complex signal patterns across numerous voxels, its decision-making process often lacks transparency. This study aimed to develop an explainable machine learning pipeline to classify patients with ALS and healthy control (HC) using rs-fMRI data.
METHODS: Thirty patients with ALS and 30 HCs were enrol
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.
Deep learning has become powerful and yet versatile tool that allows for the extraction of complex patterns from rich datasets. One field that can benefits from this advancement is human gait analysis. Conventional gait analysis requires a specialized laboratory setup with markers positioned at anatomical landmarks. It also demands accurate muscle identification and electrode placement. This work overcomes these limitations by proposing a Convolutional Neural Network (CNN) that processes tokenized data measured by the wearable Inertial Measurement Units (IMUs) to estimate muscle activities dur
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: Malignant tumors are a major global health crisis, causing 25% of deaths in China, with lung, liver, thyroid, breast, and colon cancers being the most common. Understanding the factors influencing hospitalization costs for these cancers is crucial for public health and economics. This study aimed to identify key cost factors and develop a neural network model for predicting hospitalization costs, thereby providing tools to ease the financial burden on patients and healthcare systems.
METHODS: Data on hospitalization costs for 30,893 cancer patients from secondary or higher-level h
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: Mild Cognitive Impairment (MCI) is a critical transitional stage between normal aging and Alzheimer's disease, and its early identification is essential for delaying disease progression.
METHODS: This study, based on data from the 2020 China Health and Retirement Longitudinal Study (CHARLS), focuses on older adults with functional disability as the target population. LASSO regression, combined with univariable and multivariable logistic regression, was employed to select feature variables for predictive modeling. Seven machine learning algorithms, including logistic regression, de
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.
Accurate age classification using mandibular third molar radiographs is crucial for legal and forensic applications. This study evaluated different methods for classifying age as under or over 18 years in a Thai population. We compared three approaches: (i) a traditional human-based method using a modified Demirjian classification adapted for mandibular third molars, (ii) an end-to-end deep learning model in which a convolutional neural network (CNN) directly predicts age group, and (iii) a human-defined feature extraction approach, where a CNN estimates tooth developmental stages that are sub
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.
Granulomatous rosacea (GR) and lupus miliaris disseminatus faciei (LMDF) exhibit overlapping clinical features, making their differentiation challenging. While histopathological examination remains the gold standard, it is invasive and time-consuming, highlighting the need for non-invasive diagnostic approaches. This study evaluates artificial intelligence (AI)-based models for differentiating between GR and LMDF and assess their impact on clinician performance. This retrospective pilot study included 96 patients (62 GR, 34 LMDF) with histopathologically confirmed diagnoses. Neural network mod
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
Appropriate nurse staffing is a critical challenge for healthcare delivery institutions, that can affect the delivery of quality patient care. Reliable forecasting of nursing demand can optimize resource utilization and support preemptive hiring strategies; however, the use of advanced machine learning approaches to address this challenge has been limited thus far. We propose a probabilistic forecasting approach for predicting nursing workforce demand across multiple hospital units using DeepAR, an autoregressive recurrent neural network algorithm. We analyzed 5-year historical workforce data
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.
The COVID-19 outbreak has had a tremendous socioeconomic impact around the world, and although there are currently some drugs that have been granted authorization by the U.S. FDA for the treatment of COVID-19, there are still some restrictions on their use. As a result, it is still necessary to urgently carry out related drug development research. Deep generative models and cheminformatics were used in this study to design and screen novel candidates for potential anti-SARS-CoV-2 small molecule compounds. In this study, the small molecule structure of Molnupiravir which has been authorized by
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.
Prognosis for thoracic aortic aneurysms is significantly worse for women than men, with a higher mortality rate observed among female patients. The increasing use of magnetic resonance breast imaging (MRI) offers a unique opportunity for simultaneous detection of both breast cancer and thoracic aortic aneurysms. We retrospectively validate a fully-automated artificial neural network (ANN) pipeline on 5057 breast MRI examinations from public (Duke University Hospital/EA1141 trial) and in-house (Erlangen University Hospital) data. The ANN, benchmarked against 3D-ground-truth segmentations, clini
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 AND AIM: Colorectal cancer is among the most prevalent and deadliest cancers. Early prediction of metastasis in patients with colorectal cancer is crucial in preventing it from the advanced stages and enhancing the prognosis among these patients. So far, previous studies have been conducted to predict metastasis in colorectal cancer patients using clinical data. The current research attempts to leverage a combination of demographic, lifestyle, nutritional, and clinical factors, such as diagnostic and therapeutical factors, to construct an ML model with more predictive insights and 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.
Existing dementia prediction models using non-neuroimaging clinical measures have been limited in their ability to identify disease. This study used machine learning to re-examine the diagnostic potential of clinical measures for dementia. Data was sourced from the Australian Imaging, Biomarkers, and Lifestyle Flagship Study of Ageing (AIBL) and the Alzheimer's Disease Neuroimaging Initiative (ADNI). Clinical variables included 21 measures across medical history, hematological and other blood tests, and APOE genotype. Tree-based machine learning algorithms and artificial neural networks were u
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: Ulcerative colitis (UC) is a chronic inflammatory bowel disease characterized by increased stool frequency, rectal bleeding, and urgency. To streamline the quantitative assessment of histopathology using the Nancy Index in UC patients, we developed a novel artificial intelligence (AI) tool based on deep learning and tested it in a proof-of-concept trial. In this study, we report the performance of a modified version of the AI tool.
METHODS: Nine sites from 6 countries were included. Patients were aged ≥18 years and had UC. Slides were prepared with hematoxylin and eosin staining.
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 establish and evaluate a prognostic model of immunoglobulin A nephropathy (IgAN) based on integrated Chinese and Western Medicine.
METHODS: Retrospective analysis from 1/1/2013 to 12/31/2015 was performed on 735 patients who were diagnosed with IgAN. In addition, 105 external data sets from 1/1/2016 to 12/31/2018 were used to verify the constructed model. The end point was entry into end-stage renal disease or a doubling of serum creatinine (Scr) level from baseline. Kaplan-Meier curve survival analysis and multivariable Cox regression analysis were used to find independent prog
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.
This study aimed to analyze the impact of acidic conditions on the recovery of ciprofloxacin and levofloxacin for cloud point extraction with the Design of Experiments and Artificial Neural Networks. The design included 27 experiments featuring three repetitions of the central point for both drugs. The tested parameters included Triton X-114 concentration, HCl concentration, NaCl concentration, and incubation temperature, which were coded at five levels. After extraction, samples were analyzed using HPLC, and statistical analysis was performed using Statistica software. Polynomial equations we
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