This review highlights the rapidly evolving role of artificial intelligence (AI) in transforming lung cancer care, with a specific focus on its integrated applications across diagnosis, biomarker discovery, and drug development. The novelty of this work lies in its holistic examination of how AI bridges these traditionally separate domains, from radiology and pathology to genomics and clinical trials, to create a more cohesive and personalized oncology pipeline. We detail how AI algorithms significantly enhance early detection by improving the accuracy and efficiency of pulmonary nodule charac
СтатьяОбзорПоиск 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 widespread use of aspartame has raised increasing health concerns, particularly regarding its potential endocrine-disrupting effects and a possible association with polycystic ovary syndrome (PCOS), a condition marked by endocrine and metabolic abnormalities. This study systematically investigated the molecular mechanisms by which aspartame may contribute to PCOS pathogenesis using a network toxicology approach. A total of 281 common targets between aspartame and PCOS were identified. Protein-protein interaction network analysis and five topological algorithms revealed 20 hub targets signi
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.
Global soil microplastic (MP) pollution is an emerging environmental concern, yet its large-scale distribution remains difficult to characterize because observations are spatially clustered and environmental relationships are highly nonlinear. We compiled a global soil MP dataset and developed an interpretable ensemble machine learning framework using 500-km spatial blocking and nested spatial cross-validation. Among four tree-based algorithms, CatBoost showed the strongest spatial generalization (mean spatial-CV R2 = 0.587 ± 0.115; pooled out-of-fold R2 = 0.623). SHAP analysis identified soil
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: Postoperative delirium (POD) is a common and serious postoperative complication. Early identification of high-risk patients could facilitate targeted interventions.
OBJECTIVE: To develop and validate a machine learning-based prediction model for POD using a multicenter retrospective cohort.
METHODS: We analyzed data from 3000 surgical patients, divided into training (n=1400), internal testing (n=600), and external validation (n=1000) cohorts. Eight machine learning algorithms, including Random Forest (RF), XGBoost (XGB), LightGBM (LGBM), Support Vector Machine (SVM), K-Nearest Ne
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.
Chinese wolfberry (CW) is a medicinal-food homologous fruit. Key mineral elements are important indicators of the nutritional quality and geographical authenticity of CW. Rapid and non-destructive evaluation of key mineral elements remains challenging because inductively coupled plasma mass spectrometry (ICP-MS) is accurate but destructive and laboratory-dependent. In this study, 120 CW batches from Ningxia, Qinghai, Gansu, and Xinjiang were analyzed by combining ICP-MS reference measurements of Cu, Fe, Mn, and Zn with standardized RGB image features. Visible-color proxy curves were reconstruc
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.
Cavitation is one of the major factors reducing the performance, efficiency, and service life of deep well submersible pumps used in agricultural irrigation systems. Therefore, the early detection of cavitation is essential for improving pump reliability and reducing maintenance costs. In this study, a machine learning-based framework is proposed to detect and classify cavitation conditions using experimental data collected from a deep well pump test unit. Hydraulic and operational parameters were measured under different operating conditions, while the measured noise level was used only to as
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.
OBJECTIVE: The aim of this study was to develop a way to distinguish suicidal patients based on their electrophysiologic (EEG connectivity and heart rate variability) and demographic data. Various machine learning algorithms were compared to find the best models and features for this task.
METHODS: Using a dataset of 140 subjects (or 87 subjects for HR models) from previous studies, different machine learning classifiers (KNN, SVM, Logistic Regression and Random Forest) were trained (using Monte Carlo cross validation and L2 regularization) and tested. Different data subsets were compared (HR
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.
Data-driven modeling in wastewater treatment is increasingly constrained by the reality of small, high-dimensional data, where the abundant monitoring parameters in small-sized data sets obscure fundamental mechanistic understandings. This study proposes a knowledge-driven feature selection framework that integrates mechanistic insights with statistical correlations to identify the most informative predictive features. Using nitrous oxide (N2O) emission prediction at a full-scale plant as a case study, we compared classic deep-learning feature selection algorithms using attention mechanisms ag
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.
Acute lung injury (ALI) is a significant post-operative complication of liver transplant (LT), with mounting evidence suggesting a role for the gut-lung axis. However, the mechanistic link between gut microbiota dysbiosis and ALI pathogenesis in LT recipients remains poorly understood. This hybrid translational investigation integrates transcriptomic profiling (bulk and single-cell RNA-seq), immune infiltration analysis, fecal microbiota composition (16S rRNA), and predictive functional profiling in ALI vs. non-ALI (NALI) LT patients. Machine learning algorithms (LASSO, SVM-RFE, Random Forest)
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.
Our study seeks to develop a predictive model using MRI-derived enlarged perivascular spaces (EPVSs) measurements and machine learning to assess cognitive impairment, subjective sleep quality, and excessive daytime sleepiness in young adults with long-time mobile phone use (LTMPU). We enrolled 82 participants and employed a pretrained deep learning model (VB-Net) to automatically segment EPVSs lesions across 17 brain subregions, extracting four handcrafted radiomic features – predefined based on morphological properties – per subregion (EPVSs count, volume, mean length, and mean curvature). Th
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.
Prediction in medicine remains limited. Previously, by using our "comparative spectral decompositions" of two matrices and, separately, two third-order tensors, we demonstrated accurate, precise, actionable, and interpretable tumor whole-genome and, separately, whole-transcriptome predictors-of patients' survival, treatment responses, and drug targets-in different cancers. Here, we introduce a unified framework that generalizes these exact and structure-preserving algorithms to multiple tensors of any order to model real-world data that measure multiple aspects of interrelated phenomena. We pr
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 identification of indoor occupant presence is crucial for intelligent building energy management. Traditional monitoring methods are often invasive and lack standardized quantitative indicators. Therefore, this study proposes a non-invasive occupant presence state prediction method based on machine learning. Six machine learning algorithms-Logistic Regression, Decision Tree, k-Nearest Neighbor (KNN), Random Forest, CatBoost, and XGBoost-were evaluated across five building scenarios (hospitals, classrooms, dormitories, offices, and dwelling houses) using core environmental features inc
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.
Abnormal expression levels of microRNAs are associated with numerous diseases in the female reproductive tract. A small subset of human endo … (ERVW-1) and Syncytin-2 (ERVFRD-1) genes were collected from the gene bank database. Several target prediction algorithms were utilized, such as TargetScan, DIANA, miRDB, and miRWalk. Complete CDS of Syncytin-1 (ERVW-1) and Syncytin-2 (ERVFRD-1) genes were collected from the gene bank database. By integrating data from these diverse bioinformatics databases, miR-509-3p …
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: Advances in the theory and methods of computational oncology have enabled accurate characterization and prediction of tumor growth and treatment response on a patient-specific basis. This capability can be integrated into a digital twin framework in which bi-directional data-flow between the physical tumor and the digital tumor facilitate dynamic model re-calibration, uncertainty quantification, and clinical decision-support via recommendation of optimal therapeutic interventions. However, many digital twin frameworks rely on bespoke implementations tailored to each disease site, m
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.
Pressure injuries, also known as decubitus ulcers or bedsores, are a major source of preventable morbidity among individuals with impaired m … examined alongside newer technologies like pressure mapping systems, Artificial intelligence-based prediction algorithms and biofeedback tools enhance individualization of care. Pharmacologic strategies and wound management principles, including debridement and antimicrobial use, are discussed in the context of multidisciplinary rehabilitation. Implementation challeng …
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.
Metastatic colorectal cancer (mCRC) is a severe condition with high rates of illness and death. Current treatments are limited and not always effective because the cancer responds differently to drugs in different patients. This research aims to use artificial intelligence (AI) to improve treatment by predicting which therapies will work best for individual patients. By analyzing large sets of patient data and using machine learning, we hope to create a model that can identify which patients will respond to chemotherapy, either alone or combined with other targeted treatments. The study will i
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.
Artificial intelligence (AI) and machine learning (ML) are transforming the management of acute appendicitis by enhancing diagnostic accuracy, optimizing treatment strategies, and improving patient outcomes. This study reviews AI applications across all stages of appendicitis care, from triage to postoperative management, using sources from PubMed/MEDLINE, IEEE Xplore, arXiv, Web of Science, and Scopus, covering publications up to 14 February 2025. AI models have demonstrated potential in triage, enabling rapid differentiation of appendicitis from other causes of abdominal pain. In diagnostics
СтатьяОбзорПоиск 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.
This study aimed to identify potential interacting genes between abdominal aortic aneurysm (AAA) and periodontitis. To achieve this, we obtained datasets of AAA and periodontitis from the GEO database, conducted differential analysis on the AAA dataset, and performed weighted gene co-expression network analysis (WGCNA) on the periodontitis dataset to preliminarily identify interacting genes via intersection. Subsequently, we refined key candidate genes by constructing a PPI network and applying three machine learning algorithms. These candidate genes were further validated through external ind
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.
PURPOSE: Recent advancements in sequencing technologies and bioinformatics algorithms have facilitated significant breakthroughs in both fundamental and clinical tumor research. Nevertheless, the processing and utilization of large-scale data continue to pose substantial challenges. Machine learning (ML)-based integrative analysis methods present a novel approach for navigating these complex datasets, thereby enhancing the understanding of tumors from multiple perspectives.
METHODS: Here, we present a comprehensive overview of ML processes and methodologies that have the potential to advance
СтатьяОбзорПолный 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.
Cancer drug combination therapies offer a promising strategy to overcome resistance and improve treatment efficacy, but identifying synergistic drug pairs is challenging due to complex biological interactions and tumor heterogeneity. Current machine learning algorithms for drug synergy prediction primarily rely on large-scale, multimodal datasets, yet suffer from critical limitations including poor interpretability, difficulty distinguishing causative biological relationships from correlations, and inadequate modeling of cancer-specific molecular interactions. To address these challenges, we p
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.
MedElevator
Войти в исследования