In low-Earth-orbit (LEO) satellite constellation remote sensing for surface maritime target detection, the inherent characteristics of discontinuous detection epochs, non-uniform temporal intervals, and clutter contamination invariably cause conventional data association algorithms to suffer from validation gate degradation, covariance divergence, and combinatorial explosion. To circumvent these limitations, this paper proposes a multi-target, time-adaptive fast association method tailored for discontinuous sparse observations. Within the joint probabilistic data association (JPDA) framework,
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: This study compared the performance of different machine learning models in predicting in-hospital mortality in patients hospitalized for heart failure.
METHODS: Demographic and clinical data of 229 patients were retrospectively reviewed for this study. The variables included age, sex, hypertension, diabetes, coronary artery disease, peripheral artery disease, chronic kidney failure, Charlson comorbidity index, and length of hospital stay. In-hospital mortality ("in-hospital death") was defined as the dependent variable. The machine learning methods used included logistic regressio
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 amount of biologic data produced by biomedical research has increased significantly in both volume and complexity in recent years. Advances in computational power have increasingly enabled the use of machine learning (ML) to analyze and predict patterns from large-scale, complex biologic datasets. In nonhuman primate (NHP) infectious disease models, such high-dimensional datasets containing a large number of features are often obtained by next-generation sequencing-based multiomics and immunologic analyses. As a result, ML is particularly valuable for effective analysis and predictive mode
СтатьяОбзорПоиск 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 drug development pipeline remains extraordinarily complex, costly, and time-intensive, typically requiring 10-15years and $2-3 billion per approved drug. This review presents a translational perspective on how artificial intelligence (AI) and machine learning (ML) are renovating pharmaceutical R&D across the entire value chain while maintaining rigorous safety and efficacy standards. In drug discovery, deep learning platforms enable virtual screening of billion-compounds, reducing target identification from years to months while improving hit rates by 30-50%. Preclinical development benefi
СтатьяОбзорПолный 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.
One of the most common natural disasters is flooding, which has the potential to seriously harm environments and infrastructure. Flood susceptibility mapping (FSM) is the main way to manage flood risk. It measures how likely a region is to flood in a quantitative way. The purpose of this study was to develop state-of-the-art ensemble machine learning (ML) models for flood prediction and to identify the most suitable approach for accurate flood susceptibility mapping. This study leverages diverse datasets, including elevation, slope, aspect, plan curvature, topographic wetness index, stream pow
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.
Hepatocellular carcinoma (HCC) exhibits substantial interpatient heterogeneity, leading to markedly variable outcomes and survival even among patients with similar stages and imaging phenotypes. Mainstream staging systems remain suboptimal, whereas pathology-dependent factors and high-cost genomic assays are neither scalable nor timely for clinical decision-making. Existing algorithms provide coarse risk stratification or static binary predictions, failing to capture the time-varying risk of death. We developed and externally validated TEMPO-HCC, a multimodal deep survival model with hierarchi
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: Splice-altering variants (SAVs), particularly those outside canonical splice sites, are an underappreciated contributor to inherited cardiovascular diseases. In arrhythmogenic cardiomyopathy (ACM), these variants frequently remain classified as of uncertain significance (VUS) due to limited predictive power and lack of transcript-level evidence, constraining genetic yield and clinical management. Our study aimed to determine the functional impact of SAVs in ACM genes and refine their classification using ACMG/AMP and ClinGen SVI criteria.
METHODS: SAVs identified in 200 ACM proban
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.
INTRODUCTION: Preeclampsia (PE) is a serious complication of pregnancy for which reliable early predictive biomarkers are currently lacking. Cell-free RNA (cfRNA) has emerged as a promising non-invasive approach that may enhance clinical management and facilitate earlier diagnosis.
METHODS: To investigate PE, we applied single‑cell RNA sequencing (scRNA‑seq) to placental tissues, enabling the identification of differentially expressed genes. Integration of weighted gene co‑expression network analysis (WGCNA) with cfRNA profiles from PE patients revealed two gene modules that showed significan
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.
BACKGROUND/AIMS: This study evaluated the performance of artificial intelligence (AI) algorithms in predicting best-corrected visual acuity (BCVA) for patients with multiple retinal diseases, using multimodal medical imaging including macular optical coherence tomography (OCT), optic disc OCT and fundus images. The goal was to enhance clinical BCVA evaluation efficiency and precision.
METHODS: A retrospective study used data from 2545 patients (4028 eyes) for training, 896 (1006 eyes) for testing and 196 (200 eyes) for internal validation, with an external prospective dataset of 741 patients
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.
PURPOSE: Variants in SMARCB1, encoding a core subunit of the BAF (ie, BRG/BRM-associated factor) chromatin remodeling complex, are associated with intellectual developmental disorders, particularly Coffin-Siris syndrome, although the genotype-phenotype spectrum remains incompletely defined. This study aims to assess the correlations between SMARCB1 variant location and phenotypic manifestations.
METHODS: We analyzed 31 individuals with pathogenic or likely pathogenic SMARCB1 variants using multimodal approaches, integrating clinical, structural, and machine learning analyses. We predicted var
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.
Osteoarthritis (OA) is a chronic inflammatory and degenerative joint disease that commonly affects the aging population. This study was designed to decipher gene-metabolite regulatory networks driving OA progression via combined computational prediction and experimental validation. Differential gene expression analysis, weighted gene coexpression network analysis, and machine learning algorithms were integrated to screen for key regulatory genes. To infer causal associations between these candidates and OA susceptibility, we performed Mendelian randomization (MR) using cis-expression quantitat
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 recent years, there has been increased attention on classifying histopathological images through hybrid decision-level fusion, and the challenge of exploring data fusion to improve classification accuracy in colon cancer has become significant. This study introduces new elements by incorporating various deep learning (DL) architectures, including EfficientNetB0, DenseNet121, ResNet101V2, NASNetMobile, MobileNetV2, and VGG16 Convolutional Neural Networks (CNNs), as well as Random Forest (RF) and Histogram Gradient Boosting (HGB) Machine Learning (ML) algorithms, along with the original datas
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.
This study investigated the antimicrobial resistance (AMR) profile of Salmonella enterica (n = 446) of poultry origin (n = 1020) collected from West Bengal, India. Salmonella Typhimurium (n = 328) were the most frequently isolated serovar and found resistant to tetracycline (72%), ampicillin (57%), and nalidixic acid (53%). Logistic regression revealed significantly higher odds of resistance in isolates from meat, liver, and cecum compared to cloacal swabs. Resistance was also more likely in isolates from broilers and from retail sources compared to other hosts and farms. To predict extended-s
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.
Mild cognitive impairment (MCI) is a significant and increasingly recognized problem in individuals with type 2 diabetes mellitus (T2DM). This study aims to develop a machine-learning model to predict MCI in patients with T2DMThe dataset was obtained from a prospective cohort conducted at the Sheikh Khalifa Ibn Zaid Hospital, Casablanca, Morocco, and was randomly split into three parts. Machine learning models were trained using the training dataset, and their performance was assessed on the test dataset. The unseen data was reserved for final validation. Subsequently, recursive feature elimin
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.
PURPOSE: To develop a machine learning (ML) classifier for predicting post-induction hypotension (PIH) in non-cardiac surgeries.
MATERIALS AND METHODS: Preoperative data and early vital signs were obtained from 3669 cases in the VitalDB database, an open-source registry. PIH was defined as sustained mean arterial pressure (MAP) <65 mm Hg within 20 minutes since induction or from induction to incision. Six different ML algorithms were used to create binary classifiers to predict PIH. The primary outcome was the area under the receiver operating characteristic curve (AUROC) of ML classifiers.
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.
Atypia of Undetermined Significance (AUS), classified as Category III in the Bethesda Thyroid Cytopathology Reporting System, presents significant diagnostic challenges for clinicians. This study aims to develop a clinical decision support system that integrates structural equation modeling (SEM) and machine learning to predict malignancy in AUS thyroid nodules. The model integrates preoperative clinical data, ultrasonography (USG) findings, and cytopathological and morphometric variables. This retrospective cohort study was conducted between 2011 and 2019 at Karadeniz Technical University (KT
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.
AIM: The aim of this study was to develop and validate a deep learning-based automatic classification algorithm for the medial temporal lobe atrophy (MTA) score in patients with cognitive impairment.
MATERIALS AND METHODS: This retrospective, observational study included consecutive patients with cognitive impairment from a tertiary hospital between March 2017 and June 2021. We developed a deep learning-based model and a machine learning-based model to automate MTA classification. We reorganised the MTA scores into 3 classes (0/1), (2), and (3/4) then classified the right and left MTA scores
СтатьяНаблюдательное исследованиеВалидационное 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.
Heart failure (HF) is a severe cardiovascular disease often worsened by respiratory infections like influenza, COVID-19, and community-acquired pneumonia (CAP). This study aims to uncover the molecular commonalities among these respiratory diseases and their impact on HF, identifying key mediating genes. By performing differential expression analysis on GEO database data, we found 51 common molecules of three respiratory diseases. The gene module of HF was identified by weighted gene co-expression network analysis, and 10 characteristic genes of respiratory diseases that aggravate HF were obta
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: Non-alcoholic fatty liver disease (NAFLD) is a complex metabolic disorder involving intertwined signaling pathways, posing challenges for targeted therapeutic interventions. Cornus Fructus (CF), a traditional medicinal herb, holds potential for NAFLD treatment, with cornuside (COR) identified as its primary active component.
METHODS: This study employed a cross-disciplinary approach, integrating bioinformatics, computational chemistry, and machine learning to uncover COR's therapeutic mechanisms with precision and depth.
RESULTS: Using bioinformatics-driven analysis, 27 core targ
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) has the potential to transform nanoparticle development for drug delivery; however, existing strategies typically optimize either material selection or component ratios in isolation. To enable simultaneous optimization of both, we integrated an automated liquid handling platform with machine learning to systematically explore the nanoparticle formulation space. A data set comprising 1275 distinct formulations (spanning drug molecules, excipients, and synthesis molar ratios) was generated, resulting in a 42.9% increase in successful nanoparticle formation through co
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.
MedElevator
Войти в исследования