Epilepsy detection is essential for patients with epilepsy and their families, as well as for researchers and medical staff. The use of electroencephalogram (EEG) as a tool to support the diagnosis of patients with epilepsy is fundamental. Today, machine learning (ML) techniques are widely applied in neuroscience. The main objective of our study is to differentiate patients with idiopathic generalized epilepsy from healthy controls by applying machine learning techniques on interictal electroencephalographic recordings. Our research predicts which patients have idiopathic generalized epilepsy
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.
Degenerative cervical myelopathy (DCM) is a spinal cord condition that results in progressive non-traumatic compression of the cervical spinal cord. Spine surgeons must consider a large quantity of information relating to disease presentation, imaging features, and patient characteristics to determine if a patient will benefit from surgery for DCM. We applied a supervised machine learning approach to develop a classification model to predict individual patient outcome after surgery for DCM. Patients undergoing surgery for DCM as a part of the AOSpine CSM-NA or CSM-I prospective, multi-centre s…
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.
Emergency care is one of the cornerstone parts of the world health organization's action plan. Rapid response and immediate care are considered in agile emergency care. Artificial intelligence (AI) and informatics have been applied to fulfill these requirements through automated emergency technology. Machine learning (ML) is one of the main parts of some of these proposed technologies. There are various ML algorithms and techniques which are potentially applicable for different purposes of emergency care. AI-based approaches using classification and clustering algorithms, natural language proc
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: The existence of anatomofunctional brain abnormalities in bipolar disorder (BD) is now well established by magnetic resonance imaging (MRI) studies. To create diagnostic and prognostic tools, as well as identifying biologically valid subtypes of BD, research has recently turned towards the use of machine learning (ML) techniques. We assessed both supervised ML and unsupervised ML studies in BD to evaluate their robustness, reproducibility and the potential need for improvement.
METHOD: We systematically searched for studies using ML algorithms based on MRI data of patients with BD
СтатьяПоддержка исследования: вне правительства СШАОбзорПолный 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: Pre-hospital circumstances, cardiac arrest characteristics, comorbidities and clinical status on admission are strongly associat … outcome defined as CPC 3-5. Outcome prediction and severity class assignment were performed using a supervised machine learning model based on ANN.
RESULTS: The outcome was predicted with an area under the receiver operating characteristic curve (AUC) of 0.891 using 54 clinical variables available on admission to hospital, categorised as background, pre-hospital and admissi …
СтатьяРандомизированное исследованиеПоддержка 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.
Chronic pain that persists despite conventional therapy remains a major clinical and economic burden. Spinal cord stimulation (SCS) offers an alternative for treatment of refractory pain, yet about 30% of patients experience limited or no benefit due to the subjective nature of current patient selection processes. In this mini review, we explore how artificial intelligence (AI) and machine learning (ML) can optimize patient selection for and improve outcomes of SCS. Existing approaches to patient selection rely on patient-reported outcomes and physician judgment, which fail to capture multifac
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.
Hyperspectral materials characterization techniques are becoming ubiquitous and technologically more sophisticated. There has been widespread development and application of machine/statistical learning to better understand large hyperspectral data sets. This has been remarkably fruitful across domains, yet many challenges remain. One important challenge is the utilization of large-scale data sets to uncover generalizable, population-level spatial-molecular differences between materials. We describe the application of mass spectrometry imaging and a novel weakly supervised learning method to id
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.
BACKGROUND: Vitiligo is a chronic autoimmune disorder causing skin depigmentation due to melanocyte loss, with pigment ring dynamics being key to understanding and managing the disease.
METHODS: Data from 105 vitiligo patients were collected using reflectance confocal microscopy (RCM) imaging to analyze pigment ring patterns across progressive and stable stages. A multi-task self-supervised learning framework was used to identify and classify pigment ring types (complete, depressed, incomplete, and absent). Graph-based structural analysis was applied to characterize the spatial and network dy
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.
Artificial intelligence (AI) is rapidly reshaping neuro-ophthalmic care by extracting clinically significant information from imaging, biomarkers, and patient-level clinical data. We review recent advances across neurodegenerative disease detection using retinal biomarkers, automated recognition of optic disc swelling and its mimics, glaucoma screening and quantification, and classification of hereditary optic neuropathies. Using fundus photography and optical coherence tomography (OCT), contemporary machine learning (ML) systems, including deep learning as well as other supervised learning mo
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.
BACKGROUND: A comprehensive review on the application of artificial intelligence (AI) within spine surgery as a specialty remains lacking.
METHODS: This scoping review was conducted upon PubMed and EMBASE databases according to Preferred Reporting Items for Systematic Reviews and Meta-Analyses guidelines. Our analysis focused on publications from January 1, 2020, to March 31, 2024, with a specific focus on AI in the field of spine surgery. Review articles and articles predominantly concerning secondary validation of algorithms, medical physics, electronic devices, biomechanics, preclinical, a
СтатьяScoping ReviewПолный 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: Artificial intelligence (AI) is revolutionizing ophthalmology and optometry by utilizing high-resolution imaging modalities such as optical coherence tomography (OCT), fundus photography, and corneal topography. These modalities generate quantifiable data suitable for machine learning (ML), facilitating automated diagnosis of ocular conditions like diabetic retinopathy, glaucoma, and age-related macular degeneration (AMD), which are leading causes of visual impairment worldwide. This narrative review evaluates the role of ML in improving diagnostic accuracy and accessibility in eye
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.
OBJECT: To identify high-risk factors for tuberculosis retreatment and to provide a scientific basis for developing targeted prevention and control strategies by integrating machine learning with latent class analysis.
METHODS: This study retrospectively collected baseline and treatment-related data from 6,821 tuberculosis patients, employing machine learning and latent class analysis (LCA) to investigate the key influencing factors associated with high-risk populations for retreatment.
RESULTS: The XGBoost model achieved an overall accuracy of 84% and an area under the ROC curve (AUC) of 0.
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.
Diagnosis of most neuropsychiatric disorders relies on subjective measures, which makes the reliability of final clinical decisions questionable. The aim of this study was to propose a machine learning-based classification approach for objective diagnosis of three disorders of neuropsychiatric or neurological origin with functional near-infrared spectroscopy (fNIRS) derived biomarkers. Thirteen healthy adolescents and sixty-seven patients who were clinically diagnosed with migraine, obsessive compulsive disorder, or schizophrenia performed a Stroop task, while prefrontal cortex hemodynamics we
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.
AIM: To present an early warning system (EWS) that employs a supervised machine learning algorithm for the rapid detection of extra-axial hematomas (EAHs) in an emergency trauma setting.
MATERIAL AND METHODS: A total of 150 sets of cranial computed tomography (CT) scans were used in this study with a total of 11,025 images. Of the CTs, 75 were labeled as EAH, the remaining 75 were normal. A random forest algorithm was utilized for the detection of EAHs. The CTs were randomized into two groups: 100 samples for training of the algorithm (split evenly between EAH and normal cases), and 50 sample…
СтатьяРандомизированное 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: Machine learning (ML) can identify nonintuitive clinical variable combinations that predict clinical outcomes. To assess the potential predictive contribution of standardized Society of Thoracic Surgeons (STS) Database clinical variables, we used ML to detect their association with repair durability in ischemic mitral regurgitation (IMR) patients in a single institution study.
METHODS: STS Database variables (n = 53) served as predictors of repair durability in ML modeling of 224 patients who underwent surgical revascularization and mitral valve repair for IMR. Follow-up mortality
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: Attention-Deficit/Hyperactivity Disorder (ADHD) often emerges in early childhood, with hyperactivity and impulsivity constitutin … ss multiple body segments. Group differences were examined using statistical analyses. In addition, supervised machine learning models were applied to evaluate classification performance based on movement features.
RESULTS: Children in the hyperactivity-risk group exhibited significantly greater movement across several body regions, particularly distal upper- and lower-limb …
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: Thyroid nodules are frequently encountered in clinical practice, with their detection increasing due to advancements in imaging modalities. While most nodules are benign, distinguishing papillary thyroid carcinoma (PTC) from benign entities such as multinodular goiter (MNG) remains a diagnostic challenge. Fine-needle aspiration (FNA) and sonography are standard tools, but their limitations highlight the need for supplementary approaches. This study evaluates the use of machine learning (ML) models to classify PTC versus MNG using routine preoperative clinical, laboratory, and cytol
СтатьяМногоцентровое 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.
The bottleneck associated with the validation of the parameters of the entropy model has limited the application of this model to modern functional imaging technologies such as the resting-state functional magnetic resonance imaging (rfMRI). In this study, an optimization algorithm that could choose the parameters of the multiscale entropy (MSE) model was developed, while the optimized effectiveness for localizing the epileptogenic hemisphere was validated through the classification rate with a supervised machine learning method. The rfMRI data of 20 mesial temporal lobe epilepsy patients with…
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.
Mass-forming ductal carcinoma in situ (DCIS) detected on core needle biopsy (CNB) is often a radiology-pathology discordance and thought to represent missed invasive carcinoma. This brief report applied supervised machine learning (ML) for image segmentation to investigate a series of 44 mass-forming DCIS cases, with the primary focus being stromal computational signatures. The area under the curve (AUC) for receiver operator curves (ROC) in relation to upgrade to invasive carcinoma from DCIS were as follows: high myxoid stromal ratio (MSR): 0.923, P = <0.001; low collagenous stromal percentag…
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.
Cardiac neuromodulation includes various methods, such as vagus nerve stimulation, baroreflex activation therapy, renal denervation, and ste … narrative review, we describe seven families of AI techniques relevant to cardiac neuromodulation: supervised machine learning, deep learning, representation learning, reinforcement learning, multimodal fusion, digital twins with physics-informed AI, and explainable AI with federated learning. For each family, we summarize how the method works, the cardiac neuromodulation p …
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.
MedElevator
Войти в исследования