BACKGROUND AND OBJECTIVE: The detection and analysis of brain disorders through medical imaging techniques are extremely important to get treatment on time and sustain a healthy lifestyle. Disorders cause permanent brain damage and alleviate the lifespan. Moreover, the classification of large volumes of medical image data manually by medicine experts is tiring, time-consuming, and prone to errors. This study aims to diagnose brain normality and abnormalities using a novel ResNet50 modified Faster Regions with Convolutional Neural Network(R-CNN) model. The classification task is performed into
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: Conventional diagnostic approaches for adrenal tumors require multi-step processes, including imaging studies and dynamic hormone tests. Therefore, this study aimed to discriminate adrenal tumors from a single blood sample based on the combination of liquid chromatography-mass spectrometry (LC-MS) and machine learning algorithms in serum profiling of adrenal steroids.
METHODS: The LC-MS-based steroid profiling was applied to serum samples obtained from patients with nonfunctioning adenoma (NFA, n=73), Cushing's syndrome (CS, n=30), and primary aldosteronism (PA, n=40) in a prospec
СтатьяМногоцентровое исследованиеПоддержка 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.
BACKGROUND: Gallbladder cancer (GBC) is a highly aggressive malignancy with an extremely poor prognosis, and its high postoperative recurrence rate is a major challenge affecting long-term patient survival. Accurately predicting individualized recurrence risk is crucial for formulating adjuvant treatment and follow-up strategies. This study aimed to develop and validate a high-accuracy predictive model by integrating multi-center clinicopathological data and systematically comparing multiple machine learning algorithms. The SHAP (SHapley Additive exPlanations) framework was employed to enhance
СтатьяМногоцентровое исследованиеВалидационное 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.
INTRODUCTION: Bacterial pneumonia remains a major global health challenge, and early pathogen identification is important for timely and targeted treatment. However, conventional microbiological diagnostics such as sputum or blood culture are labor-intensive and time-consuming.
METHODS: We propose an interpretable ensemble learning framework (PreBP) for rapid pathogen identification using routinely available complete blood count (CBC) parameters. We analyzed 1,334 CBC samples from patients with culture-confirmed bacterial pneumonia caused by four major pathogens: Pseudomonas aeruginosa, Esche
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: Anemia is one of the common adverse reactions after hip fracture surgery. The traditional method to solve anemia is allogeneic transfusion. However, the transfusion may lead to some complications such as septicemia and fever. So far, few studies have reported roles of machine learning in predicting whether blood transfusion is needed or not after hip fracture surgery. Therefore, the purpose of this study is to develop machine learning models to predict the likelihood of postoperative blood transfusion in patients undergoing hip fracture surgery.
METHODS: This study enrolled 1355 pa
Рандомизированное исследованиеСтатьяПоиск 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.
STUDY DESIGN: Retrospective Cohort Study.
OBJECTIVES: To develop and externally validate an explainable machine-learning framework for perioperative risk stratification of radiographic adjacent segment degeneration (ASDeg) after short-segment lumbar fusion.
SUMMARY OF BACKGROUND DATA: Radiographic ASDeg is frequently observed after lumbar fusion and may represent an early structural phenotype preceding symptomatic adjacent segment disease (ASDis) in some patients. However, existing risk assessment approaches are limited by heterogeneous risk factors, insufficient model interpretability, and
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: This study systematically investigates the relationship between running posture and tibial load in novice runners using machine learning methods from the field of artificial intelligence. The aim is to provide scientific evidence for the precise prevention and personalized rehabilitation of Medial Tibial Stress Syndrome (MTSS).
METHODS: A total of 174 novice runners diagnosed with MTSS were included in the study. Kinematic and kinetic data were collected during their running trials, and tibial load was subsequently calculated. Three machine learning models-Extreme Gradient Boostin
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: Sepsis-associated thrombocytopenia is a frequent complication of sepsis and is associated with poor clinical outcomes. Accurate diagnosis remains challenging, and machine learning approaches may offer improved diagnostic performance. The objective of this study was to conduct a comparative assessment of the performance of machine learning models (Random Forest, Artificial Neural Networks, Extreme Gradient Boosting, and Naive Bayes) in diagnosing sepsis-associated thrombocytopenia and to evaluate their diagnostic performance based on predefined performance criteria.
METHODS: This re
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.
AIMS: The increasing prevalence of type 2 diabetes mellitus (T2DM) has led to an increase in diabetic kidney disease (DKD), which is presently a major cause of dialysis initiation. Accurately predicting renal function decline is clinically important. This study aimed to evaluate whether machine learning can predict renal outcomes based on one-year fluctuations in the estimated glomerular filtration rate (eGFR) in patients with T2DM. Unlike prior studies, which predicted renal decline only after the eGFR dropped below 60 mL/min/1.73 m2 and used pre-SGLT2 inhibitor data, we analyzed post-SGLT2 d
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 quantification of forest carbon fluxes is essential for improving regional carbon budget assessments and supporting China's carbon neutrality goals under climate change. However, global data-driven products rely heavily on FLUXNET sites with sparse coverage across China, and existing machine learning studies in China predominantly focus on coarse daily or monthly scales. Thus, high-temporal-resolution carbon flux simulations remain critically limited for China's forests. To address these gaps, we developed a fusion ensemble model (denoted as the Fusion model) that combines Random Fore
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.
The identification of bipolar disorder (BD), a severe psychiatric condition characterized by recurrent mood fluctuations, remains challenging due to substantial inter-individual variability, symptom overlap with other mental disorders, and imbalanced clinical data. Delayed or inaccurate diagnosis often leads to inappropriate treatment strategies and adverse clinical outcomes, highlighting the need for reliable, data-driven decision-support tools. In this study, we propose a robust hybrid machine learning framework that integrates class balancing, latent subgroup discovery, and ensemble learnin
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.
Type 2 diabetes mellitus (T2D) is a prevalent metabolic disorder with significant health and economic burdens worldwide. The relationship between inflammation-related indicators and the risk of developing new-onset T2D remains underexplored. This study aims to identify and validate an interpretable predictive model for incident T2D using inflammation-related indicators. We analyzed data from 220,937 participants free of diabetes at baseline in the UK Biobank. Six machine learning algorithms were employed to construct predictive models. Feature selection was performed using Least Absolute Shrin
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.
BACKGROUND: Blood eosinophil count and exacerbation history are established predictors of inhaled corticosteroid (ICS) effectiveness in chronic obstructive pulmonary disease (COPD). However, treatment responsiveness is heterogeneous and influenced by additional clinical characteristics. This study aimed to develop a machine learning-based prediction model to identify predictors of response to ICS in COPD patients.
METHODS: Using a nationwide administrative database linked with individual laboratory results, we identified COPD patients initiating ICS between 2015 and 2019. Patients were strati
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.
Individuals diagnosed with addiction or mental health (AMH) conditions are more likely to experience potentially adverse outcomes of homelessness. Despite their link to later outcomes, research on initial episodes of AMH outcomes is limited. This study aims to use administrative data to identify the factors associated with the first healthcare encounters with indicators of homelessness (FHE-H) for individuals diagnosed with AMH. We assessed logistic regression and compared its performance with machine learning models, including random forests and extreme gradient boosting (XGBoost). We conduct
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.
AIM: This study aimed to assess and compare the performance of nomograms and machine learning (ML) techniques using preoperative biomarkers for predicting side-specific extraprostatic extension (EPE) in prostate cancer, which is linked to poor outcomes and early recurrence. Accurate preoperative prediction can guide clinical decisions and improve treatment.
MATERIALS AND METHODS: A retrospective analysis was conducted using data from 108 prostate cancer patients undergoing radical prostatectomy. Clinical, imaging, and genomic data were collected, including PSA density, ISUP biopsy grade, frac
СтатьяСравнительное 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.
Mild to severe anemia is caused by thalassemia, a common genetic disorder affecting over 100 countries worldwide, that results from the abnormality of one or several of the four globin genes. This leads to chronic hemolytic anemia and disrupted synthesis of hemoglobin chains, iron overload, and poor erythropoiesis. Although the diagnosis of thalassemia has improved globally along with the treatment and transfusion support, it is still a major problem in diagnosing in high-prevalence areas like Pakistan. This work aims to assess the performance of numerous combinations of machine learning metho
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: Heart failure (HF) complicated by acute kidney injury (AKI) significantly impacts patient outcomes, and it is crucial to make early predictions of short-term mortality. This study is focused on developing an interpretable machine learning model to enhance early prediction accuracy in such clinical scenarios.
METHODS: This retrospective cohort study utilized data from the Medical Information Mart for Intensive Care Ⅳ (MIMIC-Ⅳ, version 2.0) database. Data from the first 24 hours after admission to the ICU were extracted and divided into a training set (70%) and a validation set (30%)
Аннотация на английскомСтатьяПолный 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: The impact of chronic medication on COVID-19 outcomes has been a topic of ongoing debate since the onset of the pandemic. Investigating how specific long-term treatments influence infection severity and prognosis is essential for optimising patient management and care.
AIM: This study aimed to investigate the association between chronic medication and COVID-19 outcomes, using machine learning to identify key medication-related factors.
METHOD: We analysed 137,835 COVID-19 patients in Catalonia (February-September 2020) using eXtreme Gradient Boosting to predict hospitalisation, I
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.
OBJECTIVES: This study aims to predict the volumetric bone mineral density (BMD) distribution from a dual-energy X-ray absorptiometry (DXA) scan. By employing machine learning, this study bridges the gap between DXA and computed tomography (CT) in terms of volumetric bone assessment, suggesting an approach for a cost-effective and low-radiation alternative for bone health evaluation in a three-dimensional (3D) fashion from a two-dimensional (2D) scan.
METHODS: Data from 34 participants included aligned DXA and CT scans for the proximal femur. Intensity values were extracted in Hounsfield unit
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.
OBJECTIVE: Through machine learning algorithms, a prediction model for depression in arthritis patients was established to provide a basis for related interventions.
METHODS: Data from 4240 patients with arthritis were collected from the National Health and Nutrition Examination Survey database and divided into a training set (70 %) and a test set (30 %). LASSO Regression was employed for feature variable selection, and predictive models were constructed using five machine learning algorithms: Random Forest (RF), Logistic Regression (LR), Extreme Gradient Boosting (XGBoost), Gaussian Naive Ba
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.
MedElevator
Войти в исследования