OBJECTIVE: Support vector machines (SVMs) have drawn considerable attention due to their high generalisation ability and superior classification performance compared to other pattern recognition algorithms. However, the assumption that the learning data is identically generated from unknown probability distributions may limit the application of SVMs for real problems. In this paper, we propose a vicinal support vector classifier (VSVC) which is shown to be able to effectively handle practical applications where the learning data may originate from different probability distributions.
METHODS:
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: Depressive disorder, particularly major depressive disorder (MDD), significantly impact individuals and society. Traditional analysis methods often suffer from subjectivity and may not capture complex, non-linear relationships between risk factors. Machine learning (ML) offers a data-driven approach to predict and diagnose depression more accurately by analyzing large and complex datasets.
METHODS: This study utilized data from the National Health and Nutrition Examination Survey (NHANES) 2013-2014 to predict depression using six supervised ML models: Logistic Regression, Random F
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: Current intraoperative orientation methods either rely on preoperative imaging, are resource-intensive to implement, or difficult to interpret. Real-time, reliable anatomic recognition would constitute another strong pillar on which neurosurgeons could rest for intraoperative orientation.
OBJECTIVE: To assess the feasibility of machine vision algorithms to identify anatomic structures using only the endoscopic camera without prior explicit anatomo-topographic knowledge in a proof-of-concept study.
METHODS: We developed and validated a deep learning algorithm to detect the nasal s
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.
The fermentation of Candida utilis has become a cost-effective and high-yield process, characterized by its high nutritional value, high productivity, and short fermentation time. To efficiently and comprehensively monitor the fermentation process of Candida utilis, this study employed an integrated data fusion system, based on attenuated total reflectance mid-infrared (ATR-MIR) spectroscopy and colorimetry, combined with chemometrics to achieve efficient and comprehensive monitoring of the Candida utilis fermentation process. By analyzing the trends in key physicochemical indicators during fe
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.
This article presents a comprehensive dataset acquired from two fault diagnosis environments: (1) industrial AC motors operating under various real-world conditions, and (2) belt-loosening scenarios in HVAC air handling units. The dataset was collected to support the development and validation of data-driven fault detection methods across diverse mechanical and electrical systems. For the AC motor dataset, faults were deliberately introduced to simulate common degradation modes, including coil winding faults, inter-phase short circuits, misalignment, and bearing-related issues such as rolling-
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: Hospital-induced delirium is one of the most common and costly iatrogenic conditions, and its incidence is predicted to increase as the population of the United States ages. An academic and clinical interdisciplinary systems approach is needed to reduce the frequency and impact of hospital-induced delirium.
OBJECTIVE: The long-term goal of our research is to enhance the safety of hospitalized older adults by reducing iatrogenic conditions through an effective learning health system. In this study, we will develop models for predicting hospital-induced delirium. In order to accompl
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.
BACKGROUND: Most trials in critical care have been neutral, in part because between-patient heterogeneity means not all patients respond identically to the same treatment. The Precision Care in Cardiac Arrest: Influence of Cooling duration on Efficacy in Cardiac Arrest Patients (PRECICECAP) study will apply machine learning to high-resolution, multimodality data collected from patients resuscitated from out-of-hospital cardiac arrest. We aim to discover novel biomarker signatures to predict the optimal duration of therapeutic hypothermia and 90-day functional outcomes. In parallel, we are deve
СтатьяПоддержка NIH: внешняя программаПоиск 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.
Advanced heart monitors, especially those enabled by the Internet of Health Things (IoHT), provide a great opportunity for continuous collection of the electrocardiogram (ECG), which contains rich information about underlying cardiac conditions. Realizing the full potential of IoHT-enabled cardiac monitoring hinges, to a great extent, on the detection of disease-induced anomalies from collected ECGs. However, challenges exist in the current literature for IoHT-based cardiac monitoring: (1) Most existing methods are based on supervised learning, which requires both normal and abnormal samples f
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.
Predicting small molecule-protein interactions across nonhomologous proteins remains challenging because shared ligand recognition is often not evident from sequence, fold, or pocket similarity. Here, we introduce pocket hopping, a machine-learning framework that learns residue-level interaction patterns from coligand binding pockets and infers compatibility between nonhomologous pockets for similar chemotypes. Using shared ligands as supervision rather than explicit geometric alignment, pocket hopping identifies pocket relationships that are not readily captured by conventional chemical-, seq
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: Crisis hotlines serve as a crucial avenue for the early identification of suicide risk, which is of paramount importance for sui … Interpretation by Large-Space Extraction] with the ComParE 2016 configuration) were extracted. Four supervised machine learning algorithms (logistic regression, support vector machine, random forest, and extreme gradient boosting) were trained and evaluated using grouped 5-fold cross-validation and a test set, with performance metrics, including accuracy, F1-score, recall, a …
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 pilot study aimed to investigate the implementation of supervised classifiers and a neural network for the recognition of activities carried out by Individuals with Lower Limb Amputation (ILLAs), as well as individuals without gait impairment, in free living conditions. Eight individuals with no gait impairments and four ILLAs wore a thigh-based accelerometer and walked on an improvised route in the vicinity of their homes across a variety of terrains. Various machine learning classifiers were trained and tested for recognition of walking activities. Additional investigations were made re
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: Adolescent alcohol consumption is a known risk factor for developing alcohol use disorder (AUD) in adulthood, but individual susceptibility varies widely, contributed to by differences in factors that are not well-understood. Identifying patterns of developmental trajectories in voluntary alcohol consumption behavior during adolescence could provide insight into biological underpinnings of AUD risk. Machine learning (ML) offers powerful pattern recognition capabilities that may help forecast future behavioral trajectories based on early-stage data.
OBJECTIVE: This study aimed to e
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.
Abdominal aortic aneurysms (AAAs) remain a major concern to the global society because of the associated risk of rupture and death. Currently, the management of AAAs entails clinical and imaging risk factors, which are not precise and accurate in terms of patient-specific risk assessment. Over the last decade, the utilization of artificial intelligence (AI) and machine learning (ML) algorithms has transformed the process of decision-making in the field of medicine by allowing for the creation of personalized models based on the patient's characteristics. This review aims to discuss the current
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.
PURPOSE: Artificial intelligence can realize personalization. This systematic scoping review provides the types, functions, and mechanisms of machine learning (ML) for personalizing smoking cessation interventions.
METHODOLOGY: We searched fourteen databases including PubMed, CINAHL, EMBASE, the Cochrane Library, IEEE Xplore, PsycINFO, Scopus, Web of Science, AAAI, ACM Digital Library, ArXIV, Mednar, ProQuest, and Science.gov. We selected 98 articles from 4073 records that met the criteria. Two independent reviewers screened and selected the articles. Two reviewers extracted the data using a
СтатьяScoping ReviewПоддержка 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.
High-risk pregnancies pose a major challenge in maternal and neonatal healthcare, defined as conditions where medical, social, or obstetric factors threaten the health of the mother or fetus. Traditional clinical tools often overlook individual complexities and delay identification, especially in resource-limited settings where mortality rates remain high. This study addresses these gaps by developing machine learning (ML) models for high-risk pregnancy prediction using data from 62 pregnant women at an Iranian hospital (2014-2016). Features were categorized into demographics, pregnancy-relate
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: This study aimed to develop and validate a time-updated, explainable machine learning (ML) early-warning system for short-term mortality risk in patients with continuous ambulatory peritoneal dialysis (CAPD). Methods: Multiple supervised ML techniques were validated to stratify individuals at high risk of 6-month death, classifiers were trained, internally validated and independently temporally validated in this retrospective study of 1,484 CAPD patients in our PD center. We collected time-updated markers such as patient demographics, clinical characteristics, and laboratory data to
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.
INTRODUCTION: Stroke remains one of the leading causes of global mortality and long-term disability, driving the urgent need for accurate and early risk prediction tools. Traditional models such as the Framingham Stroke Risk Score have provided foundational insights into stroke prevention but are constrained by linear assumptions and limited adaptability to complex real-world data. In contrast, machine learning (ML) techniques offer the ability to model non-linear relationships and interactions among diverse clinical and demographic variables, supporting more personalized and flexible risk pre
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.
Assisted reproductive technology (ART) is one of the major developments that has had a significant impact on infertility treatment. A predictive model of ART success based on machine learning (ML) techniques can provide a robust basis for estimating treatment success. This study aimed to identify predictive models of ART success and their determinants. A systematic search was conducted in PubMed, Web of Science, Scopus, and Embase. Data extraction involved collecting data in studies on dataset characteristics, ML techniques, and predictive model performance indicators. The search resulted in 3
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.
BACKGROUND: The inevitable progression of high-grade gliomas has prompted a need for data-backed identification of compromised tissue prior to detection on traditional serial imaging. Whole-brain magnetic resonance spectroscopy (WB-MRS) can fill this role to classify glioma progression prior to contrast enhancement. Voxel-level data can differentiate areas of perilesional tissue under supervised machine learning (ML) and has been shown to predict the likelihood of tumor progression within six months. In this study, we aim to improve the spatial utility of WB-MRS ML through unsupervised ML clus…
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: Burnout is usually defined as a state of emotional, physical, and mental exhaustion that affects people in various professions (e.g. physicians, nurses, teachers). The consequences of burnout involve decreased motivation, productivity, and overall diminished well-being. The machine learning-based prediction of burnout has therefore become the focus of recent research. In this study, the aim was to detect burnout using machine learning and to identify its most important predictors in a sample of Hungarian high-school teachers.
METHODS: The final sample consisted of 1,576 high-schoo
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.
MedElevator
Войти в исследования