Accurate prediction of Chronic Kidney Disease (CKD) development is essential for prompt therapeutic intervention; nevertheless, it is difficult due to the highly individualized disease trajectories and intricate multivariate risk profiles. Contemporary deep learning models provide substantial predictive capability; yet, they frequently exhibit computational inefficiency and a lack of interpretability, akin to a "black box." To overcome these limitations, we present the Eigen-Guided Transformer, an innovative architecture that systematically enhances model topology by data-driven eigenvalue ana
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.
RESEARCH BACKGROUND: Parkinson's Disease (PD) requires accurate severity prediction models for enabling efficient treatment planning and disease management. The recent improvements in deep learning have shown promising results while predicting PD severity but, conventional models encounter various complexities in analyzing the informative features, managing complex data patterns and tuning the model parameters.
PROBLEM FORMULATION: The problems in the prior research studies are addressed by implementing an effective and robust deep learning approach that can accurately capture and identify th
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.
In 2024, approximately 30% of US adolescents reported having consumed alcohol at least once in their lifetime, with about 25% of these individuals engaging in binge drinking. Adolescent alcohol use is associated with neurodevelopmental impairments, elevated risk of later alcohol use and mental health disorders. Therefore, it is important to identify the variables driving adolescent alcohol use and leverage them for early identification and targeted intervention. Previous studies have typically developed machine learning classification models that use neuroimaging data in combination with limit
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.
Journal of oral pathology & medicine : official publication of the International Association of Oral Pathologists and the American Academy of Oral Pathology2023eng
BACKGROUND: We aimed to establish image recognition and survival prediction models using a novel scoring system of cyclin D1 expression pattern in patients with human papillomavirus-negative oral or oropharyngeal squamous cell carcinoma.
METHODS: The clinicopathological data of 610 patients with human papillomavirus-negative oral/oropharyngeal squamous cell carcinoma were analyzed retrospectively. Cox univariate and multivariate risk regression analyses were performed to compare cyclin D1 expression pattern scoring with the traditional scoring method-cyclin D1 expression level scoring-in rela
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: This systematic review investigates the use of machine learning (ML) algorithms in predicting survival outcomes for ovarian cancer (OC) patients. Key prognostic endpoints, including overall survival (OS), recurrence-free survival (RFS), progression-free survival (PFS), and treatment response prediction (TRP), are examined to evaluate the effectiveness of these algorithms and identify significant features that influence predictive accuracy.
RECENT FINDINGS: A thorough search of four major databases-PubMed, Scopus, Web of Science, and Cochrane-resulted in 2400 articles published wit
СтатьяСистематический обзорСравнительное 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.
BACKGROUND: Patient-reported satisfaction after total knee arthroplasty (TKA) is low compared to other orthopedic procedures. Although several factors have been reported to influence TKA outcomes, it is still challenging to identify patients who will experience dissatisfaction five years after surgery, thereby improving their management. Indeed, both perioperative information and follow-up questionnaires seem to lack statistical predictive power.
HYPOTHESIS: This study aims to demonstrate that machine learning can improve the prediction of patient satisfaction, especially when classical stati
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.
PURPOSE OF REVIEW: Glucose management in the hospital is difficult due to non-static factors such as antihyperglycemic and steroid doses, renal function, infection, surgical status, and diet. Given these complex and dynamic factors, machine learning approaches can be leveraged for prediction of glucose trends in the hospital to mitigate and prevent suboptimal hypoglycemic and hyperglycemic outcomes. Our aim was to review the clinical evidence for the role of machine learning-based models in predicting hospitalized patients' glucose trajectory.
RECENT FINDINGS: The published literature on mach
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.
PURPOSE: To develop effective machine learning models that analyze pattern visual evoked potentials (PVEPs) to predict the stabilized visual acuity (VA) of patients with treated ocular trauma.
METHODS: This experiment included 260 patients (220 males, average age 42.54 years) with unilateral ocular trauma. Four different machine learning algorithms, namely, support vector regression (SVR), Bayesian ridge (BYR), random forest regression (RFG), and extreme gradient boosting (XGBoost), were used to predict best corrected visual acuity (BCVA) values. Various ophthalmic parameters were input into
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.
Interpretability of results remains challenging in most health industries since patients may suffer life-threatening consequences from an inaccurate diagnosis. Artificial intelligence (AI) integration has arisen as a prominent technology in the healthcare sector, transforming the field by advancing early diagnostics, surgeries, and ethical concerns. The present review analyzes the multidimensional impact of AI on the health sector through enhancements in medical accuracy and diagnosis outcomes. Implementing AI techniques and machine learning algorithms in predictive analytics enables disease i
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.
Ischemic stroke (IS), the leading cause of death and disability worldwide, is caused by many modifiable and non-modifiable risk factors. This complex disease is also known for its multiple etiologies with moderate heritability. Polygenic risk scores (PRSs), which have been used to establish a common genetic basis for IS, may contribute to IS risk stratification for disease/outcome prediction and personalized management. Statistical modeling and machine learning algorithms have contributed significantly to this field. For instance, multiple algorithms have been successfully applied to PRS const
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.
Genetic defects on 6-pyruvoyl-tetrahydropterin synthase (PTPS) are the most prevalent cause of hyperphenylalaninaemia not due to phenylalani … ity of 3D protein structure in interpretation of variants and also current limitations of in silico prediction algorithms. However, software to analyse mutation in the perspective of 3D protein structure is far less readily available than other in silico prediction tools.
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.
A novel algorithm to predict incident type 2 diabetes mellitus (iT2DM) is presented considering data from a 20-year prospective study in a Southern Italy population. Eight hundred and fifty-eight out of 1,351 subjects (24-85 years range of age) were selected. Incident type 2 diabetes was diagnosed in 103 patients in a 20-year follow-up. The Finnish Diabetes Risk Score (FINDRISC) and the Framingham Offspring Study simple clinical model (FOS) have been used as reference algorithms. Two custom algorithms have been created using Cox parametric hazard models followed by PROBIT analyses: the first o
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 grain yield is a critical aspect of agriculture that assists farmers and planners in managing resources more efficiently and enhancing productivity. This study investigates and compares eight machine learning algorithms for predicting corn grain yield (Zea mays L.) using 73 plant and soil features, including 32 primary features and 41 engineered interaction features. Experiments were conducted over two years at the research farm of Ferdowsi University of Mashhad, and the data were processed using random splitting (70% training, 15% validation, 15% testing) and standardization (Stand
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: Breast cancer remains a significant global health concern, with over 7.8 million cases reported in the last five years. Early detection and accurate classification are crucial for reducing mortality rates and improving outcomes. Machine learning (ML) has emerged as a transformative tool in medical imaging, enabling more efficient and accurate diagnostic processes.
OBJECTIVE: This study aims to develop a machine learning-based predictive model for early detection and classification of breast cancer using the Wisconsin Breast Cancer Diagnostic dataset.
METHODS: The dataset, compris
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.
Diabetes is a chronic metabolic disorder caused by excessive blood sugar levels, which leads to severe damage to other organs. Type 2 diabetes is, more often than others, a long-term metabolic disorder in which the body resists insulin or does not produce enough of it. Early diabetes detection with fewer features reduces patient burden, and machine learning makes the process more time-efficient. This study proposes three machine learning approaches that achieve both high performance and effective feature reduction using the Early Stage Diabetes Risk Prediction dataset. Multiple research works
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 differentiation of wide complex tachycardias (WCTs) into ventricular tachycardia (VT) and supraventricular wide tachycardia (SWCT) via 12-lead ECG (electrocardiogram) interpretation is a crucial yet demanding clinical task. Decades of research have been dedicated to simplifying and improving this differentiation via manual algorithms. Despite such research, the effectiveness of such algorithms still remains limited, primarily due to reliance on user expertise. To combat this limitation, automated algorithms have been created that show promise as alternatives to manual ECG interpretation. H
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.
Machine learning (ML) algorithms are widely used to develop predictive frameworks. Accurate prediction of Alzheimer's disease (AD) age of onset (ADAOO) is crucial to investigate potential treatments, follow-up, and therapeutic interventions. Although genetic and non-genetic factors affecting ADAOO were elucidated by other research groups and ours, the comprehensive and sequential application of ML to provide an exact estimation of the actual ADAOO, instead of a high-confidence-interval ADAOO that may fall, remains to be explored. Here, we assessed the performance of ML algorithms for predictin
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.
High-speed badminton requires defenders to anticipate opponents' intentions from early kinematic cues under severe temporal and sensory constraints. Existing models rely on discrete-time assumptions and statistical correlations, failing under irregular sampling or missing frames. We propose a Continuous-Time Event-Driven Temporal-Causal Attention (CT-ACI) framework that models the intention state as a neural ordinary differential equation (Neural ODE), embeds a physical causal mask to prevent backward leakage, and introduces an adaptive integral triggering mechanism for event-driven prediction
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: Heart disease remains a leading cause of global morbidity and mortality, emphasizing the need for early and accurate prediction. Traditional models, however, often struggle with high class imbalance, limited accuracy, inadequate hyperparameter tuning, reliance on sparsely labeled data, and poor interpretability. METHODS: To address these limitations, we introduce a novel 3-tier information fusioned framework integrating Oversampling Using the Propensity Score (OUPS), ConvRecurrentNet (CRNet), an optimized CRNet, and CRNet enhanced with Uncertainty-Based Sampling (UBS). Initially, t
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.
BACKGROUND: The pathological heterogeneity of sepsis makes it challenging for traditional scoring systems to balance early-warning sensitivity, dynamic progression characterization, and mechanistic interpretability. Developing a multi-objective optimization algorithm incorporating rheological properties to screen novel composite parameters from routine indicators, thereby constructing a precise sepsis assessment tool with both clinical feasibility and pathological interpretability, offers a new approach to inform clinical decisions and prognosis prediction for sepsis patients. This retrospecti
СтатьяВалидационное исследованиеПолный 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