Constitutive modeling is a cornerstone for stress analysis of mechanical behaviors of biological soft tissues. Recently, it has been shown that machine learning (ML) techniques, trained by supervised learning, are powerful in building a direct linkage between input and output, which can be the strain and stress relation in constitutive modeling. In this study, we developed a novel generic physics-informed neural network material (NNMat) model which employs a hierarchical learning strategy by following the steps: (1) establishing constitutive laws to describe general characteristic behaviors of
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: Patients' engagement plays a crucial role in the effectiveness of robot-assisted gait training (RAGT), particularly in paediatric neurorehabilitation, where motivation and active participation strongly influence functional outcomes. Despite its clinical relevance, engagement assessment is still largely based on subjective observation, limiting objectivity and scalability. Objective modelling of engagement in children with cerebral palsy remains underexplored, especially when relying on physiological signals acquired during therapy, due to logistical, ethical, and technological chal
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 clinical differentiation of Chikungunya from other acute febrile illnesses poses a significant diagnostic challenge due to the substantial symptom overlap among co-circulating arboviruses such as Dengue and Zika, particularly in resource-constrained settings where laboratory confirmation is frequently delayed or unavailable. This study proposes an interpretable machine learning framework for the prediction of laboratory-confirmed Chikungunya cases versus suspected cases that were subsequently discarded after laboratory investigation, using a large-scale, nationally representative dataset o
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: Currently, the identification of infectious disease re-emergence is performed without describing specific quantitative criteria that can be used to identify re-emergence events consistently. This practice may lead to ineffective mitigation. In addition, identification of factors contributing to local disease re-emergence and assessment of global disease re-emergence require access to data about disease incidence and a large number of factors at the local level for the entire world. This paper presents Re-emerging Disease Alert (RED Alert), a web-based tool designed to help public h
СтатьяПоддержка 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: Prediction of mortality in hospitalized patients is a crucial and important problem. Several severity scoring systems over the past few decades and machine learning models for mortality prediction have been developed to predict in-hospital mortality. Our aim in this study was to apply machine learning (ML) algorithms using QTc interval to predict in-hospital mortality in ACS patients and compare them to the validated conventional risk scores.
RESULTS: This study was retrospective, using supervised learning, and data mining. Out of a cohort of 500 patients admitted to a tertiary ca
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.
Spin-orbit coupling (SOC) induces state mixing and distortions in potential energy curves (PECs), complicating their construction and interpretation for diatomic molecules. We introduce a fully automated machine-learning framework for reconstructing physically consistent SOC-resolved PECs across independent electronic-structure calculations with different basis-set representations. The approach combines generative data augmentation using a conditional Wasserstein Generative Adversarial Network with gradient penalty (cWGAN-GP) with supervised regression models (Ridge Regression, Gradient Boosti
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.
Based on the accumulation of the high-quality databases from experimental measurements and theoretical calculations, data-driven machine learning approaches has been widely applied to rate coefficient prediction. However, most existing models are confined to single-temperature predictions and rely primarily on data-driven representations, resulting in limited temperature extrapolation capability. Although Arrhenius parameters have been introduced in some studies to encode temperature dependence, their effective utilization is restricted by the scarcity of high-quality Arrhenius-parameter datas
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: Postoperative monitoring of free vascularized flaps (FVFs) is critical for early detection of ischemia and timely salvage. Although traditional monitoring relies heavily on clinical examination and adjunctive devices, these approaches are labor‑intensive, subjective, and resource‑dependent. Recent advances in artificial intelligence (AI), particularly machine learning and deep learning, have enabled automated, data‑driven approaches to postoperative free‑flap monitoring. However, the clinical readiness, methodological robustness, and translational challenges of these AI‑based syste
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: When developing or updating a predictive algorithm to make predictions (e.g., risk estimates) in individuals, the sample size of the development (training) dataset is an important consideration. Small datasets reduce a model's predictive performance, generalisability and fairness, and may lead to harm. To help identify (minimum) sample sizes required for model development or updating, various sample size calculations exist but their underlying theory is based on standard (unpenalised) regression and focus on minimising overfitting. To address this, we propose a more general approac
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: Cell-penetrating peptides (CPPs) facilitate the delivery of a variety of therapeutic molecules across the plasma membrane, from … g and enhances cross-task model performance. Using this framework, we developed three task-specific supervised machine learning models for CPP-Classification, Uptake-Efficiency and PMO-Delivery. The first two models were designed to determine if an unseen peptide is a CPP and to predict its uptake efficiency, respectively, while the PMO-Delivery model predicts whether a pept …
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.
Epilepsy is a frequent chronic and genetic brain disease. In diagnose of genetic and craniofacial disease, the face is one of the gold stand … ial angle, distance between glabella and nasion were measured on computed tomography. Also, we used supervised machine learning to learn classification models to detect epilepsy as our dataset has class label where 1 means epilepsy, 2 means healthy. The well-known classification model learning algorithms implemented in Weka (with version 3.8.6) machine learning toolkit were …
СтатьяНаблюдательное 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: Cancer-related pain is a multidimensional phenomenon, and key determinants of pain intensity remain unclear. The aim of this study was to identify the clinical determinants of cancer-related pain intensity using a convergent, multimethod analytical framework.
METHODS: Prospective observational study of patients with cancer-related pain. Pain was assessed using a 0-10 numeric rating scale (NRS), the Douleur Neuropathique 4, and the Brief Pain Inventory (BPI). Clinical variables included Eastern Cooperative Oncology Group Performance Status (ECOG-PS), metastatic status, comorbiditie
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.
AIM: We aimed to develop a machine-learning (ML) algorithm consisting of physical examination, sonographic findings, and laboratory markers.
METHODS: The data of 70 patients with confirmed ovarian torsion followed and treated in our clinic for ovarian torsion and 73 patients for control group that presented to the emergency department with similar complaints but didn't have ovarian torsion detected on ultrasound as the control group between 2013 and 2023 were retrospectively analyzed. Sonographic findings, laboratory values, and clinical status of patients were examined and fed into three sup
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.
INTRODUCTION: Disease-related malnutrition is common but often underdiagnosed in patients with chronic gastrointestinal diseases, such as liver cirrhosis, short bowel and intestinal insufficiency, and chronic pancreatitis. To improve malnutrition diagnosis in these patients, an evaluation of the current Global Leadership Initiative on Malnutrition (GLIM) diagnostic criteria, and possibly the implementation of additional criteria, is needed.
AIM: This study aimed to identify previously unknown and potentially specific features of malnutrition in patients with different chronic gastrointestinal
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: Traditional statistical methodologies inadequately capture the complexities of real-world practice to assess risk in congenital cardiac catheterization (CCC). Artificial intelligence and machine learning (ML) techniques are well-suited to analyze preprocedural patient risk given the complexity and heterogeneity of infrequently performed CCC procedures. We sought to apply supervised ML analytics to an enterprise-level data set to enhance understanding of patient-, procedural-, and system-level risk in patients undergoing CCC.
METHODS: A comprehensive data set built from electronic
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: With the emergence of the concept of value-based care, efficient resource allocation has become an increasingly prominent factor in surgical decision-making. Validated machine learning (ML) models for cost prediction in outpatient spine surgery are limited. As such, we developed and internally validated a supervised ML algorithm to reliably identify cost drivers associated with ambulatory single-level lumbar decompression surgery.
METHODS: A retrospective review of the New York State Ambulatory Surgical Database was performed to identify patients who underwent single-level lumbar
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: Accurate estimation of prognosis and life expectancy is essential in patients with advanced cancer, as it guides clinical decision-making and helps avoid unnecessary interventions while facilitating timely integration of palliative and supportive care. Palliative radiotherapy plays a key role within multidisciplinary management, offering effective and well-tolerated symptom relief for complications such as pain, bleeding, and obstruction, with treatment strategies closely tailored to expected survival. Although recent advances in machine learning have improved prognostic accuracy b
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.
Rapid urbanisation has intensified ecological pressures on urban lakes, promoting the spread of invasive aquatic macrophytes such as water hyacinth (Eichhornia crassipes). This study presents a multi-year, satellite-based framework for detecting and monitoring water hyacinth in urban lakes using Sentinel-2 multispectral imagery and supervised machine learning. Four classifiers (Support Vector Machine, XGBoost, Random Forest, and K-Nearest Neighbours) were evaluated using classification-based accuracy metrics, including accuracy, precision, recall, F1-score, Cohen's kappa, and cross-validation …
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: Thymic epithelial tumors (TETs) are the most common primary neoplasms of the anterior mediastinum and present a dual classification challenge, namely anatomical staging according to the Masaoka-Koga system and histological risk stratification according to the World Health Organization (WHO) classification. Both tasks rely on expert pathological assessment and may be affected by interobserver variability. This study applied supervised machine learning (ML) to quantitative immunohistochemical (IHC) H-score profiles to predict Masaoka-Koga stage and WHO risk group in TETs. Methods: Lo…
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: Voltage mapping in nonischemic cardiomyopathy can fail to identify midmyocardial substrate for ventricular arrhythmias, an impor … per spectral analysis. Singular value decomposition of the EGM frequency spectrum was used within a supervised machine learning process to select features to predict the presence of MMF and compare against predictions using voltage amplitude.
RESULTS: Thirteen patients were included (median age 57 years [IQR: 28-73 years], median ejection fraction 40% [IQR: 15%-57%]). A tot …
СтатьяПоддержка правительства СШАПоддержка исследования: вне правительства СШАКомментарийПоиск 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