This article discusses the manuscript recently published in the World Journal of Gastroenterology, which explores the application of deep learning models in decision-making processes via wireless capsule endoscopy. Integrating artificial intelligence (AI) into gastrointestinal disease diagnosis represents a transformative step toward precision medicine, enhancing real-time accuracy in detecting multi-category lesions at earlier stages, including small bowel lesions and precancerous polyps, ultimately improving patient outcomes. However, the use of AI in clinical settings raises ethical conside…
Письмо в редакциюПолный 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.
Parkinson's disease (PD) is one of the most incapacitating neurodegenerative diseases (NDDs). PD is the second most common NDD worldwide which affects approximately 1-2 percent of people over 65 years. It is an attractive pursuit for artificial intelligence (AI) to contribute to and evolve PD treatments through drug repositioning by repurposing existing drugs, shelved drugs, or even candidates that do not meet the criteria for clinical trials. A search was conducted in three databases Web of Science, Scopus, and PubMed. We reviewed the data related to the last years (1975-present) to identify …
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.
Parkinson's disease (PD) is a neurodegenerative disorder affecting motor control, leading to symptoms such as tremors and stiffness. Early diagnosis is essential for effective treatment, but traditional methods are often time-consuming and expensive. This study leverages Artificial Intelligence (AI) and Machine Learning (ML) techniques, using voice analysis to detect early signs of PD. We applied a hybrid model combining Convolutional Neural Networks (CNN), Recurrent Neural Networks (RNN), Multiple Kernel Learning (MKL), and Multilayer Perceptron (MLP) to a dataset of 81 voice recordings. Acou…
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.
PURPOSE: With the increasing utilization of endoscopic approaches for primary benign orbital tumor (PBOT) surgery, otolaryngologists and ophthalmologists are challenged with determining candidacy for endoscopic resection based on preoperative imaging. Our objective was to develop a semi-automatic modality for three-dimensional reconstruction of primary benign orbital tumors to shed light on their resectability.
METHODS: Patients with tumors from each ORBIT (Orbital Resection by Intranasal Technique) class were identified. Patients' preoperative imaging was obtained, and 3D slicer was utilized
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.
Drug toxicity and side effects are the cause of clinical trials failure, resulting in wasted investment and time. Liver injury is one of the … odel. Voting combinations-based ensemble is one of innovative strategy used for improving accuracy. Artificial intelligence remains a tool of choice for risk assessment and a definite ally in drug research and development.
СтатьяСистематический обзорПоиск 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: To identify clinical variables and indicators associated with pulmonary hemorrhage in preterm infants.
METHODS: This case-control study included inborn infants <32 weeks. Data were collected in 12-h epochs from birth until hemorrhage onset or up to 72 h for controls. Machine learning used the Random Forest algorithm. Statistical analysis included T test and Mann-Whitney U test.
RESULTS: Among 1133 screened infants, 35 had hemorrhage. Mean gestational age was 25.6 ± 1.6 weeks, birth weight 753 ± 224 g, and median onset of hemorrhage was 44.5 h. Affected infants more often required
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: Acute appendicitis (AA) is a common cause of abdominal pain that can lead to complications like perforation and intra-abdominal abscesses, increasing morbidity and mortality, often requiring emergency surgery. Nevertheless, appendectomy is performed in up to 95% of uncomplicated cases, while complications like perforation and intra-abdominal abscesses increase morbidity and mortality. The current study compares the accuracy of GPT-4.5, DeepSeek R1, and machine learning in assisting with surgical decision-making for patients presenting with lower abdominal pain at the Emergency De
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 human voice is an important medium of communication and expression of feelings or thoughts. Disruption in the regulatory systems of the human voice can be analyzed and used as a diagnostic tool, labeling voice as a potential "biomarker". Conversational artificial intelligence is at the core of voice-powered technologies, enabling intelligent interactions between machines. Due to its richness and availability, voice can be leveraged for predictive analytics and enhanced healthcare insights. Utilizing this idea, we reviewed artificial intelligence (AI) models that have executed vocal analysi…
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.
To provide an artificial intelligence (AI) method using in vivo confocal microscopy (IVCM) to differentiate ocular surface squamous neoplasia (OSSN) from other lesions and compare the performance of well-known AI-related solutions. A dataset of 2,774 IVCM images, comprising OSSN and other ocular surface diseases was used to train three deep learning models: ResNet50V2, Yolov8x, and VGG19. These models were trained to identify OSSN-related lesions by recognizing specific visual features, including the "starry-sky" pattern, hyperkeratosis, mitotic figures and irregularly shaped epithelial cells.…
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 recent years, artificial intelligence (AI) has made significant progress in the management of aortic dilatation diseases, including aortic dissection and aortic aneurysm, with applications spanning intelligent diagnosis, treatment decision support, and postoperative management. AI technologies, leveraging imaging analysis, multimodal data fusion, intelligent surgical assistance, and prognostic modeling, have improved early screening efficiency, personalized treatment precision, and long-term monitoring outcomes. However, current AI models face challenges such as poor interpretability, lack …
СтатьяОбзорАннотация на английскомПоиск 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.
Generative adversarial networks (GANs), introduced by Ian Goodfellow in 2014, have revolutionized adversarial machine learning, particularly in data synthesis. This manuscript explores their application in ophthalmic diagnostics, addressing the scarcity of annotated datasets and the need for improved early disease detection. By leveraging GAN architectures, the goal is to enhance the quality of synthetic ophthalmic images, ultimately improving diagnostic algorithm training. A systematic review was conducted from January to April 2024 across PubMed, Embase, and Scopus. Search terms included "Ge
СтатьяСистематический обзорПоиск 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.
Artificial intelligence (AI) is rapidly advancing our ability to identify and interpret genetic variants associated with coagulation factor deficiencies. This review introduces AI, with a specific focus on machine learning (ML) methods, and examines its applications in the field of coagulation genetics over the past decade. We observed a significant increase in AI-related publications, with a focus on hemophilia A and B. ML approaches have shown promise in predicting the functional impact of genetic variants and establishing genotype-phenotype correlations, exemplified by tools like "Hema-Clas…
СтатьяОбзорПоддержка исследования: вне правительства СШАПолный 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.
We developed and evaluated an artificial intelligence (AI)-powered approach for easier quantification of tau PET uptake without requiring structural MR to aid earlier tracking of Alzheimer disease (AD). Methods: We implemented a deep neural network model that normalizes 18F-AV1451 (tau) PET images to a standard template without requiring MR, using transfer learning from a model pretrained on amyloid PET. This model was integrated into an MR-free pipeline for tau PET quantification and validated on external dataset (Alzheimer Disease Neuroimaging Initiative). We examined correlations between mo…
СтатьяПоддержка NIH: внешняя программаПоддержка 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: There is an emerging interest in artificial intelligence-enhanced 12-lead electrocardiogram (AI-ECG) in detection of hypertrophic cardiomyopathy (HCM).
OBJECTIVES: This study describes the initial real-world experience of using AI-ECG (Viz-HCM, developed using a convolutional neural network trained algorithm) in our center.
METHODS: All patients undergoing 12-lead electrocardiograms at Cleveland Clinic, Cleveland, Ohio, between February 19, 2024, and November 1, 2024, were prospectively analyzed for potential HCM using AI-ECG. The numbers of patients flagged for potential HCM wer…
СтатьяПоддержка исследования: вне правительства СШАПолный 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.
This bibliometric review examines the evolving landscape of artificial intelligence (AI) in neurodegenerative diseases research from 2000 to March 16, 2025, utilizing data from 1,402 publications (1,159 articles, 243 reviews) indexed in the Web of Science Core Collection. Through advanced tools - VOSviewer, CiteSpace, and Bibliometrix R - the study maps collaboration networks, keyword trends, and knowledge trajectories. Results reveal exponential growth post-2017, driven by advancements in deep learning and multimodal data integration. The United States (25.96%) and China (24.11%) dominate pub…
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.
This study investigates stress detection in dairy cattle by integrating circadian rhythm analysis and deep learning. Behavioral biomarkers, including feeding, resting, and rumination, were continuously monitored using Nedap CowControl sensors over a 12-month period to capture seasonal variability. Circadian features were extracted using the Fast Fourier Transform (FFT), and deviations from expected 24 h patterns were quantified using Euclidean distance. These features were used to train a Long Short-Term Memory (LSTM) neural network to classify stress into three levels: normal, mild, and high.
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: Artificial intelligence is emerging as a transformative force in pharmaceutical sciences by enabling data-driven decision-making, automation, and predictive modeling. In ocular drug delivery, where therapeutic efficacy is hindered by complex anatomical and physiological barriers, AI presents significant opportunities to overcome these challenges. Its ability to optimize drug combinations, design smart delivery systems, and personalize therapies underscores its relevance in advancing ophthalmic care.
AREA COVERED: This review explores the intersection of AI and ophthalmic therapeut…
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.
OBJECTIVES: To introduce a vertically integrated model between a health care service provider and technology developer as a learning accelerator to address challenges in developing and delivering artificial intelligence (AI) into health care.
METHODS: The Learning Accelerator Framework is built on four core components that focus on improving patient and health care outcomes: an integrated data registry, a continuous technology development stack, adaptive clinical services, and an iterative learning and development loop. Its application is described in one case study to highlight its operation…
СтатьяПоддержка исследования: вне правительства СШАПолный 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.
Echocardiography is a first-line, non-invasive imaging modality widely used to assess cardiac structure and function; however, its interpretation remains highly operator dependent and subject to variability. The integration of artificial intelligence (AI) into echocardiographic practice holds the potential to transform workflows, enhance efficiency, and improve the consistency of assessments across diverse clinical settings. Interest in the application of AI to echocardiography has grown significantly since the early 2000s with AI models that assist with image acquisition, disease detection, m…
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.
MedElevator
Войти в исследования