INTRODUCTION: Temporal lobe epilepsy (TLE) represents a significant neurological disorder with complex genetic underpinnings. This study aimed to develop an interpretable deep learning diagnostic model for TLE and identify disease-associated markers.
METHODS: Using RNA-seq and microarray data from 287 samples collected from eight GEO datasets, we constructed multiple machine learning algorithms including Deep Neural Networks (DNN), Extreme Gradient Boosting (XGBoost), Random Forest (RF), Logistic Regression (LR), and K-Nearest Neighbors (KNN) to distinguish TLE from normal. SHapley Additive e
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.
Accelerating the measurement for discrimination of samples, such as classification of cell phenotype, is crucial when faced with significant time and cost constraints. Spontaneous Raman microscopy offers label-free, rich chemical information but suffers from long acquisition time due to extremely small scattering cross-sections. One possible approach to accelerate the measurement is by measuring necessary parts with a suitable number of illumination points. However, how to design these points during measurement remains a challenge. To address this, we developed an imaging technique based on a
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.
The influenza virus hemagglutinin is an important part of the virus attachment to the host cells. The hemagglutinin proteins are one of the genetic regions of the virus with a high potential for mutations. Due to the importance of predicting mutations in producing effective and low-cost vaccines, solutions that attempt to approach this problem have recently gained significant attention. A historical record of mutations has been used to train predictive models in such solutions. However, the imbalance between mutations and preserved proteins is a big challenge for the development of such models
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.
Monkeypox has become a significant global challenge as the number of cases increases daily. Those infected with the disease often display various skin symptoms and can spread the infection through contamination. Recently, Machine Learning (ML) has shown potential in image-based diagnoses, such as detecting cancer, identifying tumor cells, and identifying coronavirus disease (COVID)-19 patients. Thus, ML could potentially be used to diagnose Monkeypox as well. In this study, we developed a Monkeypox diagnosis model using Generalization and Regularization-based Transfer Learning approaches (GRA-
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: Early discrimination of non-pancreatic periampullary lesions (NPLs) is challenging owing to their complex anatomy and the absence of representative clinical symptoms.
PURPOSE: To establish an interpretable machine learning (ML) model that integrates clinical variables and endoscopic ultrasonography (EUS) features to diagnose NPLs.
METHODS: A total of 158 patients, suspected of having NPLs and who underwent EUS, were enrolled and randomly allocated into a training cohort (TC, n = 110) and a validation cohort (VC, n = 48). Risk clinical and EUS features were identified by multivari
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: Diagnosing tuberculous pleural effusion (TPE) remains a significant clinical challenge. This study aimed to develop and validate a simplified, accurate, and interpretable machine learning (ML) model for the early diagnosis of TPE, utilizing the T-cell spot test for tuberculosis infection (T-SPOT.TB) and routine clinical variables.
METHODS: A total of 486 patients with pleural effusion (PE) were retrospectively enrolled and randomly divided into training and testing sets in a ratio of 8:2. Demographic and laboratory variables were collected, preprocessed, and analyzed. Feature sele
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: The possible association between diabetes mellitus and dementia has raised concerns, given the observed coincidental occurrences.
OBJECTIVE: This study aimed to develop a personalized predictive model, using artificial intelligence, to assess the 5-year and 10-year dementia risk among patients with type 2 diabetes mellitus (T2DM) who are prescribed antidiabetic medications.
METHODS: This retrospective multicenter study used data from the Taipei Medical University Clinical Research Database, which comprises electronic medical records from 3 hospitals in Taiwan. This study applied
СтатьяМногоцентровое исследованиеПоддержка 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.
This paper integrates an unobtrusive and affordable sensing technology with machine learning methods to discriminate between healthy and pathological gait patterns as a result of stroke or acquired brain injury. A feature analysis is used to identify the role of each body part in separating pathological patterns from healthy patterns. Gait features, including the orientations of the hips and spine (trunk), shoulders and neck (upper limb), knees and ankles (lower limb), are calculated during walking based on Kinect skeletal tracking sequences. Sequences of these features during three types of w
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: Early prediction of functional recovery and post-discharge readmission may support multidisciplinary rehabilitation planning, follow-up stratification, and individualized management in patients with cardiovascular disease (CVD). This study aimed to develop and interpret machine learning (ML) models for predicting 1-week functional recovery and 90-day readmission.
METHODS: A total of 553 CVD patients were randomly assigned to a training cohort (n=388) and a test cohort (n=165). Candidate clinical, functional, and laboratory variables were selected using least absolute shrinkage and
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: There is currently a lack of low-cost, nonintrusive methods for colorectal adenocarcinoma (CRA) detection. Moreover, the application of Raman spectroscopy (RS)-based CRA detection is limited due to its high noise levels and low characterization abilities.
OBJECTIVES: Propose a method for the early screening of CRA based on RS and deep learning techniques.
METHODS: An MS-Former (multiscale transformer) method was constructed by combining multiscale convolution and self-attention mechanisms to adapt spectral scenarios based on RS and surface-enhanced Raman spectra (SERS) at the c
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.
Electroencephalography (EEG) is widely used to study cognitive states and clinical biomarkers, yet the contribution of stable between-subject differences to common EEG feature representations is rarely quantified directly or incorporated into evaluation design. Here, we examine subject-linked structure in spectral EEG features using a longitudinal four-session dataset spanning 199 days and replicate key findings across four public datasets covering 39 to 395 participants, multiple paradigms, and recording systems ranging from low-channel consumer devices to research-grade EEG. In spectral band
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.
Decision-makers rely on weather forecasts to plant crops, manage wildfires, allocate water and energy and prepare for weather extremes1-3. Today, such forecasts enjoy unprecedented accuracy as far as 2 weeks thanks to steady advances in physics-based dynamical models and data-driven artificial intelligence models4-10. However, model skill drops precipitously at subseasonal timescales (2-6 weeks ahead) due to compounding errors, systemic model biases and the chaotic nature of the atmosphere11-15. To counter this degradation, we introduce probabilistic bias correction, a machine learning framewo
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.
Global warming is increasing extreme heat events posing a serious threat to insect populations the cornerstone of terrestrial ecosystems. While studies focus on heat stress effects on reproduction its immediate and sex specific effects on locomotor behavior a key determinant of survival remain poorly understood. This study investigated behavioral responses in the model organism Drosophila melanogaster under simulated heat wave conditions. Flies were exposed to acute sublethal heat stress at 37 ℃ for 30–60 min. Using the deep learning framework SLEAP to track body parts, we precisely quantified
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: Accurate prediction of bleeding events in patients receiving oral anticoagulants remains a key challenge in the management of atrial fibrillation (AF) and venous thromboembolism (VTE). Machine learning (ML) algorithms have emerged as powerful tools that capture complex, nonlinear interactions among risk factors, potentially offering superior accuracy. Objectives: To synthesize evidence comparing ML-based bleeding risk models with conventional clinical scores in anticoagulated AF and VTE populations. Methods: We conducted a systematic review with narrative synthesis of studies publi
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.
Accurately estimating the solubility of drugs in supercritical carbon dioxide (SCCO₂) still represents a major difficulty in drug formulation, separation processes, and green technologies. Traditional empirical and semi-empirical methods usually have a hard time representing the complex non-linear interactions that determine solubility under different thermodynamic conditions (e.g., T and P), which, in turn, restricts their applicability and predictive consistency. This study presents an ensemble framework that combines three machine learning regressors, namely, Extreme Gradient Boosting Regre
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: To develop a machine learning (ML) model using clinical data and ultrasound features for gout prediction, and apply SHapley Additive exPlanations (SHAP) for model interpretation.
METHODS: This study analyzed 609 patients' first metatarsophalangeal (MTP1) joint ultrasound data from two institutions. Institution 1 data (n = 571) were split into training cohort (TC) and internal testing cohort (ITC) (8:2 ratio), while Institution 2 data (n = 92) served as external testing cohort (ETC). Key predictors were selected using Random Forest (RF), Least Absolute Shrinkage and Selection Operat
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.
ALS (Amyotrophic Lateral Sclerosis) is a neurodegenerative disorder causing profound physical disability that severely impairs a patient's life expectancy and quality of life. It also leads to muscular atrophy and progressive weakness of muscles due to insufficient nutrition in the body. At present, there are no disease-modifying therapies to cure ALS, and there is a lack of preventive tools. The general clinical assessments are based on symptom reports, neurophysiological tests, neurological examinations, and neuroimaging. But, these techniques possess various limitations of low reliability,
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: To develop and validate a machine learning radiomics model integrating automated three-dimensional body composition and tumor imaging features for predicting overall survival in resectable non-small cell lung cancer (NSCLC).
MATERIALS AND METHODS: This multicenter retrospective study included patients with resectable NSCLC treated between January 2013 and December 2017, who were assigned to training, internal, and external validation cohorts. A fully automated deep learning algorithm was developed for body composition segmentation. Radiomic features from tumor and body composition
СтатьяМногоцентровое 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.
BACKGROUND: Carotid atherosclerosis (CAS), an important factor in the development of stroke, is a major public health concern. The aim of this study was to establish and validate machine learning (ML) models for early screening of CAS using routine health check-up indicators in northeast China.
METHODS: A total of 69,601 health check-up records from the health examination center of the First Hospital of China Medical University (Shenyang, China) were collected between 2018 and 2019. For the 2019 records, 80% were assigned to the training set and 20% to the testing set. The 2018 records were u
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.
Early diagnosis and access to resources, support and therapy are critical for improving long-term outcomes for children with autism spectrum disorder (ASD). ASD is typically detected using a case-finding approach based on symptoms and family history, resulting in many delayed or missed diagnoses. While population-based screening would be ideal for early identification, available screening tools have limited accuracy. This study aims to determine whether machine learning models applied to health administrative and birth registry data can identify young children (aged 18 months to 5 years) who a
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.
MedElevator
Войти в исследования