We compare a variety of different anatomic connectivity measures, including several novel ones, that may help in distinguishing Alzheimer's disease (AD) patients from controls. We studied diffusion-weighted magnetic resonance imaging from 200 subjects scanned as part of the Alzheimer's Disease Neuroimaging Initiative. We first evaluated measures derived from connectivity matrices based on whole-brain tractography; next, we studied additional network measures based on a novel flow-based measure of brain connectivity, computed on a dense 3-dimensional lattice. Based on these 2 kinds of connectiv
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.
Wearable inertial measurement units (IMUs) provide an accessible means of monitoring fatigue-related changes in running biomechanics, yet most existing methods rely on limited feature sets, lack personalization, or fail to generalize across individuals. This study introduces a bioinformatics-inspired stride sequence modeling framework that integrates spectral-entropy features, sample entropy, frequency-domain descriptors, and mixed-effects statistical modeling to detect fatigue using a single lumbar-mounted IMU. Nineteen recreational runners completed non-fatigued and fatigued 400 m runs, from
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 AND OBJECTIVE: Pediatric celiac disease (CD) is characterized by marked clinical and immunological heterogeneity that is not full … n community detection. The resulting communities were characterized through statistical testing and supervised machine learning. pheTDA was benchmarked against t-SNE followed by DBSCAN and agglomerative hierarchical clustering (AHC), and sensitivity analyses repeated pheTDA using clinical variables only and diagnostic-test variables only.
RESULTS: pheTDA identified seven re …
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 etiology of chronic bowel disorders is multifaceted, with environmental exposure to harmful substances potentially playing a significant role in their pathogenesis. However, research on the correlation between polycyclic aromatic hydrocarbons (PAHs) and chronic bowel disorders remains limited. Using data from the National Health and Nutrition Examination Survey (NHANES) conducted in 2009-2010, we investigated the relationship between 9 PAHs and chronic diarrhea and constipation in U.S. adults. We employed unsupervised methods such as clustering and Principal Component Analysis (PCA) to ide
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.
PURPOSE: Circumpapillary retinal nerve fiber layer thickness (RNFLT) measurement aids in the clinical diagnosis of glaucoma. Spectral domain … pairs were selected. Spectralis OCT normative distributions were extracted from machine printouts. Supervised machine learning models compared predictive performance between pRNFLT and raw RNFLT inputs. Regional structure-function associations were assessed with univariate regression to predict mean deviation (MD). Multivariable classification predicted MD, pattern standard …
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.
Accurate estimation of rainfall depths associated with standard return periods is fundamental for hydraulic design, flood risk assessment, and water resources management, particularly in arid regions. Statistical extreme value distributions have long been the standard approach for rainfall frequency analysis, whereas machine learning (ML) has recently emerged as a potential alternative. This study presents a comprehensive comparison between twenty-five statistical distribution models and three supervised ML regressors-Support Vector Machine (SVM), Random Forest (RF), and Extreme Gradient Boost
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: Sepsis therapy is still limited to treatment of the underlying infection and supportive measures. To date, various sepsis subtypes were proposed, but therapeutic options addressing the molecular changes of sepsis were not identified. With the aim of a future individualized therapy, we used machine learning (ML) to identify clinical phenotypes and their temporal development in a prospective, multicenter sepsis cohort and characterized them using plasma proteomics.
METHODS: Routine clinical data and blood samples were collected from 384 patients. Sepsis phenotypes were identified ba
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.
INTRODUCTION: Respiratory tract infections (RTIs) are a leading cause of morbidity and mortality. This study aimed to explore the underlying characteristics of inpatients with an RTI pre-and-during the COVID-19 pandemic and apply supervised machine learning (ML) to predict the RTI diagnoses during the pandemic.
METHODS: Data on inpatients with an RTI from 55 acute Irish hospitals (2016-2021) was extracted from the Irish hospital inpatient enquiry (HIPE) dataset. Multivariable logistic regression, random forests and extreme gradient boosting models were applied.
RESULTS: Out of 1,133,385 inpa…
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.
Utility-scale wind energy conversion systems are subjected to highly stochastic aerodynamic loading profiles, making drivetrain components-p … while maintaining low false alarm rates, statistically outperforming conventional unsupervised and supervised machine learning baselines. Furthermore, the learned fatigue parameters of the bearings converge to theoretical fatigue wear limits, validating the physics-guided parameter discovery mechanism.
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.
Immune checkpoint inhibitors (ICIs) have transformed the treatment of multiple solid tumors, but durable benefit remains restricted to a subset of patients and conventional size-based imaging does not fully capture immune-related response patterns. Radiomics and deep learning offer a route to convert routine CT, MRI, and PET/CT into quantitative biomarkers of tumor phenotype, whole-body heterogeneity, and temporal treatment response. This narrative review critically synthesizes the evidence across solid tumors with an emphasis on four questions that are often separated in the literature: what
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.
BACKGROUND AND MOTIVATION: Classification of transcriptomic gene data is essential for Cardiovascular disease (CVD) risk, particularly in Hypertrophic Cardiomyopathy (HCM) and Acute Myocardial Infarction (AMI) patients. Existing approaches suffer from limited feature representation and weak biological context modeling. To address these gaps, we propose AtheroEdge™ 5.0, which incorporates three novel Transformers (Xmers): Neuro-Topology (NT), Self-Supervised Contrastive Learning with Alignment and Random Feature Masking (SCARF), and Temporal Diffusion Gene (TDG).
METHOD: Twelve Artificial Inte
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.
Objective: To provide a comprehensive literature review of original work on artificial intelligence in ocular oncology. Methods: Scoping review of PubMed-indexed original articles (n = 94) on the use of artificial intelligence in ocular oncology, retrieved during the month of February 2026 and independently screened by two ocular oncologists. Results: Most of the literature on artificial intelligence (AI) in ocular oncology focuses on uveal melanoma and its differentials (n = 39, 41%), followed by retinoblastoma (n = 14, 15%) and orbital tumors (n = 12, 13%). The purpose of using the AI models
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.
INTRODUCTION: The use of orthobiologics such as autologous peripheral blood-derived orthobiologics, bone marrow-derived biologics, adipose tissue-derived biologics, mesenchymal stem cells, and extracellular vesicles is gaining traction in the field of orthobiology for the treatment of osteoarthritis (OA), tendinopathy, cartilage injuries, and delayed musculoskeletal healing. Clinical responses are inconsistent due to biological variation among patients, disease manifestations, product composition, delivery accuracy, and outcome definitions.
MATERIALS AND METHODS: The literature was searched i
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: Prior authorization (PA) is intended to support appropriate use and spending of services and medications, yet 1 in 6 insured adults report PA-related problems linked to delayed care, worse access, and higher financial burden. As artificial intelligence (AI) expands in utilization management and other pharmacy benefit operations, evidence guiding responsible AI use in PA remains fragmented.
OBJECTIVE: To systematically map AI applications across PA workflow and evaluate model development, validation, equity, and implementation outcomes relevant to managed care pharmacy and patient
СтатьяСистематический обзорПоиск 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.
IntroductionPediatric extracorporeal membrane oxygenation (ECMO) is a highly complex therapy characterised by rapidly evolving physiology, high complication rates, and substantial cognitive demands on multidisciplinary teams. Management requires continuous integration of physiologic, laboratory, ventilatory, and circuit-derived data to support time-critical decisions related to gas exchange, haemodynamics, anticoagulation, transfusion, circuit surveillance, and weaning. Despite technological advances and growing international standardisation, morbidity and mortality continue to be driven by ne
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.
INTRODUCTION: Huntington's disease (HD), a dominantly inherited neurodegenerative disorder caused by CAG repeat expansions in the HTT gene, manifests with progressive motor dysfunction, cognitive decline, and psychiatric disturbances. While current transgenic mouse models recapitulate key pathological features, they exhibit rapid disease progression, and early behavioural phenotypes are not analyzed comprehensively to understand their progression.
METHODS: We employed a high-resolution 3-dimensional motion capture and unsupervised machine learning to dissect behavioral dynamics in the R6/1 HD…
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.
Early detection of autism spectrum disorder (ASD) in young children is essential for timely referral, developmental monitoring, and access to early intervention. However, conventional screening and diagnostic pathways often depend on parent-report instruments, episodic clinical observation, and specialist-administered assessments, which may delay identification during the first years of life. This scoping review maps the methodological landscape of early ASD detection from traditional clinical screening to multimodal artificial intelligence (AI). A structured literature search was conducted ac
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.
PURPOSE: The recent advances in artificial intelligence (AI) represent a promising solution to increasing clinical demand and ever limited health resources. Whilst powerful, AI models require vast amounts of representative training data to output meaningful predictions in the clinical environment. Clinical registries represent a promising source of large volume real-world data which could be used to train more accurate and widely applicable AI models. This review aims to provide an overview of the current applications of AI to ophthalmic clinical registry data.
DESIGN AND METHODS: A systemati
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.
Systemic lupus erythematosus (SLE) is a clinically and biologically heterogeneous autoimmune disease in which patients with similar or disparate clinical phenotypes can exhibit distinct molecular drivers. This heterogeneity limits the utility of traditional, largely linear, analytic approaches and contributes to variations in diagnosis, prognosis, and therapeutic outcome. Artificial intelligence (AI), including machine learning (ML) and deep learning (DL), offers a complementary framework for extracting nonlinear patterns from complex biomedical datasets and for translating high dimensional mo
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.
Missed medical appointments, including cancellations and no-shows, disrupt clinical workflows, reduce resource efficiency, and can compromise patient care. This study develops a machine learning (ML) framework to jointly predict cancellations and no-shows using approximately 1.8 million chemotherapy appointments from Dana-Farber Cancer Institute in Boston, Massachusetts, USA. We implement a hierarchical ML approach that first detects cancellations and then predicts no-shows among the remaining cases. Combining static appointment features with dynamic temporal features derived from prior schedu
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.
MedElevator
Войти в исследования