Accurate prediction of chiller energy consumption is crucial for reducing building energy consumption. In this study, an innovative dual-branch network architecture DNTB (A Dual-Branch Network Model Based on Transformer and Bi-LSTM for Energy Consumption Prediction in Building Chiller Systems) was proposed to address the problems of insufficient long-term dependency modeling and noise sensitivity in current prediction models. The research goal is to develop a prediction model that can simultaneously process temporal features and global dependencies. The basic principle is to utilize the comple
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.
OBJECTIVES: To investigate the role of retinal characteristics for high myopia (HM) prediction based on multi-machine learning (ML) and to provide an interpretable framework for the results.
METHODS: A total of 2981 patients (2981 eyes) were included, comprising 1191 HM eyes and 1790 non-HM eyes. A deep semantic segmentation network was used to quantify retinal structural parameters. Five ML algorithms were evaluated to develop predictive models, and SHapley Additive exPlanations method was applied to analyze feature contribution to the outcomes.
RESULTS: The eXtreme Gradient Boosting achiev
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: Colorectal cancer (CRC) represents a major global health burden, accounting for roughly 10% of all newly diagnosed cancers and cancer-related deaths worldwide. According to the World Health Organization, it is the third most diagnosed malignancy and the second leading cause of cancer mortality. Postoperative complications remain a significant concern after CRC resection, occurring in up to 50% of patients and contributing to increased morbidity, mortality, prolonged hospitalization, and substantial healthcare expenditure. Artificial intelligence (AI) has emerged as a transformative
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.
Introduction: This study aims to predict mortality using chest radiographs obtained on the first day of intensive care admission, thereby contributing to better planning of doctors' treatment strategies and more efficient use of limited resources through early and accurate predictions. Methods: We retrospectively analyzed 510 ICU patients. After data augmentation, a total of 3019 chest radiographs were used for model training and validation, while an independent, non-augmented test set of 100 patients (100 images) was reserved for final evaluation. Seventy-four (74) radiomic features were extr
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 identification of mixed solutions is a challenging and important subject in chemical analysis. In this paper, we propose a novel workflow that enables rapid qualitative and quantitative detection of mixed solutions. We use a methanol-ethanol mixed solution as an example to demonstrate the superiority of this workflow. The workflow includes the following steps: (1) converting Raman spectra into Raman images through CWT; (2) using MobileNetV3 as the backbone network, improved multi-label and multi-channel synchronization enables simultaneous prediction of multiple mixture concentrations; and
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 & AIM: Timely identification of the patients requiring intensive care unit admission (ICU) could be life-saving. We aimed to compare different machine learning algorithms to predict the requirements for ICU admission in COVID-19 patients.
METHODS: We screened all patients with COVID-19 at six academic hospitals in Tehran comprising our study population. A total of 44,112 COVID-19 patients (≥18 years old) were included, among which 7722 patients were hospitalized. We used a Random Forest algorithm to select significant variables. Then, prediction models were developed using the Supp
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.
IMPORTANCE: Cochlear implants substantially improve spoken language in children with severe to profound sensorineural hearing loss, yet outcomes remain more variable than in children with healthy hearing. This variability cannot be reliably predicted for individual children using age at implant or residual hearing. Development of an artificial intelligence clinical tool to predict which patients will exhibit poorer improvements in language skills may enable an individualized approach to improve language outcomes.
OBJECTIVE: To compare the accuracy of traditional machine learning (ML) with dee
СтатьяМногоцентровое 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.
Foodborne pathogenic infections pose a significant threat to human health. Accurate detection of foodborne diseases is essential in preventing disease transmission. This study proposed an AI model for precisely identifying foodborne pathogenic bacteria based on single-cell Raman spectrum. Self-transfer deep learning and ensemble prediction algorithms had been incorporated into the model framework to improve training efficiency and predictive performance, significantly improving prediction results. Our model can identify simultaneously gram-negative and positive, genus, species of foodborne pat…
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.
Neonatal jaundice is a common neonatal disease. Severe jaundices lead to kernicterus that affects intellectual development of infants or even causes death. Timely and early prediction is vital to the treatment and prevention. This paper presents a jaundice predictor, which uses C8051F020 as the core of single-chip microcomputer (SCM) system with prediction algorithms proven by a large number of clinical trials. The jaundice predictor can reduce the incidence rate of jaundice, alleviate the condition of infants with jaundice, improve the quality of perinatal, with predicting pathologic neonatal…
Аннотация на английскомСтатьяПоддержка 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 brain matures rapidly during childhood and adolescence. The environment may calibrate the pace of this process to shape cognition and mental health. Extending its utility as a risk marker from older to younger populations, brain age has been proposed to capture relative brain maturity in youth. Multiple algorithms have been developed to estimate brain age in predominantly White advantaged adults. Whether these models are useful in youth, particularly in more representative cohorts, remains unclear. Here, we systematically compare five influential algorithms (Drobinin, Whitmore, Pyment, Kau
СтатьяTwin StudyПоиск 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.
Analyzing the abnormality of morphological characteristics of male human sperm has been studied for a long time mainly because it has many implications on the male infertility problem, which accounts for approximately half of the infertility problems in the world. Yet, detecting such abnormalities by embryologists has several downsides. To clarify, analyzing sperms through visual inspection of an expert embryologist is a highly subjective and biased process. Furthermore, it takes much time for a specialist to make a diagnosis. Hence, in this paper, we proposed two deep learning algorithms that
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.
OBJECTIVE: This article presents two studies (one simulation and one pilot) that assess a custom computer algorithm designed to predict motion sickness in real-time.
BACKGROUND: Virtual reality has a wide range of applications; however, many users experience visually induced motion sickness. Previous research has demonstrated that changes in kinematic (behavioral) parameters are predictive of motion sickness. However, there has not been research demonstrating that these measures can be utilized in real-time applications.
METHOD: Two studies were performed to assess an algorithm designed to p
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 hospital bed occupancy forecasting is essential for effective resource planning and patient flow management. While complex machine learning models have gained popularity in healthcare forecasting, their operational utility often falls short due to high maintenance costs and limited interpretability. This study evaluates the performance and practicality of Prophet, a parsimonious time-series model, for mid-term hospital bed occupancy forecasting.
METHODS: We applied the Prophet model to daily bed occupancy data from the Medical Center - University of Freiburg (2010-2023),
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: Surgical site infections (SSIs) remain a major cause of health care-associated infections, and early prediction is essential for improving patient outcomes. Machine learning (ML) has shown potential for SSI prediction; however, clinical implementation requires models that are both accurate and explainable. Despite recent progress in explainable ML, its clinical application to SSI prediction remains limited.
OBJECTIVE: This study aimed to map explainable ML models for SSI prediction from a clinical perspective and examine their use of structured and unstructured data across the dim
СтатьяScoping ReviewОбзорПоиск 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: Burn patients are a group highly prone to sepsis and bloodstream infections (BSIs) due to immune dysregulation, skin barrier loss, and complex inflammatory responses. Traditional diagnostic criteria for sepsis are often unreliable in this population. While conventional regression models and laboratory biomarkers have been widely studied, they have limitations. Machine learning (ML) techniques have been used for this purpose. However, no systematic review has yet summarized these applications specifically for burn care. This review aims to synthesize and critically appraise curren
СтатьяСистематический обзорПолный 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: Rapid evolution of artificial intelligence (AI) prompted its wide application in healthcare systems. Stereotactic radiosurgery served as a good candidate for AI model development and achieved encouraging result in recent years. This article aimed at demonstrating current AI application in radiosurgery.
METHODS: Literatures published in PubMed during 2010-2022, discussing AI application in stereotactic radiosurgery were reviewed.
RESULTS: AI algorithms, especially machine learning/deep learning models, have been administered to different aspect of stereotactic radiosurgery. Sponta
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.
Despite the lack of large randomized clinical studies, viscoelastic tests (VETs) have been a critical armamentarium for hemostatic control in liver transplantation (LT) since the 1960s. Many transplant institutions have adopted VETs in their clinical practice. Several small-size randomized clinical trials on LT patients have suggested that VET-guided hemostatic treatment algorithms have led to decreased indications for and amounts of transfused blood products, especially fresh-frozen plasma, compared to standard laboratory-based hemostatic management. VETs have also been reported to offer insi
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.
Uncertainty poses a significant challenge for optimization algorithms in real-world applications. As these algorithms become more sophisticated, there is an increasing need for them to produce reliable and explainable decisions under uncertain conditions. This article introduces knowledge-enabled explainable chance-constrained programming (KECCP), a novel approach that considers the impact of uncertainty and human factors on chance-constrained programming. KECCP employs the differential evolution (DE) algorithm to construct and represent knowledge through the average treatment effect (ATE) and
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.
Machine learning has increasingly gained prominence in the healthcare sector due to its ability to address various challenges. However, a significant issue remains unresolved in this field: the handling of imbalanced data. This process is crucial for ensuring the efficiency of algorithms that utilize classification techniques, which are commonly applied in risk management, monitoring, diagnosis, and prognosis of patient health. This study conducts a comparative analysis of techniques for handling imbalanced data and evaluates their effectiveness in combination with a set of classification algo
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.
Commonly used clustering algorithms typically require user parameters such as the number of clusters to be divided. Density-based algorithms do not have such requirements but are not suitable for high dimensional data. Recent studies have merged the cluster assignment task with deep similarity learning. In this paper, we propose a novel framework to perform dynamic image clustering without prior knowledge of the cluster count. A deep learning model first learns data similarity from scratch, followed by the use of a coordinate learning model to project high dimensional data onto a two-dimension
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.
MedElevator
Войти в исследования