BACKGROUND: More than half of people with HIV are now older than 50 years, and they face an approximately 60% higher risk of developing dementia compared with the general population. In recent years, the application of artificial intelligence, particularly machine learning, combined with the growing availability of large datasets, has opened new avenues for developing prediction models that improve dementia detection, monitoring, and management.
OBJECTIVE: This systematic review aimed to synthesize the existing literature on the application of machine learning in dementia research among older
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.
BACKGROUND: Environmental exposures are implicated in diabetes etiology, but are poorly understood due to disease heterogeneity, complexity of exposures, and analytical challenges. Machine learning and data mining are artificial intelligence methods that can address these limitations. Despite their increasing adoption in etiology and prediction of diabetes research, the types of methods and exposures analyzed have not been thoroughly reviewed.
OBJECTIVE: We aimed to review articles that implemented machine learning and data mining methods to understand environmental exposures in diabetes etio
СтатьяПоддержка NIH: внешняя программаScoping ReviewПоиск 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 machine learning for image-based medical diagnostics, supervised convolutional neural networks are typically trained with large and expertly annotated datasets obtained using high-resolution imaging systems. Moreover, the network's performance can degrade substantially when applied to a dataset with a different distribution. Here, we show that adversarial learning can be used to develop high-performing networks trained on unannotated medical images of varying image quality. Specifically, we used low-quality images acquired using inexpensive portable optical systems to train networks for the
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: Preoperative planning of the surgical approach for cervical spondylotic myelopathy (CSM) is central to precision medicine. This study used supervised machine learning (SML) to build a predictive model for surgical approach selection in CSM and applied unsupervised machine learning (UML) to explore clinical heterogeneity.
METHODS: In this retrospective study, a development cohort of 884 surgically treated patients with CSM was used for model development after exclusion of patients with incomplete perioperative data. Variables showing significant between-group differences were enter
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.
Characteristics of the mandible structures have been relevant in anthropological and forensic studies for sex prediction. This study aims to evaluate the coronoid process, condyle, and sigmoid notch patterns in sex prediction through supervised machine learning algorithms. Cephalometric radiographs from 410 dental records of patients were screened to investigate the morphology of the coronoid process, condyle, and sigmoid notch and the Co-Gn distance. The following machine learning algorithms were used to build the predictive models: Decision Tree, Gradient Boosting Classifier, K-Nearest Neigh
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.
The development of inexpensive, portable, and rapid opioid screening techniques is urgently needed because of the ongoing opioid crisis in the United States, primarily driven by illicit fentanyl. In this work, a nanoelectronic detection method was developed for opioids using machine learning. Fentanyl and three other opioids (codeine, hydrocodone, and morphine) were tested with field-effect transistor (FET) sensor array composed of single-walled carbon nanotubes (SWCNTs) decorated with gold and platinum nanoparticles. Hundreds of opioid samples were tested manually and with an automated electr
СтатьяПоддержка 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.
Autologous reconstruction using abdominal flaps remains the most popular method for breast reconstruction worldwide. We aimed to evaluate a prediction model using machine-learning methods and to determine which factors increase abdominal flap donor site complications with logistic regression. We evaluated the predictive ability of different machine learning packages, reviewing a cohort of breast reconstruction patients who underwent abdominal flaps. We analyzed 13 treatment variables for effects on the abdominal donor site complication rates. To overcome data imbalances, random over sampling e
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.
Fibromyalgia is a medical condition characterized by widespread muscle pain and tenderness and is often accompanied by fatigue and alteration in sleep, mood, and memory. Poor sleep quality and fatigue, as prominent characteristics of fibromyalgia, have a direct impact on patient behavior and quality of life. As such, the detection of extreme cases of sleep quality and fatigue level is a prerequisite for any intervention that can improve sleep quality and reduce fatigue level for people with fibromyalgia and enhance their daytime functionality. In this study, we propose a new supervised machine
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.
AIMS/INTRODUCTION: Gestational diabetes mellitus (GDM) is one of the most frequent pregnancy complications. Investigating clinical risk factors for adverse pregnancy outcomes in women with GDM would help predict and prevent neonatal complications. We developed a machine learning model to discover risk factors for adverse pregnancy outcomes.
MATERIALS AND METHODS: Women with GDM from tertiary hospitals in Korea were included (n = 305, discovery cohort; n = 911, validation cohort). Supervised machine learning classification models, including ExtraTree, RandomForest, GradientBoosting, AdaBoost,
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.
Diagnosis of undifferentiated fever is a major challenging task to the physician which often remains undiagnosed and delays the treatment. The aim of the study was to record and analyze a 24-hour continuous tympanic temperature and evaluate its utility in the diagnosis of undifferentiated fevers. This was an observational study conducted in the Kasturba Medical College and Hospitals, Mangaluru, India. A total of ninety-six (n = 96) patients were presented with undifferentiated fever. Their tympanic temperature was recorded continuously for 24 hours. Temperature data were preprocessed and vario
СтатьяНаблюдательное 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.
European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society2025eng
UNLABELLED: Spinal tumors represent 15% of all central nervous system malignancies, with intramedullary spinal cord tumors (IMSCTs) being rare. Predominantly ependymomas and astrocytomas, IMSCTs often present late, leading to significant morbidity and mortality. Surgical excision is key but challenging due to the tumors' complex, invasive nature. Treatment involves a multidisciplinary approach, considering tumor type and patient condition, ranging from subtotal to gross total resection, possibly with adjuvant therapy. This study uses machine learning on National Cancer Database data to predict
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.
Treatment with nucleos(t)ide analogues (NAs) may be stopped after 1-3 years of hepatitis B virus DNA suppression in hepatitis B e antigen (HBeAg)-negative patients according to Asian Pacific Association for the Study of Liver and European Association for the Study of Liver guidelines. However, virological relapse (VR) occurs in most patients. We aimed to analyze soluble immune markers (SIMs) and use machine learning to identify SIM combinations as predictor for early VR after NA discontinuation. A validation cohort was used to verify the predictive power of the SIM combination. In a post hoc a
Клиническое исследование II фазыКлиническое исследование III фазыСтатьяМногоцентровое исследованиеРандомизированное исследованиеПоддержка 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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2023eng
During the initial stages, atrial fibrillation (AF) typically presents as paroxysmal atrial fibrillation (PAF), which may further progress into persistent atrial fibrillation, leading to high-risk diseases such as ischemic stroke and heart failure. Given that the current machine learning algorithms used for predicting AF involve time-consuming and labor-intensive processes of feature extraction and labeling electrocardiogram data, this study proposes a novel two-stage semi-supervised AF attack prediction algorithm. The first stage is designed as unsupervised learning based on convolutional aut
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.
This study aimed to develop machine learning models to predict postoperative acute kidney injury (AKI) in surgical patients with pre-existing chronic kidney disease (CKD), a serious complication associated with high morbidity and accelerated disease progression. Using data from 3,851 surgical patients with CKD from the MIMIC-IV database, nine supervised machine learning models were developed to predict AKI, as defined by the KDIGO criteria. Postoperative AKI occurred in 24.2% (932/3,851) of the patients. The XGBoost model demonstrated the best predictive performance, achieving an AUC of 0.844,
СтатьяВалидационное исследованиеПолный 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: To build a self-supervised magnetic resonance imaging (MRI) foundation model from routine clinical scans and to test whether it can support key glioma-related applications, including post-therapy imaging outcome characterization and molecular marker inference.
MATERIALS AND METHODS: We created the Unified Multimodal Brain Imaging Foundation (UMBIF) model and pretrained it in a self-supervised manner using 51,029 routine brain MRI examinations collected across multiple institutions. Pretraining used a hybrid objective that couples masked-image reconstruction with contrastive represent
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: Amyotrophic lateral sclerosis (ALS) is known to represent a collection of overlapping syndromes. Various classification systems based on empirical observations have been proposed, but it is unclear to what extent they reflect ALS population substructures. We aimed to use machine-learning techniques to identify the number and nature of ALS subtypes to obtain a better understanding of this heterogeneity, enhance our understanding of the disease, and improve clinical care.
METHODS: In this retrospective study, we applied unsupervised Uniform Manifold Approximation and Projection [UMA
СтатьяResearch Support, N.I.H., IntramuralПоддержка 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.
Three-dimensional culture systems that allow generation of monolayered epithelial cell spheroids are widely used to study epithelial function in vitro. Epithelial spheroid formation is applied to address cellular consequences of (mono)-genetic disorders, that is, ciliopathies, in toxicity testing, or to develop treatment options aimed to restore proper epithelial cell characteristics and function. With the potential of a high-throughput method, the main obstacle to efficient application of the spheroid formation assay so far is the laborious, time-consuming, and bias-prone analysis of spheroid
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 stratify the risk of bacteremia at the time of emergency department (ED) admission in patients with hematologic malignancies. To this end, we compared the performance of unsupervised and supervised machine learning algorithms with the classical multivariable logistic regression model.
METHODS: We conducted a multicenter, international, retrospective cohort study including consecutive ED visits of adult patients with hematologic malignancies for whom blood cultures were obtained. The primary outcome was the prediction of bacteremia. The Bacteremia Objective Score System (BOSS)-1
Сравнительное исследованиеСтатьяМногоцентровое исследованиеНаблюдательное исследованиеПолный 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: Mexico has one of the highest global incidences of paediatric overweight and obesity. Public health interventions have shown only moderate success, possibly from relying on knowledge extracted using limited types of statistical data analysis methods.
PURPOSE: To explore if multimodal machine learning can enhance identifying predictive features from obesogenic environments and investigating complex disease or social patterns, using the Mexican National Health and Nutrition Survey.
METHODS: We grouped features into five data modalities corresponding to paediatric population exogeno
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.
OBJECTIVE: This study aimed to investigate how shift work and prolonged working hours affect mental fatigue under real-world working conditions, focusing on oil and gas drilling operations.
METHODS: Physiological data from drillers, collected via wearable sensors, were analyzed. EEG features and heart rate data were integrated, and a semi-supervised machine learning model was developed to classify mental fatigue.
RESULTS: The study revealed distinct heart rate changes under prolonged work and night-shift conditions, reflecting parasympathetic regulation and circadian disruption. EEG analysis
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.