Acute lymphoblastic leukemia (ALL) is a hematological malignancy characterized by the rapid proliferation of immature white blood cells in the bone marrow. Early and accurate diagnosis is essential for improving clinical outcomes; however, distinguishing between lymphocytes and lymphoblasts poses significant challenges owing to their subtle morphological similarities. Traditional manual diagnostic methods, which rely on expert evaluations, are inherently time-consuming and subject to human error. In recent years, machine learning and deep learning approaches have emerged as promising tools for
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.
The transition toward new approach methodologies for toxicity testing has accelerated the development of computational models that utilize transcriptomic data to predict chemical-induced adverse effects. Here, we applied supervised machine learning to gene expression data derived from primary human hepatocytes and rat liver models (in vitro and in vivo) to predict drug-induced hepatic steatosis. We evaluated five machine learning classifiers using microarray data from the Open TG-GATEs database. Among these, support vector machine (SVM) consistently achieved the highest performance, with area
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.
BACKGROUND: This study challenges state-of-the-art cardiac amyloidosis (CA) diagnostics by feeding multi-chamber strain and cardiac function into supervised machine (SVM) learning algorithms.
METHODS: Forty-three CA (32 males; 79 years (IQR 71; 85)), 20 patients with hypertrophic cardiomyopathy (HCM, 10 males; 63.9 years (±7.4)) and 44 healthy controls (CTRL, 23 males; 56.3 years (IQR 52.5; 62.9)) received cardiovascular magnetic resonance imaging. Left atrial, right atrial and right ventricular strain parameters and cardiac function generated a 41-feature matrix for decision tree (DT), k-nea
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.
Datura stramonium L. (DS) poisoning remains a significant toxicological concern in clinical and forensic contexts. In forensic casework, leaf ingestion is mainly associated with accidental exposure, whereas seed ingestion is more frequently linked to suspected intentional poisoning. However, conventional toxicological analysis based on tropane alkaloids cannot distinguish between these exposure sources, limiting forensic interpretation. This study developed a serum metabolomics strategy integrating machine learning to viably discriminate between seed- and leaf-derived Datura exposure using met
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: High glucose (HG), hypoxia (Hyp), and their combination are major risk factors for proliferative diabetic retinopathy (PDR). Although these conditions induce features of the Warburg-like metabolic reprogramming in human retinal endothelial cells (HRECs), it remains unclear whether they produce distinct metabolic and angiogenic subtypes. This study aimed to characterize the Warburg-like-associated metabolic heterogeneity induced by these PDR-related risk factors and evaluate the ability of supervised machine-learning models to distinguish these subtypes.
METHODS: HRECs were cultured u
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.
Recently, Software-Defined Networking has become one of the key technologies in modern telecommunication networks. Its programmable and flexible architecture enables centralized control of network resources, automation of management processes, and integration with other technologies such as Network Function Virtualization, Edge/Fog/Cloud Computing, and 5G/6G networks. Moreover, SDN provides a natural environment for implementing advanced Machine Learning and Artificial Intelligence techniques, which are increasingly applied to anomaly detection, network traffic analysis, load prediction, and f
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: Novel machine learning (ML) methods are being investigated across medicine for their predictive capabilities while boasting increased adaptability and generalizability. In our study, we compare logistic regression with machine learning for feature importance analysis and prediction in first-pass reperfusion.
METHODS: We retrospectively identified cases of ischemic stroke treated with mechanical thrombectomy (MT) at our institution from 2012-2018. Significant variables used in predictive modeling were demographic characteristics, medical history, admission NIHSS, and stroke chara
Сравнительное исследованиеСтатьяПоиск 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 work addresses the challenge of accurately identifying living circulating tumor cell (CTC) from contaminating leukocytes by developing a novel, fixation-free dual-marker sensing strategy that preserves cell viability and biomolecular integrity for downstream analysis. Our strategy utilizes telomerase-responsive gold nanoparticles (polyA-TSP-AuNPs) to increase intracellular negative charge, which in turn enhances the electrostatic accumulation of a custom-synthesized, mitochondria-targeting aggregation-induced emission probe (DSA-PPh3). This dual-marker identification system was then integ
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.
Canine ehrlichiosis, caused by Ehrlichia canis, is a tick-borne disease with a global distribution that significantly affects the clinical and epidemiological landscape for dogs. Although laboratory diagnosis is essential, current diagnostic methods exhibit limitations in sensitivity, specificity, and cost-effectiveness. This study evaluated the efficacy of ultraviolet (UV) spectroscopy combined with machine learning techniques to differentiate serological samples that are positive and negative for E. canis. A total of 46 canine serum samples, classified via Enzyme-Linked Immunosorbent Assay/D
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.
INTRODUCTION: Postmenopausal bleeding (PMB) is a common clinical symptom, with endometrial cancer (EC) accounting for about 10% of cases. This study aimed to develop machine-learning models to predict EC in women with PMB, supporting risk stratification and optimizing diagnostic pathways.
MATERIAL AND METHODS: We retrospectively analysed 617 women who underwent hysteroscopy for PMB at the Meir Medical Center between 2014 and 2023. Demographic, clinical, laboratory, and imaging data were collected. Three supervised machine-learning algorithms - Random Forest, eXtreme Gradient Boosting (XGBoost
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.
PURPOSE: To identify clinical profiles associated with conduct disorder (CD) among adolescents with attention-deficit/hyperactivity disorder (ADHD) using integrated statistical and machine learning approaches.
METHODS: A total of 138 adolescents aged 11-18 years (100 ADHD; 38 ADHD+CD) were assessed using multidimensional sociodemographic and psychometric measures. Ninety-nine variables were analyzed. Feature selection and classification analyses were performed using χ2 and mRMR methods combined with supervised machine learning models, including logistic regression, support vector machine (SVM
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.
Unobtrusive pulse rate monitoring by continuous video recording, based on remote photoplethysmography (rPPG), might enable early detection of perioperative arrhythmias in general ward patients. However, the accuracy of an rPPG-based machine learning model to monitor the pulse rate during sinus rhythm and arrhythmias is unknown. We conducted a prospective, observational diagnostic study in a cohort with a high prevalence of arrhythmias (patients undergoing elective electrical cardioversion). Pulse rate was assessed with rPPG via a visible light camera and ECG as reference, before and after card
СтатьяНаблюдательное 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.
BACKGROUND: Care for children with autism spectrum disorder (ASD) can be challenging for families and medical care systems. This is especially true in low- and- middle-income countries such as Bangladesh. To improve family-practitioner communication and developmental monitoring of children with ASD, mCARE (Mobile-Based Care for Children with Autism Spectrum Disorder Using Remote Experience Sampling Method) was developed. Within this study, mCARE was used to track child milestone achievement and family sociodemographic assets to inform mCARE feasibility/scalability and family asset-informed pra
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.
Under the Marr-Ito-Albus framework, the cerebellum performs supervised learning in Purkinje cells upon the unsupervised sparse representations generated within granule cells, contributing fundamentally to associative learning in motor control. However, the specific mechanisms through which cerebellar circuitry and plasticity rules enable supervised learning, and properties of the sparse coding induced by cerebellar architectural constraints, remain poorly characterized. To address this, we first established a sparse coding mechanism inspired by anatomical and physiological properties of the gr
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 sellar region tumor is a brain tumor that only exists in the brain sellar, which affects the central nervous system. The early diagnosis of the sellar region tumor subtypes helps clinicians better understand the best treatment and recovery of patients. Magnetic resonance imaging (MRI) has proven to be an effective tool for the early detection of sellar region tumors. However, the existing sellar region tumor diagnosis still remains challenging due to the small amount of dataset and data imbalance. To overcome these challenges, we propose a novel self-supervised multi-scale multi-modal grap
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
COVID-19 CT image segmentation is of great significance in medical image analysis, but it faces numerous challenges, especially in the context of inter-institution collaboration and data privacy protection. In particular, with the scarcity of labeled data, the effective use of limited labeled data and abundant unlabeled data for training remains a pressing issue. To address this challenge, we propose an innovative Federated Semi-Supervised Learning method (FSSLCIS) for COVID-19 CT image segmentation. We apply the MixMatch method for local semi-supervised learning, leveraging data augmentation
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.Prostate lesion segmentation from multiparametric magnetic resonance images is particularly challenging due to the limited availability of labeled data. This scarcity of annotated images makes it difficult for supervised models to learn the complex features necessary for accurate lesion detection and segmentation.Approach.We proposed a novel semi-supervised algorithm that embeds prototype learning into mean-teacher (MT) training to improve the feature representation for unlabeled data. In this method, pseudo-labels generated by the teacher network simultaneously serve as supervision
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
Chronic kidney disease (CKD) is a pervasive global health challenge that necessitates early and accurate diagnosis for effective management. Renal ultrasound imaging is integral to CKD evaluation; however, precise segmentation of kidney structures is often compromised in advanced stages due to degraded image quality. In this work, we propose a novel semi-supervised segmentation framework that synergistically integrates Pseudo-Label Guided Contrastive Loss (PLGCL) with the ST++ learning strategy. By leveraging both labeled and unlabeled data, our method enhances segmentation accuracy. Extensive
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: Predicting disease-related genes is helpful for understanding the disease pathology and the molecular mechanisms during the disease progression. However, traditional methods are not suitable for screening genes related to the disease development, because there are some samples with weak label information in the disease dataset and a small number of genes are known disease-related genes.
RESULTS: We designed a disease-related gene mining method based on the weakly supervised learning model in this paper. The method is separated into two steps. Firstly, the differentially expressed
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: Several studies have identified transcutaneous spinal cord stimulation (tSCS) as a noninvasive neuromodulation technique for improving motor function in individuals with neurological disorders, including stroke. Despite a plethora of preliminary findings, there remains no standardized protocol regarding the optimal tSCS parameters tailored to patients with stroke. The objective of this study was to employ a supervised machine learning (ML) approach to determine the optimal tSCS frequency and intensity parameters for patients with chronic stroke by leveraging data from single-day
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