Amyotrophic lateral sclerosis (ALS) is a neurodegenerative disease that is universally fatal and has no cure. Heterogeneity of clinical presentation, disease onset, and proposed pathological mechanisms are key reasons why developing impactful therapies for ALS has been challenging. Here we analyzed data from two postmortem cohorts: one with bulk transcriptomes from 297 ALS patients and a separate cohort of single cell transcriptomes from 23 ALS patients. Using unsupervised machine learning, we found three groups of ALS patients characterized by synaptic dysfunction (34%), neuronal regeneration
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.
UNLABELLED: This narrative review examines the application of artificial intelligence (AI) and machine learning (ML) across three major learning paradigms-supervised, unsupervised, and reinforcement learning (RL). The former has shown remarkable accuracy in diagnosing dental diseases, such as caries, periodontal conditions, and oral cancers; the second uses unsupervised learning techniques, such as clustering and association rule mining, to uncover hidden patterns in patient data, improving preventive care and resource allocation; and the latter uses RL techniques, such as Q-learning, deep Q-n
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.
Accurate segmentation of Optical Coherence Tomography (OCT) images is crucial for diagnosing and monitoring retinal diseases. However, the labor-intensive nature of pixel-level annotation limits the scalability of supervised learning for large datasets. Weakly Supervised Semantic Segmentation (WSSS) offers a promising alternative by using weaker forms of supervision, such as image-level labels, to reduce the annotation burden. Despite its advantages, weak supervision inherently carries limited information. We propose a novel WSSS framework with only image-level labels for OCT lesion segmentati
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.
Automated lesion segmentation through breast ultrasound (BUS) images is an essential prerequisite in computer-aided diagnosis. However, the task of breast segmentation remains challenging, due to the time-consuming and labor-intensive process of acquiring precise labeled data, as well as severely ambiguous lesion boundaries and low contrast in BUS images. In this article, we propose a novel semi-supervised breast segmentation framework based on confidence-ranked features and bi-level prototypes (CoBiNet) to alleviate these issues. Our outputs are derived from two branches: classifier and proje
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.
In prostate 3D MRI image segmentation methods, it is usually necessary to annotate each slice, and these annotations are generally time-consuming and specialized. In this study, we generate pseudo-labels using an annotation method with one foreground seed point and six edge relaxation points. We design a weakly supervised semantic learning segmentation framework, ACEA-Net. This segmentation framework solves the under-expansion problem due to the lack of semantic affinity of the seed point pixels in the pseudo-labeling generation process. We design a Seed Cluster Geodesic Distance Transform (Se
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: Autism spectrum disorder (ASD) affects approximately 25-50% of children with tuberous sclerosis complex (TSC). Early identification of ASD in this high-risk population is crucial for timely intervention but remains challenging due to the heterogeneous clinical presentation and complex interplay of genetic, neurological, and environmental factors. This study aimed to integrate longitudinal diffusion tensor imaging (DTI) metrics with early behavioral features using supervised learning algorithms to predict ASD outcomes at 36 months.
METHODS: Data were obtained from the children enro
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: Microvascular decompression (MVD) surgery is a surgical procedure commonly used in the treatment of trigeminal neuralgia, which is based on the principle of relieving compression of the responsible blood vessels. Accurate segmentation of the vertebrobasilar artery can provide physicians with more intuitive spatial location relationships, effectively improving the success rate of MVD. In recent years, various learning-based methods have been widely used for artery segmentation. However, accurately segment the vertebrobasilar artery in complex skull base structures with little labeli
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
The rise of self-supervised learning (SSL) in medical imaging holds immense potential, particularly for leveraging unlabeled data and achieving surprising performance in scenarios with limited annotations. Our study shows that comparisons with traditional supervised learning (SL) are often confounded by differences in workflows, leading to potentially biased conclusions. The SL paradigm is typically employed with a one-stage training workflow, while the typical SSL linear evaluation workflow involves a two-stage process: pre-training a backbone with a projector, followed by fine-tuning a rando
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.
Acute stroke management involves rapid and accurate interpretation of CTA imaging data. However, generalizable models for multiple acute stroke tasks able to learn from unlabeled data do not exist. We propose a linear probed self-supervised contrastive learning utilizing 3D CTA images and the findings section of radiologists' reports for pretraining. Subsequently, the pretrained model was applied to four disparate tasks: large vessel occlusion (LVO) detection, acute ischemic stroke detection, acute ischemic stroke, intracerebral hemorrhage classification, and ischemic core volume prediction. T
СтатьяПоддержка исследования: вне правительства СШАПоддержка NIH: внешняя программаПолный 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: Genetic diagnosis of muscular dystrophies (MDs) has classically been guided by clinical presentation, muscle biopsy, and muscle MRI data. Muscle MRI suggests diagnosis based on the pattern of muscle fatty replacement. However, patterns overlap between different disorders and knowledge about disease-specific patterns is limited. Our aim was to develop a software-based tool that can recognize muscle MRI patterns and thus aid diagnosis of MDs.
METHODS: We collected 976 pelvic and lower limbs T1-weighted muscle MRIs from 10 different MDs. Fatty replacement was quantified using Mercuri
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.
INTRODUCTION: Women and healthcare providers lack adequate information on medication safety during pregnancy. While resources describing fetal risk are available, information is provided in multiple locations, often with subjective assessments of available data. We developed a list of medications of greatest concern during pregnancy to help healthcare providers counsel reproductive-aged and pregnant women.
METHODS: Prescription drug labels submitted to the U.S. Food and Drug Administration with information in the Teratogen Information System (TERIS) and/or Drugs in Pregnancy and Lactation by
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: Differentiating multiple system atrophy-cerebellar subtype (MSA-C) from spinocerebellar ataxia (SCA) is often difficult due to overlapping cerebellar and autonomic manifestations. Heart rate variability (HRV) provides a noninvasive measure of cardiac autonomic function and may reveal distinct disease-specific patterns.
METHODS: In this cross-sectional study, 22 patients with MSA-C, 22 with genetically confirmed SCA, and 44 age-matched healthy controls underwent 5-min HRV recordings at rest and during deep breathing (DB) using a Polar® H10 sensor. Time- and frequency-domain indices
СтатьяСравнительное 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: There is a lack of reliable biomarkers for major depressive disorder (MDD) in clinical practice. However, several studies have shown an association between alterations in microRNA levels and MDD, albeit none of them has taken advantage of machine learning (ML).
METHOD: Supervised and unsupervised ML were applied to blood microRNA expression profiles from a MDD case-control dataset (n = 168) to distinguish between (1) case vs control status, (2) MDD severity levels defined based on the Montgomery-Asberg Depression Rating Scale, and (3) antidepressant responders vs nonresponders.
R
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.
OBJECTIVE: High-throughput gene expression profiling of tissue samples from patients with systemic sclerosis (SSc) has identified 4 "intrinsic" gene expression subsets: inflammatory, fibroproliferative, normal-like, and limited. Prior methods required agglomerative clustering of many samples. In order to classify individual patients in clinical trials or for diagnostic purposes, supervised methods that can assign single samples to molecular subsets are required. We undertook this study to introduce a novel machine learning classifier as a robust accurate intrinsic subset predictor.
METHODS: T
СтатьяПоддержка NIH: внешняя программаПоддержка 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: Transcatheter mitral valve repair (TMVR) utilization has increased significantly in the United States over the last years. Yet, a risk-prediction tool for adverse events has not been developed. We aimed to generate a machine-learning-based algorithm to predict in-hospital mortality after TMVR.
METHODS: Patients who underwent TMVR from 2012 through 2015 were identified using the National Inpatient Sample database. The study population was randomly divided into a training set (n = 636) and a testing set (n = 213). Prediction models for in-hospital mortality were obtained using five
СтатьяПоддержка NIH: внешняя программаПоиск 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.
Despite advancements in in vitro fertilization (IVF) over the past 30 years, its outcome effectiveness remains low (20-40%). This study introduces a microfluidic-based machine learning framework to improve predictive accuracy in oocyte quality assessment. Immature oocytes were recorded as they passed through a custom-designed microfluidic channel under controlled flow. Using image processing, two biomechanical features-Cortical Tension (CT) and Deformation Index (DI)-were extracted. Additionally, oocyte diameter and the critical flow rate (Q)-defined as the minimum flow rate necessary for an o
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.
(1) Background: Mild traumatic brain injury produces significant changes in neurotransmission including brain oscillations. We investigated potential quantitative electroencephalography biomarkers in 57 patients with post-concussive syndrome and chronic pain following motor vehicle collision, and 54 healthy nearly age- and sex-matched controls. (2) Methods: Electroencephalography processing was completed in MATLAB, statistical modeling in SPSS, and machine learning modeling in Rapid Miner. Group differences were calculated using current-source density estimation, yielding whole-brain topograph
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 validate claims-based algorithms for identifying thyroid eye disease (TED) cases and assess whether machine learning can improve case identification in a large, linked real-world dataset. Methods: Using a large, linked database from Komodo Health® and Academy IRIS® Registry, we evaluated six rule-based algorithms incorporating Graves' disease (GD), eye symptoms and signs. The IRIS Registry's curated data, based on confirmed TED diagnoses from medical notes, served as the reference standard. Additionally, we developed supervised machine learning models using demographic, diagnost
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.
Identifying disease genes from a vast amount of genetic data is one of the most challenging tasks in the post-genomic era. Also, complex diseases present highly heterogeneous genotype, which difficult biological marker identification. Machine learning methods are widely used to identify these markers, but their performance is highly dependent upon the size and quality of available data. In this study, we demonstrated that machine learning classifiers trained on gene functional similarities, using Gene Ontology (GO), can improve the identification of genes involved in complex diseases. For this
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.
B-mode ultrasound-based computer-aided diagnosis model can help sonologists improve the diagnostic performance for liver cancers, but it generally suffers from the bottleneck due to the limited structure and internal echogenicity information in B-mode ultrasound images. Contrast-enhanced ultrasound images provide additional diagnostic information on dynamic blood perfusion of liver lesions for B-mode ultrasound images with improved diagnostic accuracy. Since transfer learning has indicated its effectiveness in promoting the performance of target computer-aided diagnosis model by transferring k
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.
MedElevator
Войти в исследования