OBJECTIVE: This study aimed to develop a ground truth for a convolutional neural network-based segmentation of the stapes, chorda tympani and facial nerve in endoscopic ear surgery videos, and to evaluate the accuracy of artificial intelligence (AI) predictions on test videos.
METHODS: Forty prospectively-gathered endoscopic ear tympanotomy videos were segmented to establish a ground truth. This ground truth was used to prime a convolutional neural network (CNN) to predict the stapes, chorda tympani and facial nerve. The CNN was then tested on an unlabeled series of videos, and the accuracy o
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: Although artificial intelligence tools show promise for enhancing the diagnosis of head and neck lesions, few studies have tested these resources for the microscopic diagnosis of salivary gland tumors. Specifically, the microscopic differentiation between acinic cell carcinoma and secretory carcinoma has never been addressed in this context. Therefore, this exploratory study aimed to comparatively evaluate the feasibility of applying convolutional neural networks for the microscopic differentiation between acinic cell carcinomas and secretory carcinomas.
METHODS: A cross-sectional
СтатьяСравнительное 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.
Background & objectives Central TB division facilitated development of a line probe assay (LPA) artificial intelligence (AI) tool. The tool was developed, trained, and validated for performance by collecting more than 18,000 LPA strips across culture and drug susceptibility Testing (C&DST) laboratories. The Indian Council of Medical Research (ICMR)-National Institute for Research in Tuberculosis (NIRT) evaluated the LPAAI tool independently. The objective was to establish and verify an AI-driven system for automatically interpreting LPA strips, which are employed in tuberculosis drug resistanc
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.
INTRODUCTION/AIMS: The cross-sectional area (CSA) of the median nerve (MN) is a key parameter for confirming carpal tunnel syndrome (CTS) with ultrasound. This study evaluates the performance of a convolutional neural network (CNN) with a 2D U-Net architecture for automated MN CSA segmentation in both healthy individuals and patients with CTS. Automated segmentation supports large-scale analysis, improves standardization across centers, and may serve as a foundation for future diagnostic tools.
METHODS: Three hundred static ultrasound images from 50 healthy participants and 300 from 74 patien
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: The study aimed to compare multiple convolutional neural networks architectures for their classification performance in distinguishing salivary gland tumors, pleomorphic adenoma and carcinoma ex pleomorphic adenoma, using whole-slide images.
METHODS: A cross-sectional study using 107 hematoxylin and eosin stained whole-slide images from 83 patients diagnosed with pleomorphic adenoma (n = 41) and carcinoma ex pleomorphic adenoma (n = 42) was conducted. Eight convolutional neural networks models (ResNet50, InceptionV3, VGG16, Xception, MobileNet, DenseNet121, EfficientNetB0, and Effi
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.
This study proposes a deep learning-based method to improve overlay alignment precision in laser direct writing systems. Alignment errors arise from multiple sources in nanoscale processes, including optical aberrations, mechanical drift, and fiducial mark imperfections. A significant portion of the residual alignment error stems from the interpretation of mark coordinates by the vision system and algorithms. Here, we developed a convolutional neural network (CNN) model to predict the coordinates calculation error of 66,000 sets of computer-generated defective crosshair marks (simulating real
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.
Humans are motivated to interact with each other, but the neural bases of social motivation have been predominantly examined in non-interactive contexts. Understanding real-world social motivation is of special importance during middle childhood (ages 8-12), a period when social skills improve, social networks grow, and social brain networks specialize. To assess interactive social motivation, the current study used a novel fMRI paradigm in which children believed they were chatting with a peer. The design targeted two phases of interaction: (1) Initiation, in which children engaged in a socia
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.
Digital twin (DT) technology, combined with advanced computational methodologies, represents a paradigm shift in sports science. DTs generate virtual athlete replicas through real-time data integration and predictive analytics. While computational capabilities and data acquisition have advanced rapidly, DT applications in sports remain fragmented, warranting systematic synthesis. This narrative review examines the applications of DT in sports, with a focus on big data analytics and deep learning for performance enhancement, injury prevention, and rehabilitation. A narrative review was conducte
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.
OBJECTIVE: The applications of artificial intelligence (AI) are increasing in restorative dentistry; however, the AI performance is unclear for dental professionals. The purpose of this narrative review was to evaluate the applications, functions, and accuracy of AI in diverse aspects of restorative dentistry including caries detection, tooth preparation margin detection, tooth restoration design, metal structure casting, dental restoration/implant detection, removable partial denture design, and tooth shade determination.
OVERVIEW: An electronic search was performed on Medline/PubMed, Embase
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.
Brain-computer interfaces (BCIs) establish a communication pathway between the human brain and external devices by decoding neural signals. This study focuses on enhancing the classification of Motor Imagery (MI) within BCI systems by leveraging advanced machine learning and deep learning techniques. The accurate classification of electroencephalogram (EEG) data is crucial for enhancing BCI performance. The BCI architecture processes electroencephalography signals through three critical stages: data pre-processing, feature extraction, and classification. The research evaluates the performance
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.
Kinematic tracking of healthy joints in radiography sequences is frequently performed by maximizing similarities between computed perspective projections of 3D computer models and corresponding objects' appearances in radiographic images. Significant human effort associated with manual tracking presents a major bottleneck in biomechanics research methods and limits the scale of target applications. The current work introduces a method for fully-automatic tracking of tibiofemoral and patellofemoral kinematics in stereo-radiography sequences for subjects performing dynamic activities. The propos
СтатьяПоддержка NIH: внешняя программаПоддержка исследования: вне правительства СШАПоддержка 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 Conference2025eng
Motor imagery-based Brain-Computer Interfaces (BCIs) suffer from limited accuracy when the EEG dataset is recorded from naive BCI users due to noisy components. Neural networks capture more robust representations of EEG features, but require large amount of data which is challenging to collect, due to long motor imagery training sessions. On the other hand, linear- and Riemann-based machine learning algorithms achieve above chance-level accuracy on small scale datasets, but, performance degrades on noisy datasets. To address this issue, we implemented a Wasserstein Generative Adversarial Netwo
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.
As the global population ages, the prevalence of neurodegenerative diseases (NDDs)including Alzheimer's disease, Parkinson's disease, Huntington's disease, Multisystem Atrophy (multiple system atrophy), and amyotrophic lateral sclerosiscontinues to rise, largely driven by environmental, metabolic, and lifestyle risk factors. Advances in computational technologies, particularly machine learning (ML) and deep learning, are reshaping research in this field. This review summarizes the major features of these diseases and emphasizes the role of ML in drug discovery, virtual screening, drug repurp
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.
To overcome the shortcomings of traditional models in capturing the spatiotemporal dynamics of epidemic spread, this study introduces an innovative model, hybrid spatio-temporal neural network architecture (MI-GCN-LSTM), which integrates mutual information (MI), long short term memory (LSTM), and graph convolutional network (GCN) to collaboratively predict epidemic trends across multiple regions during public health emergencies. First, an adjacency matrix is constructed using mutual information theory to quantify the influence of complex behaviors such as interregional population movement, thu
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 increasing complexity of classroom environments necessitates nigh-on-sophisticated methods for the detection and analysis of student behavior, especially in Japanese language education, where engagement and attention are crucial for effective learning. This study presents a new model to integrate the AlexNet deep Neural Network combined with an Extreme Learning Machine (ELM) for enhanced feature extraction and classification accuracy in the detection of student behavior under wireless network settings. Up until now, optimizer parameters of the ELM need to be adjusted to enhance the converg
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.
This study presents a Geospatial Artificial Intelligence (GeoAI) framework for high-resolution Zoonotic Cutaneous Leishmaniasis (ZCL) risk mapping, correlation analysis, and scenario-based projection, integrating geographic information systems (GIS), remote sensing, and neural network architecture. Historical disease maps and multi-temporal satellite-derived environmental layers were jointly modeled using a multilayer perceptron (MLP), two-dimensional convolutional neural networks (2D-CNNs), and three-dimensional CNNs (3D-CNNs). The principal methodological contribution is the implementation o
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.
Monitoring of fasting blood sugar (FBS) is a critical component in the diagnosis and management of diabetes, one of the most widespread chronic diseases globally. Microwave sensing-particularly through microstrip-based sensors-has recently gained attention as a promising technique for blood glucose monitoring, offering advantages such as low cost, high sensitivity, real-time response capability, and suitability for compact and wearable systems. In this study, a miniaturized microstrip microwave sensor is presented for non-contact FBS detection. Blood samples were directly collected from 78 ind
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: Seizure detection in epilepsy monitoring units (EMUs) is essential for the clinical assessment of drug-resistant epilepsy. Automated video analysis using machine learning provides a promising aid for seizure detection, with resultant reduction in the resources required for diagnostic monitoring. We employ a three-dimensional (3D) convolutional neural network with fully fine-tuned backbone layers to identify seizures from EMU videos.
METHODS: A two-stream inflated 3D-ConvNet architecture (I3D) classified video clips as a seizure or not a seizure. A pretrained action classifier was f
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.
Label-free characterization of nanoscale drug delivery systems remains a critical challenge in pharmaceutical research. Traditional analytical methods, such as cryo-electron microscopy, are labor-intensive, low-throughput, and often require labeling, which can interfere with nanoparticle functionality. This study introduces a non-invasive hyperspectral imaging (HSI) framework combined with deep learning to classify therapeutic liposomes. A 3D convolutional neural network (3D CNN) was employed to extract spatial-spectral features, while the synthetic minority oversampling technique (SMOTE) addr
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: Tuberculous meningitis (TBM) leads to high mortality, especially amongst individuals with HIV. Predicting the incidence of disease-related complications is challenging, for which purpose the value of brain magnetic resonance imaging (MRI) has not been well investigated. We used a convolutional neural network (CNN) to explore the complementary contribution of brain MRI to the conventional prognostic determinants.
METHODS: We pooled data from two randomised control trials of HIV-positive and HIV-negative adults with clinical TBM in Vietnam to predict the occurrence of death or new
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