EEG signal classification for neurological disorders is a very critical task in the healthcare field, demanding accuracy and efficiency. Due to the diversity of these disorders and the complexity of the EEG signals, the task of diagnosing these disorders is very challenging. Traditional methods usually cannot capture the intricate relationships between temporal and spatial features, which are inherent in EEG data. To overcome this challenge, the proposed Lightweight Graph Triplet Capsule Networks combined with Nearest Neighbor Graphs effectively leverage both temporal and spatial information i
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.
Uterine cancer also referred to as endometrial cancer, which significantly impacts the female reproductive organs. The early diagnosis increases the survival rates and also prevents the progression of endometrial cancer thereby, the novel Transfer Learning based Convolution Neural Network with Adam Gold Rush Optimization (TL-CNN_AdGRO) is proposed to classify endometrial cancer using histopathological images. The histopathological image is fed to the preprocessing phase, which uses an Adaptive Weighted Mean Filter (AWMF). Next, the segmentation of endometrial cancer is utilized by the Directio
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: As a typical type of neurodegenerative disorders, Parkinson's disease(PD) is characterized by significant clinical and progression heterogeneity. Based on gene expression data, reliable detection of PACE subtypes in Parkinson's disease(PD-PACE) has played a crucial role in addressing the heterogeneity of this disease. Established machine learning approaches generally adopt single-view learning schemes and employ temporal features underlying RNA sequencing data. Topological features, which are associated with gene graphs and cell graphs, were disregarded in previous works. Actually,
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.
Cardiovascular disease (CVD) is caused by the abnormal functioning of the heart which results in a high mortality rate across the globe. The accurate and early prediction of various CVDs from the electrocardiogram (ECG) is vital for the prevention of deaths caused by CVD. Artificial intelligence (AI) is used to categorize and accurately predict various CVDs. Among different AI-based techniques, deep learning (DL)--based approaches are more effective in classifying various CVDs because they extract characteristics directly from the huge amounts of data needed to train the DL network. This paper
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.
Emerging researchindicates that the degenerative biomarkers associated with Alzheimer's disease (AD) exhibit a non-random distribution within the cerebral cortex, instead following the structural brain network. The alterations in brain networks occur much earlier than the onset of clinical symptoms, thereby affecting the progression of brain disease. In this context, the utilization of computational methods to ascertain the propagation patterns of neuropathological events would contribute to the comprehension of the pathophysiological mechanism involved in the evolution of AD. Despite the enco
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.
Computational models, particularly finite-element (FE) models, are essential for interpreting experimental data and predicting system behavior, especially when direct measurements are limited. Tuning these models is particularly challenging when a large number of parameters are involved. Traditional methods, such as sensitivity analyses, are time-consuming and often provide only a single set of parameter values, focusing on reproducing averaged trends rather than capturing experimental variability. New approaches are needed to make computational models more adaptable to patient-specific clinic
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
Retinopathy of prematurity (ROP) manifests clinically through abnormal development of the retinal capillary, ischemia, proliferative retinopathy, and retinal detachment, making it one of the leading causes of childhood blindness. Diagnosis of ROP from images of the full retinal fundus is challenging due to the presence of small peripheral lesions and underdeveloped ocular structures in premature infants. Current methods for fundus image analysis, based on Convolutional neural networks (CNNs) and transformers, often struggle to capture long-range dependencies or are limited by the complex compu
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.
Clear imagery of retinal vessels is one of the critical shreds of evidence in specific disease diagnosis and evaluation, including sophisticated hierarchical topology and plentiful-and-intensive capillaries. In this work, we propose a new topology- and shape-aware model named Multi-branch Vessel-shaped Convolution Network (MVCN) to adaptively learn high-resolution representations from retinal vessel imagery and thereby capture high-quality topology and shape information thereon. Two steps are involved in our pipeline. The former step is proposed as Multiple High-resolution Ensemble Module (MHE
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.
Social networks are increasingly taking over daily life, creating a volume of unsecured data and making it very difficult to capture safe data, especially in times of crisis. This study aims to use a Convolutional Neural Network (CNN)-Long Short-Term Memory (LSTM)-based hybrid model for health monitoring and health crisis forecasting. It consists of efficiently retrieving safe content from multiple social media sources. Educational awareness is a fairly important tool and a constant reminder to do everything to avoid fake news. The hybrid model captures safe and meaningful features from multip
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 automated classification of phonocardiogram (PCG) recordings represents a substantial advancement in cardiovascular diagnostics. This paper presents a systematic comparison of four distinct models for heart murmur detection: two specialized convolutional neural networks (CNNs) and two zero-shot universal audio transformers (BEATs), evaluated using fixed-length and heart cycle normalization approaches. Utilizing the PhysioNet2022 dataset, a custom heart cycle normalization method tailored to individual cardiac rhythms is introduced. The findings indicate the following AUROC values: the CNN
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.
Rheumatoid arthritis (RA) is a chronic systemic autoimmune disorder characterized by progressive destruction of synovial joints, for which precise early diagnosis is critical to effective clinical management. Although current computer-aided diagnosis (CAD) systems show promising potential, their practical deployment remains challenged by heterogeneity in multimodal data and the inherent complexity of pathophysiological manifestations. A key limitation of existing approaches is the absence of dedicated mechanisms to reconcile inter-modal conflicts and to adequately leverage the diagnostic infor
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: Considering the radiation hazard of X-ray, safer, more convenient and cost-effective ultrasound methods are gradually becoming new diagnostic approaches for scoliosis. For ultrasound images of spine regions, it is challenging to accurately identify spine regions in images due to relatively small target areas and the presence of a lot of interfering information. Therefore, we developed a novel neural network that incorporates prior knowledge to precisely segment spine regions in ultrasound images.
MATERIALS AND METHODS: We constructed a dataset of ultrasound images of spine regions
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 AND AIMS: The overlapping characteristics of oral lichen planus (OLP), a chronic oral mucosal inflammatory condition, with those of other oral lesions, present diagnostic challenges. Large language models (LLMs) with integrated computer-vision capabilities and convolutional neural networks (CNNs) constitute an alternative diagnostic modality. We evaluated the ability of seven LLMs, including both proprietary and open-source models, to detect OLP from intraoral images and generate differential diagnoses.
METHODS: Using a dataset with 1,142 clinical photographs of histopathological
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: Morphological changes in the retina are crucial and serve as valuable references in the clinical diagnosis of ophthalmic and cardiovascular diseases. However, the retinal vascular structure is complex, making manual segmentation time-consuming and labor-intensive.
METHODS: This paper proposes a retinal segmentation network that integrates feature channel attention and the Convolutional Block Attention Module (CBAM) attention within the U2Net model. First, a feature channel attention module is introduced into the RSU (Residual Spatial Unit) block of U2Net, forming an Attention-RSU
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.
Although it is not a new illness and has been around since the previous century, monkeypox later resurgence is fraught with difficulties. This study presents a novel approach of diagnosing monkeypox using artificial intelligence, which is called Effective Monkeypox Diagnosis Strategy (EMDS). The proposed EMDS is established through two sequential stages, namely; (i) Pre-Processing Phase (PP) and (ii) Monkeypox Diagnosing phase (MDP). During PP the input image dataset is prepared through three processes, which are; feature extraction, feature selection, and anomaly rejection, while the actual d
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.
Tuberculosis is a high-mortality infectious disease. Manual sputum smear microscopy is a common and effective method for screening tuberculosis. However, it is time-consuming, labor-intensive, and has low sensitivity. In this study, we propose ResGloTBNet, a framework that integrates convolutional neural network and graph convolutional network for sputum smear image classification with high discriminative power. In this framework, the global reasoning unit is introduced into the residual structure of ResNet to form the ResGloRe module, which not only fully extracts the local features of the im
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.
The identification and classification of various phenotypic features of Auricularia cornea fruit bodies are crucial for quality grading and breeding efforts. The phenotypic features of Auricularia cornea fruit bodies encompass size, number, shape, color, pigmentation, and damage. These phenotypic features are distributed across various views of the fruit bodies, making the task of achieving both rapid and accurate identification and classification challenging. This paper proposes a novel multi-view multi-label fast network that integrates two different views of the Auricularia cornea fruiting
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.
Accurate diagnosis of white blood cells from cytopathological images is a crucial step in evaluating leukaemia. In recent years, image classification methods based on fully convolutional networks have drawn extensive attention and achieved competitive performance in medical image classification. In this paper, we propose a white blood cell classification network called ResNeXt-CC for cytopathological images. First, we transform cytopathological images from the RGB color space to the HSV color space so as to precisely extract the texture features, color changes and other details of white blood
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.
Periapical index (PAI) scoring system is the most popular index for evaluating apical periodontitis (AP) on radiographs. It provides an ordinal scale of 1 to 5, ranging from healthy to severe AP. Scoring PAI is a time-consuming process and requires experienced dentists; thus, deep learning has been applied to hasten the process. However, most models failed to score the early stage of AP or the score 2 accurately since it shares very similar characteristics with its adjacent scores. In this study, we developed and compared binary classification methods for PAI scores which were normality classi
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.
Myocardial infarction (MI) is a common cardiovascular disease caused by the blockages of coronary arteries. The visual inspection of electrocardiogram (ECG) is the main diagnosis pattern, while it is taxing and time-consuming. Motivated from state refinement module for long short term memory (SRM-LSTM), we proposed two improved state refinement frameworks based on LSTM and gated recurrent unit (GRU) called ISRM-LSTM and ISRM-GRU. Both are capable of adaptively refining current states of sample points in ECG with a message passing mechanism than existing LSTM. To evaluate the validity, both are
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.
MedElevator
Войти в исследования