SIGNIFICANCE: Diabetic retinopathy (DR) lesion segmentation provides pixel-level lesion localization in fundus images. However, such lesions are often tiny, sparsely distributed, low-contrast, morphologically diverse, and visually similar to vessels or surrounding retinal structures, making accurate localization difficult. Many existing methods emphasize multi-scale spatial representation learning and handle boundary ambiguity and subtle texture differences mainly through encoder-decoder fusion. We therefore examine boundary and frequency representations as explicit, complementary inputs to se
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.
MOTIVATION: Computational models of cellular networks hold promise to uncover disease mechanisms and guide therapeutic strategies. Biology-informed neural networks (BINNs) is an emerging approach to create such models by combining the predictive power of deep learning with prior knowledge, a vital aspect of biological research. The architectures of BINN's enforces a network structure from which mechanism can ideally be inferred. However, a key challenge is to evaluate the reliability of these models, as cells are inherently complex, involving intricate and sometimes unknown interactions. Curre
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.
Reliable brain tumor detection in CT remains challenging due to low soft-tissue contrast, skull base complexity, and imaging artifacts. This study evaluates whether continuous neural representation learning improves classification performance and interpretability for CT-based brain tumor detection. We performed a comparative evaluation of coordinate-based neural models, neural operators, and transformer-based vision models using a skull base CT dataset from Gazi University Faculty of Medicine. The dataset includes 200 patients and 40,000 slices (12,000 tumor-positive, 28,000 tumor-negative). A
СтатьяСравнительное исследованиеПолный 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.
Objective.Geometric distortions in diffusion-weighted imaging (DWI) compromise accurate tumor delineation and spatial localization, limiting its utility in radiation therapy planning and response monitoring. These distortions can be corrected through multimodal registration between distorted DWI and undistorted anatomical images, while conventional mutual information-based optimization often fails due to local minima and produces non-smooth, physically implausible deformations.Approach.This study proposes a landmark matching B-spline implicit neural representation framework for DWI distortion
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.
Thyroid eye disease (TED) is a prevalent autoimmune orbital disorder that can severely impair visual function and significantly diminish patients' quality of life. In recent years, several studies have attempted to automate TED diagnosis using optical coherence tomography (OCT) images. However, existing approaches primarily rely on convolutional neural networks (CNNs) combined with attention mechanisms and are mostly trained using traditional cross-entropy loss. Although Transformers excel at modeling long-range dependencies, their quadratic computational complexity when processing high-resolu
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: With the increasing number of diabetic patients, the rapid and accurate diagnosis of early diabetic retinopathy becomes crucial. However, diabetic retinal lesions are challenging to label since the identification of disease depends on accessing multiple lesion regions in images, which requires specialists to make detailed judgments and label them, resulting in an extremely costly and time-consuming.
PURPOSE: To reduce costs, we propose diabetic retinopathy detection network (DRD-Net), an improved weakly supervised object detection model based on adversarial complementary erasure l
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.
Multi-label image classification is a classification task that assigns labels to multiple objects in an input image. Recent research ideas mainly focus on solving the semantic consistency of visual features and label features. However, since images contain complex scene content, the features captured by visual feature extraction networks based on grid or sequence representation may introduce redundant information or lack continuity when identifying irregular objects. In order to fully mine the visual information of complex objects in images and enhance the inter-modal interaction of images and
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.
Supermassive black hole accretion and the ejection of collimated, relativistic jets of plasma are intrinsically dynamic processes shaped by large-scale magnetic fields1-4. Various algorithms have been developed to image these objects at different scales using radio interferometric observations5-8. However, there is a lack of imaging methods that can robustly resolve the temporal variability of the sources at high resolution. Here we present kine, a video reconstruction algorithm for very long baseline interferometry observations of variable sources. The kine algorithm uses a neural representat
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.
Contrastive learning pulls positive samples (similar examples) closer and pushes negative samples (dissimilar examples) away to learn a meaningful mapping from inputs to outputs. It is found in a broad range of applications in computer vision that range from image classification to object detection to video processing and has a similarly broad impact and relevance in natural language processing, audio and speech, graphs, recommendation systems, and multimodal learning. Although contrastive learning done right typically achieves state-of-the-art results, there are major limitations with traditi
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 develops an efficient and accurate method for segmenting complex swallowing events in patients with dysphagia. We propose CFSCNet, a novel model that integrates multimodal signals-audio, nasal airflow, and triaxial accelerometry-to enhance swallowing event segmentation. The model employs a dual-stream architecture to capture swallowing information across varying durations and utilizes an exponential moving average-based cost-sensitive weighting method to address data imbalance. To further improve the stability of predictions for clinical applications, a Swallowing State Machine-Driv
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.
To address the gap in quantitatively modeling dynamic failure mechanisms for Gasifier lock bucket valve system reliability, this study proposes an innovative method: using backpropagation (BP) neural network to optimize the prior data of dynamic Bayesian network (DBN). Firstly, based on the empirical formula for the number of hidden layer neurons, the original DBN model of the system is adapted to a structurally adaptive BP neural network to calibrate its prior parameters，and the correspondence between the prior distribution of DBN and the input-output functions of the BP network is establishe
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.
Electroencephalography is the most commonly used diagnostic tool for epilepsy. However, interpreting electroencephalograms (EEGs) requires expertise that is not widely available. Advances in digital technology and wearables have enabled large-scale EEG recording, generating vast amounts of data that cannot be managed through traditional visual interpretation by experts. Artificial intelligence (AI) has the potential to augment human expertise and reduce workloads. The application of artificial neural networks in analysing clinical EEG recordings has led to major breakthroughs, bringing AI-base
СтатьяОбзорПоддержка 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.
MOTIVATION: Knowledge-guided learning offers effective and robust model training strategies in data-scarce settings by incorporating established domain knowledge, thereby enhancing generalization, robustness, and interpretability. By contrast, conventional deep learning approaches rely purely on data-driven learning, which can limit robust model interpretability, particularly in high-dimensional settings with limited size samples. In computational biology, knowledge-guided learning has primarily leveraged network- and structural-based knowledge, leading to biologically interpretable representa
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 reliance on computationally intensive U-Net and Transformer architectures significantly limits their accessibility in low-resource environments, creating a technological divide that hinders global healthcare equity, especially in medical diagnostics and treatment planning. This divide is most pronounced in low- and middle-income countries, primary care facilities, and conflict zones. We introduced MED-NCA, Neural Cellular Automata (NCA) based segmentation models characterized by their low parameter count, robust performance, and inherent quality control mechanisms. These features drastical
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: Robotic-assisted unilateral biportal endoscopic surgery (UBE) is a more accurate and safer technique than traditional open surgical operations. The penetration recognition of ultrasonic drilling remains one of the challenging techniques of robotic-assisted UBE surgery.
METHODS: We propose a force and VAE-MLP-based method for real-time penetration recognition. During the ultrasonic drilling procedure, the force signals are collected and denoised via Kalman filtering first. The pre-processed data are then used to extract hidden features and perform classification by Variational Auto
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 this paper, we propose a lightweight Position Channel Transformer Network (PCT-Net) for segmenting slender neural fibers in low-quality corneal confocal microscopy images with speckle noise and uneven lighting. Three modules including the channel attention (CA) module, the dilated shuffle positional (DSP) module, and the shuffle contextual transformer positional (SCTP) module are proposed and stacked to form the PCT-Net. The proposed channel attention module captures global information and adaptively learns to identify and emphasize key channel features in corneal confocal microscopy images
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.
This research work focuses on developing an advanced diagnostic method for thyroid nodules using ultrasonography images. The core idea revolves around the observation that the presence and amount of calcium flecks in thyroid nodules can indicate their severity, potentially leading to severe thyroid cancer. A novel technique, named Bilateral Mean Clustering Strategy (Bi-MCS), is proposed, combining the strengths of Fuzzy C mean and K-mean clustering approaches. This technique enhances color sense-based segmentation accuracy by precisely identifying the edges of thyroid nodules, crucial for dete
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.
Parkinson's disease (PD) is a neurodegenerative disorder that occurs as a result of a decrease in the chemical called dopamine in the brain. There is no definitive treatment for PD, but some medications used to control symptoms in the early stages have a critical effect on the progression of the disease. Approximately 90% of patients with PD have vocal problems, and although voice disorders seen in the early stages are not apparent in the patient's speech, they can be detected by acoustic analysis. In this study, a decision support system was proposed for the diagnosis of PD utilizing the feat
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.
Cardiac arrhythmias are major global health concern and their early detection is critical for diagnosis. This study comprehensively evaluates the effectiveness of CNNs and LSTMs for the classification of cardiac arrhythmias, considering three PhysioNet datasets. ECG records are segmented to accommodate around ∼10s of ECG data. Followed by transformation to scalograms using DWT for training VGG-16; and WTS for feature extraction and dimensionality reduction for training LSTM network. VGG-16 achieved 96.44% test accuracy while LSTM achieved 92%. Results also highlight the effectiveness of VGG-16
СтатьяСравнительное исследованиеПоиск 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.
Diabetic foot ulcers (DFU) are a highly dangerous and even fatal sequela of diabetes mellitus, very often becoming a lower limb amputation and imposing significant morbidity and mortality all over the world. Deep learning and machine learning have recently made breakthroughs, creating potential for being applied in medical image analysis towards the detection of DFU, but the field still faces the challenge of optimizing the performance of the models in both terms of accuracy and interpretability. The present paper solves this issue by introducing a more optimized deep learning model to detect
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