BACKGROUND: Chronic stroke patients often experience persistent motor impairments, and current rehabilitation therapies rarely achieve substantial functional recovery. Sensory feedback during movement plays a pivotal role in driving neuroplasticity. This study introduces a novel multi-modal sensory feedback brain-computer interface (Multi-FDBK-BCI) system that integrates proprioceptive, tactile, and visual stimuli into motor imagery-based training. We aimed to explore the potential therapeutic efficacy and elucidate its neural mechanisms underlying motor recovery.
METHODS: Thirty-nine chronic
СтатьяРандомизированное 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.
INTRODUCTION: Chronic kidney disease is a progressive condition that often necessitates kidney replacement therapy, with haemodialyses relying on stable, functional arteriovenous fistulas. While arteriovenous fistulas offer several benefits, they are susceptible to complications that present considerable management challenges.
OBJECTIVE: This review aimed to investigate the potential role of artificial intelligence in the management of arteriovenous fistulas.
DESIGN: Scoping review was reported following the PRISMA-Scoping eview guidelines and Joanna Briggs Institute methodology.
PARTICIPAN
СтатьяScoping ReviewПоиск 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.
Alzheimer's disease (AD) is a progressive and irreversible neurodegenerative disease. To distinguish the stage of the disease, AD classification technology challenge has been proposed in Pattern Recognition and Computer Vision 2021 (PRCV 2021) which provides the gray volume and average cortical thickness data extracted in multiple atlases from magnetic resonance imaging (MRI). Traditional methods either train with convolutional neural network (CNN) by MRI data to adapt the spatial features of images or train with recurrent neural network (RNN) by temporal features to predict the next stage. Ho
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.
In this work, we propose a data augmentation strategy aimed at improving the training phase of neural networks and, consequently, the accuracy of their predictions. Our approach relies on generating synthetic data through a suitable compartmental model combined with the incorporation of uncertainty. Available data are used to calibrate the model, which is further integrated with deep learning techniques to produce additional synthetic data for training. The results show that neural networks trained on these augmented datasets exhibit significantly improved predictive performances. In particula
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.
The rapid scaling of deep neural networks comes at the cost of unsustainable power consumption. While optical neural networks offer an alternative, their capabilities remain constrained by the lack of efficient optical nonlinearities. To address this, we propose an optical neural computing architecture by embedding quantum emitters in inverse-designed nanophotonic structures. Due to their saturability, quantum emitters exhibit exceptionally strong nonlinearity compared with conventional materials. Using physics-aware training, we numerically demonstrate that the proposed architecture can solve
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: Cervical cancer, a leading cause of cancer-related deaths among women globally, has a significantly higher survival rate when diagnosed early. Traditional diagnostic methods like Pap smears and cervical biopsies rely heavily on the skills of cytologists, making the process prone to errors. This study aims to develop CerviXpert, a multi-structural convolutional neural network designed to classify cervix types and detect cervical cell abnormalities efficiently.
METHODS: We introduced CerviXpert, a computationally efficient convolutional neural network model that classifies cervical
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.
Computer programming is a cornerstone of modern society, yet little is known about how the human brain enables this recently invented cultural skill. According to the neural recycling hypothesis, cultural skills (e.g., reading, math) repurpose preexisting neural "information maps." Alternatively, such maps could emerge de novo during learning, as they do in artificial neural networks. Representing and manipulating logical algorithms, such as "for" loops and "if" conditionals, is key to programming. Are representations of these algorithms acquired when people learn to program? Alternatively, do
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.
Task errors are used to learn and refine motor skills. We investigated how task assistance influences learned neural representations using Brain-Computer Interfaces (BCIs), which map neural activity into movement via a decoder. We analyzed motor cortex activity as monkeys practiced BCI with a decoder that adapted to improve or maintain performance over days. Over time, task-relevant information became concentrated in fewer neurons, unlike with fixed decoders. At the population level, task information also became largely confined to a few neural modes that accounted for a small fraction of the
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.
Traditional manual blood smear diagnosis methods are time-consuming and prone to errors, often relying heavily on the experience of clinical laboratory analysts for accuracy. As breakthroughs in key technologies such as neural networks and deep learning continue to drive digital transformation in the medical field, image recognition technology is increasingly being leveraged to enhance existing medical processes. In recent years, advancements in computer technology have led to improved efficiency in the identification of blood cells in blood smears through the use of image recognition technolo
СтатьяОбзорПолный 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/Objectives: Tuberculosis remains a significant global health problem, particularly in resource-limited environments. Its mortality and spread can be considerably decreased by early and precise detection via chest X-ray imaging. This study introduces a novel approach based on hybrid deep learning for Tuberculosis detection from chest X-ray images. Methods: The introduced approach combines GhostNet, a lightweight convolutional neural network tuned for computational efficiency, and MobileViT, a transformer-based model that can capture both local spatial patterns and global contextual 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.
AIM: To compare deep learning and experienced physicians in diagnosing gangrenous cholecystitis using computed tomography images and explore the feasibility of diagnostic assistance for acute cholecystitis requiring emergency surgery.
METHODS: This retrospective study included 25 patients with pathologically confirmed gangrenous cholecystitis and 129 patients with noncomplicated acute cholecystitis who underwent computed tomography between 2016 and 2021 at two institutions. All available computed tomography images at the time of the initial diagnosis were used for the analysis. A deep learnin
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.
Neuropsychiatric disorders are caused by many factors and produce a wide range of symptomatic maladaptive behaviors in patients. Despite this great variance in causes and resulting behavior, we believe the maladaptive behaviors that characterize neuropsychiatric disorders are most proximally determined by networks of neurons and that this forms a common conceptual link between these disorders. Operating from this premise, it follows that treating neuropsychiatric disorders to reduce maladaptive behavior can be accomplished by modifying the patient's network of neurons. In this proof-of-concept
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.
It is often assumed that the brain builds 3D coordinate frames, in retinal coordinates (with binocular disparity giving the third dimension), head-centred, body-centred and world-centred coordinates. This paper questions that assumption and begins to sketch an alternative based on, essentially, a set of reflexes. A 'policy network' is a term used in reinforcement learning to describe the set of actions that are generated by an agent depending on its current state. This is an untypical starting point for describing 3D vision, but a policy network can serve as a useful representation both for th
СтатьяОбзорПоддержка 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.
On evolutionary timescales, brain circuits adapt to support survival in each species' ecological niche. While some anatomical aspects of neural circuitry are conserved across species with distant evolutionary origins, each species also exhibits specific circuit adaptations that enable its behavioral repertoire. It remains unclear whether homologous brain regions leverage analogous neural computations as different species perform common behaviors such as reaching and manipulating objects. Here, we directly assessed conservation of neural computations using intracortical recordings from mouse, m
СтатьяПрепринтПоиск 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.Biological neural networks (BNNs) are composed of interconnected neurons, where a single neuron may connect to thousands of other neurons, and this interregional connectivity enables distributed computation across multiple nodes. Biocomputing exploits these inherent processing capabilities of neural tissue for computational tasks. However, mostin vitrobiocomputing systems rely on isolated neural cultures that may not be suitable for complex multi-network processing tasks. Building scalable biocomputing architectures requires reliable communication frameworks between physically separa
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.
Deep neural networks have led to significant advancements in microscopy image generation and analysis. In single-molecule localization based super-resolution microscopy, neural networks are capable of predicting fluorophore positions from high-density emitter data, thus reducing acquisition time, and increasing imaging throughput. However, neural network-based solutions in localization microscopy require intensive human intervention and computation expertise to address the compromise between model performance and its generalization. For example, researchers manually tune parameters to generate
СтатьяПрепринтПоиск 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.
Traditionally viewed as a motor control center, the cerebellum is increasingly recognized as a crucial component of a neural network that enables adaptive behavior across various domains, including cognition, affect, emotion, and social interactions. Recent clinical studies have linked cerebellar dysfunction to impairments in mentalizing and narrative coherence in autism spectrum disorder (ASD). Given that narratives involve the temporal sequencing of causally related events and actions, these findings imply the potential role of the cerebellum in predictive sequence. The aim of this review is
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.
Smartphones have become integral to daily life, and their overuse can lead to various maladaptive behaviors and decision-making patterns. This study investigated the neural and computational mechanisms underlying smartphone addiction, focusing on its impact on loss-aversion decision-making. We combined computational models, such as the Drift Diffusion Model, with a novel analytic approach, intersubject representational similarity analysis (IS-RSA). Behavioral results showed that higher smartphone addiction symptom (SAS) scores were correlated with reduced loss-aversion (lnλ), while the drift r
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 AND OBJECTIVES: Computer-aided diagnosis relies on machine learning algorithms that require filtered and preprocessed data as the input. Aligning the image in the desired direction is an additional manual step in post-processing, commonly overlooked due to workload issues. Several state-of-the-art approaches for fracture detection and disease-struck region segmentation benefit from correctly oriented images, thus requiring such preprocessing of X-ray images. Furthermore, it is desirable to have archived studies in a standardized format. Radiograph hanging protocols also differ from
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.
PURPOSE: To determine whether strictly curated synthetic images can improve grading performance in diabetic retinopathy (DR) diagnosis within limited data regimes, and to compare the utility of representative generative adversarial network and diffusion architectures.
METHOD: StyleGAN3 and Medfusion models were pretrained on an auxiliary data set. To prevent mode collapse and severity downshift, synthetic images were curated through a domain-matched Oracle network using Latent Space Rejection Sampling and Class-Conditioned SDEdit Escalation. Efficacy was evaluated on an isolated downstream DR
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.
MedElevator
Войти в исследования