BACKGROUND: Intraoperative consultations in neuropathology are often assessed by smear preparations rather than by frozen sections. Both techniques are standard practice for light microscopic examination on site, but there is little data comparing these techniques in a telepathology setting.
METHODS: Thirty cases of brain tumours submitted for intraoperative consultation at our institution between July and December 2010 were identified in which both frozen section and tissue smear preparations were available for digitization at 20× magnification. Slides were digitized using a Hamamatsu Nanozo
Сравнительное исследованиеСтатьяПоиск 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.
Cor triatriatum dexter is a rare congenital anomaly caused by persistence of the right valve of the embryonic sinus venosus, and this results in septation of the right atrium. Three-dimensional echocardiography is a novel technique that can be used to identify and characterize this entity. Here, we report two women with cor triatriatum dexter.
Клинический случайСтатьяПолный 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.
Modern radiological imaging provides precise diagnosis in congenital heart disease (CHD). The most important and readily available radiological examination is still chest radiography. The diagnostically most important imaging method is echocardiography. Magnetic resonance imaging and computed tomography have gained much ground over the more invasive cardiac catheter angiography, which is still needed in more complex conditions and for interventional procedures, which are performed more frequently. This article is focused on imaging of the neonatal heart. Basically, characteristics of the chest
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.
This study was designed to assess the use of a computer-assisted system based on erythrocyte measurements as a possible alternative to flow cytometry for identifying triploid rainbow trout (Oncorhynchus mykiss). Blood smears were prepared from 26 triploid and 26 diploid specimens, as determined by flow cytometry after staining blood cells with propidium iodide. The cell and nucleus lengths of 10 erythrocytes were determined in each fish. This was followed by discriminatory analysis to distinguish between diploids and triploids based on their score profiles. Triploid trout showed significantly
Сравнительное исследованиеСтатьяПоддержка 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.
First-metatarsal osteotomy is performed for an abnormal intermetatarsal angle and severe hallux valgus deformity. The metatarsal head is slid along the osteotomy and fixed with a Kirschner wire to achieve angular and linear realignment with respect to the other metatarsals. When reduction of joint subluxation is also sought, a bone wedge is removed. A mathematical model and a corresponding computer-based tool were developed for pre-operative planning of the optimum surgical solution. Standard intermetatarsal angle correction, head-to-sesamoids re-alignment, joint subluxation reduction and meta
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.
Breast cancer size determination in a preoperative stage is of great importance, as it is taking into account the classification of the tumour. In this paper a simple method of the improved determination of the actual tumour size is presented. The method is based on the calculation of correction factors taking into account the magnification of the tumour image during the mammographic examination. The method was applied for evaluation on forty cases of breast cancer. In all cases the final approximation of tumour maximum diameter with the presented method is almost equal to this obtained from t
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.
A common gynecological disease in the world is breast cancer that early diagnosis of this disease can be very effective in its treatment. The use of image processing methods and pattern recognition techniques in automatic breast detection from mammographic images decreases human errors and increments the rapidity of diagnosis. In this paper, mammographic images are analyzed using image processing techniques and a pipeline structure for the diagnosis of the cancerous masses. In the first stage, the quality of mammogram images and the contrast of abnormal areas in the image are improved by using
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 medical image analysis, accurately diagnosing complex lesions remains a formidable challenge, especially for thyroid disorders, which exhibit high incidence and intricate pathology. To enhance diagnostic precision and robustness, we assembled ThyM3, a large-scale multimodal dataset comprising thyroid computed tomography and ultrasound images. Building on this resource, we introduce ThyFusionNet, a novel deep-learning architecture that combines convolutional backbones with transformer modules and performs feature-level fusion to exploit complementary cues across modalities. To improve semant
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.
Artificial intelligence (AI) is rapidly transforming cardiac computed tomography (CT) imaging by enhancing image acquisition, reconstruction, and analysis to improve diagnostic accuracy and overall clinical workflow. Deep learning reconstruction (DLR) algorithms optimize image quality while reducing radiation and contrast media doses. AI-driven tools for coronary artery segmentation and CAD-RADS classification ensure greater reproducibility and efficiency in coronary artery disease (CAD) assessment. Beyond anatomic evaluation, AI enhances functional imaging with CT-derived fractional flow rese
СтатьяОбзорПолный 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.
Recently, deep learning has emerged as a prominent branch of AI, gaining attention for its high accuracy and wide-ranging application in various domains. The proposed Explain-COVIDNet framework enhances COVID-19 detection from chest X-ray images by addressing key limitations in current deep learning models, including poor interpretability, sensitivity to noise, and limited clinical reliability. It begins with a robust preprocessing stage using a wavelet contrast enhancer, which integrates Discrete Wavelet Transform for denoising and Contrast-Limited Adaptive Histogram Equalization for contrast
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.
Multiple Myeloma (MM) is a malignancy that is commonly associated with the development of osteolytic lesions. To support MM diagnosis, low-dose Computed Tomography (CT) is commonly used for lesion localization, but manually evaluating CT scans can be time-consuming and prone to error. Although deep learning methods have delivered promising results in supporting lesion detection, they are likely to produce false positive findings, hindering their usability in clinical practice. To address this, we trained a 2D U-Net on annotated lesions (positive patches) in combination with images of bone tiss
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.
Computed Tomography (CT) imaging captures detailed cross-sectional images of the pancreas and surrounding structures and provides valuable information for medical professionals. The classification of pancreatic CT images presents significant challenges due to the complexities of pancreatic diseases, especially pancreatic cancer. These challenges include subtle variations in tumor characteristics, irregular tumor shapes, and intricate imaging features that hinder accurate and early diagnosis. Image noise and variations in image quality also complicate the analysis. To address these classificati
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.
Coronary CT angiography (CCTA) has been widely used as a noninvasive modality for accurate assessment of coronary artery disease (CAD) in clinical settings. However, the following limitations of CCTA remain issues of interest: motion, stair-step, and blooming artifacts; suboptimal image noise; ionizing radiation exposure; administration of contrast medium; and complex imaging workflow. Various acquisition and reconstruction techniques have been introduced over the past decade to overcome these limitations. Low-tube-voltage acquisition using a high-output x-ray tube can reasonably reduce the co
СтатьяОбзорПоддержка исследования: вне правительства СШАПолный 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.
Aortic stenosis (AS) is a prevalent heart valve disease that requires accurate and timely diagnosis for effective treatment. Current methods for automated AS severity classification rely on black-box deep learning techniques, which suffer from a low level of trustworthiness and hinder clinical adoption. To tackle this challenge, we propose ProtoASNet, a prototype-based neural network designed to classify the severity of AS from B-mode echocardiography videos. ProtoASNet bases its predictions exclusively on the similarity scores between the input and a set of learned spatio-temporal prototypes,
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.
Optical Coherence Tomography (OCT) has become an indispensable imaging modality in ophthalmology, providing high-resolution cross-sectional images of the retina. Accurate classification of OCT images is crucial for diagnosing retinal diseases such as Age-related Macular Degeneration (AMD) and Diabetic Macular Edema (DME). This study explores the efficacy of various deep learning models, including convolutional neural networks (CNNs) and Vision Transformers (ViTs), in classifying OCT images. We also investigate the impact of integrating metadata (patient age, sex, eye laterality, and year) into
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.
CONTEXT.—: The current melanoma staging system does not account for 26% of the variance seen in melanoma-specific survival, therefore our ability to predict patient outcome is not fully elucidated. Morphology may be of greater significance than in other solid tumors, with Breslow thickness remaining the strongest prognostic indicator despite being subject to high levels of interobserver variation. The application of convolutional neural networks to whole slide images affords objective morphologic metrics, which may reveal new insights into patient prognosis.
OBJECTIVE.—: To develop and evalua
СтатьяОценочное 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.
Rib fractures are a common and potentially severe injury that can be challenging and labor-intensive to detect in CT scans. While there have been efforts to address this field, the lack of large-scale annotated datasets and evaluation benchmarks has hindered the development and validation of deep learning algorithms. To address this issue, the RibFrac Challenge was introduced, providing a benchmark dataset of over 5,000 rib fractures from 660 CT scans, with voxel-level instance mask annotations and diagnosis labels for four clinical categories (buckle, nondisplaced, displaced, or segmental). T
СтатьяПоддержка исследования: вне 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.
Ultrasound imaging is the most cost-effective approach for the early detection of rectal cancer, which is a high-risk cancer. Our goal was to design an effective method that can accurately identify and segment rectal tumours in ultrasound images, thereby facilitating rectal cancer diagnoses for physicians. This would allow physicians to devote more time to determining whether the tumour is benign or malignant and whether it has metastasized rather than merely confirming its presence. Data originated from the Sichuan Province Cancer Hospital. The test, training, and validation sets were compose
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: Thyroid tumor is considered to be a very rare form of cancer. But recent researches and surveys highlight the fact that it is becoming prevalent these days because of various factors.
OBJECTIVES: This paper proposes a novel hybrid classification system that is able to identify and classify the above said four different types of thyroid tumors using high end artificial intelligence techniques. The input data set is obtained from Digital Database of Thyroid Ultrasound Images through Kaggle repository and augmented for achieving a better classification performance using data warping
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.
PURPOSE: Timely identification of intracranial blood products is clinically impactful, however the detection of subdural hematoma (SDH) on non-contrast CT scans of the head (NCCTH) is challenging given interference from the adjacent calvarium. This work explores the utility of a NCCTH bone removal algorithm for improving SDH detection.
METHODS: A deep learning segmentation algorithm was designed/trained for bone removal using 100 NCCTH. Segmentation accuracy was evaluated on 15 NCCTH from the same institution and 22 NCCTH from an independent external dataset using quantitative overlap analysi
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