With the deepening of Industry 4.0, the automation and intelligence levels of production lines have significantly improved, placing higher demands on the real-time performance, accuracy, and safety of monitoring. Traditional monitoring systems, relying on manual inspections or simple threshold-based decisions, generally suffer from slow response times, high false alarm rates, and limited intelligence. Therefore, this paper proposes a production-line safety monitoring system that integrates You Only Look Once version 11 (YOLOv11) with a convolutional neural network (CNN). First, the acquired im
СтатьяVideo-Audio MediaПоддержка 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.
Accurate and transparent classification of breast cancer histopathology remains a major challenge due to morphological variability, class imbalance, and computational constraints in whole-slide image analysis. Convolutional neural networks (CNNs) capture local tissue features but tend to ignore more global context cues; on the other hand, Vision Transformers are data-hungry and sensitive to staining variations. We provide a systematic, controlled comparison, and propose a hierarchical Swin Transformer framework designed to leverage both local and global representations via adaptive channel rec
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.
Predicting the stabilizing efficacy of antioxidant mixtures in food oil emulsions is highly complex due to synergistic or antagonistic interactions between individual antioxidants. To address this challenge, we present an innovative hybrid machine learning framework, known as universal differential equations (UDEs), which integrates the expressive power of deep learning with the mechanistic boundaries of traditional kinetic models. We demonstrate the utility of this data-efficient approach by characterizing the coupled degradation dynamics of α-tocopherol in the presence of myricetin in oil. B
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.
In drug discovery, it is not sufficient for a lead compound to exhibit high binding affinity for the target protein alone. It is equally important to predict an optimal pharmacokinetic (PK) profile that reflects the physicochemical properties of the compound. In this study, we aimed to predict human PK by jointly employing physiologically based pharmacokinetic (PBPK) simulation and chemical graph convolutional neural networks (CGCNN) models. Using a hybrid approach that combines PBPK simulation with CGCNN models, we successfully constructed a model capable of predicting human area under the co
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.
The detection and search of Low Surface Brightness Galaxies (LSBGs) is an object detection task based on astronomical observational imagery, aiming to accurately localize faint and diffuse galaxies from massive sky survey datasets. Due to the inherently low signal-to-noise ratio (SNR) and weak galaxy signals in the images, LSBG detection poses significant challenges. In this case, existing object detection methods struggle to effectively address issues such as feature degradation, semantic isolation, and background interference, often resulting in missed or false detections. To address these c
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.
The pharmacological potential of Zingiber zerumbet is primarily attributed to its key bioactive compound, zerumbone. Zerumbone is known for its antioxidant, antiproliferative, anti-inflammatory, antimicrobial, and anticancer properties. The zerumbone content varies significantly across habitats. This study employed an artificial neural network (ANN) to assess the influence of abiotic factors, such as environmental parameters and soil nutrients, on zerumbone content and to predict optimal cultivation sites for Z. zerumbet. Sixty rhizome accessions from diverse locations in Eastern India were an
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.
Self-driving cars increasingly rely on deep neural networks to achieve human-like driving1-3. The opacity of these black-box planners makes it challenging to accurately anticipate when they will fail4-6, with potentially catastrophic consequences7-9. Although research into interpreting these systems has surged, most of it is confined to simulations or toy setups because of the difficulty of real-world deployment10,11, leaving the practical utility of these techniques unknown. Here, we introduce the Concept-Wrapper Network (CW-Net), a method for faithfully explaining the behaviour of machine-le
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.
BACKGROUND: cardiovascular disease is the leading global cause of mortality. Photoplethysmography (PPG), widely embedded in consumer wearables, offers a scalable diagnostic modality. However, prior approaches are often constrained by handcrafted features, binary classification, and poor generalizability, limiting their clinical impact.
METHODS: A deep hierarchical convolutional neural network (CNN) was designed to extract both morphological and rhythmic characteristics directly from raw photoplethysmography (PPG) signals. The architecture employs progressively structured convolutional filter
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.
For medical image segmentation, accurately balancing local details and global long-range dependencies is critical to tackling thyroid nodule challenges (variable sizes, ambiguous boundaries, complex context). Traditional CNNs excel at local feature extraction but are constrained by local receptive fields, hindering efficient global dependency modeling. To address this, we propose a Parallel Mamba Dual-U Network (PM-DUNet). It adopts a cascaded dual U-Net encoder-decoder for two-stage "coarse-to-fine" segmentation refinement. We design a Multi-Path Parallel Mamba (MPM) module-using State Space
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.
PURPOSE: Obstructive Sleep Apnea (OSA) has severely disrupted the sleep structure of OSA patients, resulting in a decline in sleep staging performance for these patients. The majority of the automatic sleep staging methods have not addressed this issue. Therefore, this article proposes a neural network to enhance the sleep staging result for OSA patients.
METHODS: By leveraging the easily extensible nature of Broad Learning System (BLS), we construct a dual-branch, multi-context and multimodal integration framework for sleep staging. The core of the proposed framework lies in its disease-awar
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.
Uncertainty quantification is crucial in deep learning, especially in medical diagnostics, to measure model prediction confidence and ensure reliable clinical decisions. This study introduces a novel conflict-based uncertainty quantification approach, applied as a case study in lung cancer classification, leveraging Dempster-Shafer Theory in conjunction with Deep Ensemble methods. The proposed method aggregates predictions from multiple neural network models using conflict as an uncertainty measure. By converting softmax outputs into Basic Belief Assignments and applying the rule of combinatio
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.
Kinase is an enzyme responsible for cell signaling and other complex processes. Mutations or changes in kinase can cause cancer and other diseases in humans, including leukemia, neuroblastomas, glioblastomas, and more. Considering these concerns, inhibiting overexpressed or dysregulated kinases through small drug molecules is very important. In the past, many machine learning and deep learning approaches have been used to inhibit unregulated kinase enzymes. In this work, we employ a Graph Neural Network (GNN) to predict the inhibition activities of kinases. A separate Graph Convolution Network
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.
Background and Objectives: Stratifying thyroid nodules according to malignancy risk is a crucial step in early diagnosis and patient care. Recently, deep learning techniques have emerged as powerful tools for medical diagnostics, particularly with convolutional neural networks (CNNs) applied to medical image classification. This study aimed to develop a new hybrid CNN model for classifying thyroid nodules using the TN5000 ultrasound image dataset. Materials and Methods: The TN5000 dataset includes 5000 ultrasound images, with 3572 malignant and 1428 benign nodules. To address the issue of clas
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: Assessment of intraoperative surgical skill is necessary to train surgeons and certify them for practice. The generalizability of deep learning models for video-based assessment (VBA) of surgical skill has not yet been evaluated. In this work, we evaluated one unsupervised domain adaptation (UDA) and three semi-supervised (SSDA) methods for generalizability of models for VBA of surgical skill in capsulorhexis by training on one dataset and testing on another.
METHODS: We used two datasets, D99 and Cataract-101 (publicly available), and two state-of-the-art models for capsulorhexis. 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.
Lymphedema is a chronic condition characterized by lymphatic fluid accumulation, primarily affecting the limbs. Its diagnosis is challenging due to symptom overlap with conditions like chronic venous insufficiency (CVI), deep vein thrombosis (DVT), and systemic diseases, often leading to diagnostic delays that can extend up to ten years. These delays negatively impact patient outcomes and burden healthcare systems. Conventional diagnostic methods rely heavily on clinical expertise, which may fail to distinguish subtle variations between these conditions. This study investigates the application
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.
Obstructive Sleep Apnea Hypopnea Syndrome (OSAHS) is a prevalent systemic disorder affecting approximately 1 billion people worldwide, associated with severe outcomes such as sudden death and traffic accidents. Despite its significant impact, OSAHS is frequently underdiagnosed. The current gold standard for assessing OSAHS severity, overnight polysomnography, is both costly and inconvenient. This study aims to develop an automated method for detecting apnea and hypopnea events using a temporal convolutional network (TCN) to improve diagnostic accuracy and reduce computational costs. We introdu
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 progression of Alzheimer's disease is relentless, leading to a worsening of mental faculties over time. Currently, there is no remedy for this illness. Accurate detection and prompt intervention are pivotal in mitigating the progression of the disease. Recently, researchers have been developing new methods for detecting Alzheimer's at earlier stages, including genetic testing, blood tests for biomarkers, and cognitive assessments. Cognitive assessments involve a series of tests to measure memory, language, attention, and other brain functions. For disease detection, optimal performance nec
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.
Tropical cyclones pose significant threats to coastal regions, and have a major negative influence on the environment and society. Precise cyclone identification and intensity estimation are crucial for effective early warning systems and disaster prevention. Traditional methods rely on manual interpretation and empirical models, often lacking efficiency and accuracy. This study proposes a deep learning framework that utilizes satellite image sequences for cyclone detection, classification, and intensity estimation. Unlike conventional models relying solely on spatial or manual features, the p
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.
Cervical cancer is a major cause of mortality among women, particularly in low-income countries with insufficient screening programs. Manual cytological examination is time-consuming, error-prone and subject to inter-observer variability. Automated and robust classification of the whole slide cytology images for cervical cancer is essential for detecting precancerous and malignant lesions. We propose a novel deep learning framework, the Compound Scaling Hypergraph Neural Network model (CSHG-CervixNet), for robust classification of cervical cancer subtypes. The model integrates a Compound Scali
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.
In biomechanical sensing, achieving flexible sensors with a broad detection range, ultrahigh sensitivity, and long-term stability remains a major challenge. Inspired by the gradient-modulus structure of human skin, we fabricated a bioinspired gradient-modulus iontronic sensor (GMIS) by integrating a microstructured ionic gel with a glass fiber-reinforced matrix. This design expanded the sensing range and stability, enabling real-time monitoring of multiple physiological signals. Experimental results demonstrated that GMIS maintained ultrahigh sensitivity (2904 kPa-1) over a wide pressure range
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