Deep generative modeling (DGM) represents a transformative paradigm in proteolysis-targeting chimera (PROTAC) discovery, transitioning the field from empirical trial-and-error and computer-aided drug design (CADD) toward data-driven, autonomous candidate generation. PROTAC design presents a high-dimensional systems engineering challenge due to the intertwined complexities of ternary-complex cooperativity, linker conformational plasticity, and conflicting pharmacokinetic profiles. By systematic integration of machine learning architectures-spanning language models, graph neural networks, and di
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.
Accurate computer-aided diagnosis systems rely on precise segmentation of the vertebral column to assist physicians in diagnosing various disorders. However, segmenting spinal disks and bones becomes challenging in the presence of abnormalities and complex anatomical structures. While Deep Convolutional Neural Networks (DCNNs) achieve remarkable results in medical image segmentation, their performance is limited by data insufficiency and the high computational complexity of existing solutions. This paper introduces LiDSCUNet++, a lightweight deep learning framework based on depthwise-separable
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.
This issue of the Biomedical Journal tells us about the risks of electronic cigarette smoking, variations of SARS-CoV-2 and ACE2, and how COVID-19 affects the gastrointestinal system. Moreover, we learn that cancer immunotherapy seems to work well in elderly patients, how thyroid hormones regulate noncoding RNAs in a liver tumour context, and that G6PD is a double-edged sword of redox signalling. We also discover that Perilla leaf extract could inhibit SARS-CoV-2, that artificial neural networks can diagnose COVID-19 patients and predict vaccine epitopes on the Epstein-Barr Virus, and that men
Редакционная статьяIntroductory Journal ArticleПоиск 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.
With digital mammography it is possible to assist radiologists in breast cancer screening with computers to improve their reading performance. The need for this has been demonstrated by studies showing a large variability in skill of radiologists reading mammograms. Moreover, retrospective studies show that a significant number of cancers are clearly visible on earlier screening mammograms, even for 'trained' computers. Methods for automated detection of breast cancer in mammograms often use artificial neural networks. These are 'trained' to recognize abnormal mammographic areas using a large
Сравнительное исследованиеСтатьяПоддержка исследования: вне правительства СШАОбзорПолный 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.
This study aims to develop an abdominal acupoint localization system based on computer vision and convolutional neural networks (CNNs). To address the challenge of abdominal acupoint localization, a multi-task CNNs architecture was constructed and trained to locate the Shenque (CV8) and human body boundaries. Based on the identified Shenque (CV8), the system further deduces key characteristics of four acupoints: Shangwan (CV13), Qugu (CV2), and bilateral Daheng (SP15). An affine transformation matrix is applied to accurately map image coordinates to an acupoint template space, achieving precis
Аннотация на английскомСтатьяПоиск 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.
Crop diseases threaten agricultural productivity, creating a need for recognition models that combine accuracy, robustness, and computational efficiency. Existing CNN-, Transformer-, and state-space-based approaches can weaken fine-grained lesion edges and textures when emphasizing global context. We therefore propose MambaSeed, a lightweight hybrid network built on MambaVisionMixer and equipped with the Local Continuous Branch Injection mechanism, hereafter LCBI. This mechanism repeatedly introduces local feature compensation during hierarchical modeling, preserving high-frequency cues while
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.
Objective.Positron emission tomography (PET) reconstruction is an ill-posed inverse problem, particularly under low-count conditions where noise severely degrades image quality and quantitative accuracy. Although supervised learning approaches have demonstrated strong denoising capability, their performance often depends on large paired datasets and may suffer from limited generalization. This work aims to develop an unsupervised reconstruction framework for time-of-flight PET (TOF-PET) that improves image quality while maintaining quantitative reliability.Approach.We propose a TOF-PET reconst
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.
Colonoscopy polyp segmentation is important for colorectal cancer screening, yet it remains challenging because polyps exhibit large morphological variation, weak lesion-background contrast, blurred boundaries, and severe foreground-background imbalance. To address these issues, this paper presents MCM-UNet++, a hybrid U-Net++-based segmentation framework that combines three targeted enhancements. First, a Multi-Axis Transformer Block (MATransformerBlock) is incorporated into convolutional feature blocks to model long-range horizontal and vertical dependencies with lower complexity than dense
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.
Soccer video analysis has significant application value in sports broadcasting, tactical research, and athlete training, with accurate object detection serving as the key foundation for automated analysis. Soccer object detection typically improves performance through enhanced feature representation and optimized network architectures, but these methods assume that models can automatically learn discriminative features of targets. Through experiments, we reveal the "feature collapse" phenomenon in soccer detection, where features of players from the same team are excessively clustered in high-
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.
Automated inspection of prepared meals is important for improving food safety, quality assurance, and production efficiency. However, vision-based inspection remains challenging because boxed meals contain multiple adjacent food items with irregular shapes, varying portion sizes, and visually similar appearances, while oily surfaces may introduce specular reflections that degrade image quality. This study presents a vision-based framework for multi-object recognition and quantitative defect analysis in complex meal images, with Chinese-style lunch boxes used as representative test samples. The
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.
Colorectal cancer is usually caused by malignant transformation of early colon polyps. Early polyps are benign, but if left untreated, they can progress to cancer. Early diagnosis of polyps can significantly improve the survival rate of patients. To overcome the challenges of small polyp localization and the blurring of segmentation boundaries caused by indistinct polyp edges in existing research on colon cancer medical image diagnosis, we propose MSFNet (Muilti-Scale Feature Unet), a polyp image segmentation model using multi-scale contextual feature extraction and re-aggregation channel atte
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.
Deep learning has emerged as a powerful tool in medical imaging, particularly for corneal topographic map classification. However, the scarcity of labeled data poses a significant challenge to achieving robust performance. This study investigates the impact of various data augmentation strategies on enhancing the performance of a customized convolutional neural network model for corneal topographic map classification. We propose a hybrid data augmentation approach that combines traditional transformations, generative adversarial networks, and specific generative models. Experimental results de
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.
OBJECTIVES: Deep convolutional neural networks (CNNs) are advancing rapidly in medical research, demonstrating promising results in diagnosis and prediction within radiology and pathology. This study evaluates the efficacy of deep learning algorithms for detecting and diagnosing dental caries using cone-beam computed tomography (CBCT) with the Mask R-CNN architecture while comparing various hyperparameters to enhance detection.
MATERIALS AND METHODS: A total of 2,128 CBCT images were divided into training and validation and test datasets in a 7:1:1 ratio. For the verification of tooth recogni
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.
Recent advancements in visual speech recognition (VSR) have promoted progress in lip-to-speech synthesis, where pre-trained VSR models enhance the intelligibility of synthesized speech by providing valuable semantic information. The success achieved by cascade frameworks, which combine pseudo-VSR with pseudo-text-to-speech (TTS) or implicitly utilize the transcribed text, highlights the benefits of leveraging VSR models. However, these methods typically rely on mel-spectrograms as an intermediate representation, which may introduce a key bottleneck: the domain gap between synthetic mel-spectro
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.
Pathogenic yeasts are an increasing concern in healthcare, with species like Candida auris often displaying drug resistance and causing high mortality in immunocompromised patients. The need for rapid and accessible diagnostic methods for accurate yeast identification is critical, especially in resource-limited settings. This study presents a convolutional neural network (CNN)-based approach for classifying pathogenic yeast species from microscopy images. Using transfer learning, we trained the model to identify six yeast species from simple micrographs, achieving high classification accuracy
СтатьяПоддержка NIH: внешняя программаПоиск 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 study introduces a novel deep learning approach aimed at accurately classifying Gallbladder Cancer (GBC) into benign, malignant, and normal categories using ultrasound images from the challenging GBC USG (GBCU) dataset. The proposed methodology enhances image quality and specifies gallbladder wall boundaries by employing sophisticated image processing techniques like median filtering and contrast-limited adaptive histogram equalization. Unlike traditional convolutional neural networks, which struggle with complex spatial patterns, the proposed transformer-based model, GBC Horizontal-Verti
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.
Visually impaired individuals suffer many problems in handling their everyday activities like road crossing, writing, finding an object, reading, and so on. However, many navigation methods are available, and efficient object detection (OD) methods for visually impaired people (VIP) need to be improved. OD is the most crucial contribution of computer vision (CV) and plays an important part in recognizing and finding objects in the image. The aged and visually challenged people can identify different objects accurately under some constraint features like scaled, occlusion, illuminated, and blur
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 detection of arrhythmias from electrocardiogram (ECG) signals is crucial for timely diagnosis and effective management of cardiovascular diseases. This paper introduces a novel bio-inspired approach for ECG arrhythmia detection, leveraging Spiking Neural Networks (SNNs) inspired by biological neural mechanisms. The proposed methodology employs a structured pipeline, beginning with signal preprocessing involving normalization and filtering. Continuous ECG signals are then transformed into spike trains using rate coding. The core of the approach utilizes leaky integrate-and-fire (LIF) n
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 scale of data generated for mass-spectrometry-based proteomics and modern acquisition strategies poses a challenge to bioinformatic analysis. Search engines need to make optimal use of the data for biological discoveries while remaining statistically rigorous, transparent and performant. Here we present alphaDIA, a modular open-source search framework for data-independent acquisition (DIA) proteomics. We developed a feature-free identification algorithm that performs machine learning directly on the raw signal and is particularly suited for detecting patterns in data produced by time-of-fl
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 accordance with human life, agriculture has main role in it, and in addition to that most people are involved in some kind of agricultural activity either in a direct or indirect manner. Moreover, the agricultural sectors acquired a major role in supplying better quality food and thus made the greatest attribution to the growth of populations and economics. But, the disease over the crop has influenced the growth of the corresponding species and thus requires an earlier diagnosis of plant disease by utilizing the most adequate and automatic detection approach for improving the quality of th
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