The purpose of this study was to develop realistic phantom models of the intracellular environment of metastatic breast tumour and naïve brain, and using these models determine an analysis metric for quantification of CEST MRI data that is sensitive to only labile proton exchange rate and concentration. The ability of the optimal metric to quantify pH differences in the phantoms was also evaluated. Novel phantom models were produced, by adding perchloric acid extracts of either metastatic mouse breast carcinoma cells or healthy mouse brain to bovine serum albumin. The phantom model was validat
Оценочное исследованиеСтатьяПолный 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.
This paper presents a new method for modelling the spines of subjects and making accurate 3D measurements using standard radiologic systems without requiring calibration objects. The method makes use of the focal distance and statistical models for estimating the geometrical parameters of the system. A dataset of 32 subjects was used to assess this method. The results show small errors for the main clinical indices, such as an RMS error of 0.49° for the Cobb angle, 0.50° for kyphosis, 0.38° for lordosis, and 2.62mm for the spinal length. This method is the first to achieve this level of accura
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.
Accurately assessing the severity of pediatric pneumonia using AI-based lung ultrasound (LUS) video scoring remains challenging due to three main limitations: 1) limited availability of expert annotations, 2) underutilization of temporal dynamics, and 3) lack of mechanisms to capture the directional patterns and temporal evolution of diagnostic artifacts. To address these challenges, we introduce PedLUS, a self-supervised video learning framework for Pediatric Lung Ultrasound Scoring, together with a dedicated dataset comprising 1,646 unlabeled clips for pretraining and 464/156 labeled clips f
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.
Early detection of colorectal polyps is crucial to reduce the morbidity and mortality associated with colorectal cancer. However, during endoscopy, continuous camera motion and the complex clinical environment often degrade key visual cues (e.g., polyp morphology, texture, and boundaries). This leads to cross-frame view shifts, which are characterized by heterogeneous appearances of the same lesion over time, thereby introducing spurious correlations that hinder reliable assessment. To address this, we propose a causality-inspired representation learning framework with spatiotemporal memory fo
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: Breast phyllodes tumours (PT) are rare biphasic neoplasms consisting of epithelial and stromal components. They are classified into benign, borderline and malignant categories. Diagnosing and grading PTs present a challenge for pathologists, as there are multiple histological parameters and their own tiers. We aim to investigate the potential role of artificial intelligence (AI) as a diagnostic aid in determining PT grade.
MATERIALS AND METHODS: We investigated 15 PT whole slide images (WSIs), comprising 5 benign, 5 borderline and 5 malignant cases. We sought to classify and retri
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.
BACKGROUND AND OBJECTIVE: Tumor-infiltrating lymphocytes (TILs) are an important indicator of immune activity in breast cancer, yet scoring them consistently on H&E slides remains challenging in routine pathology. This work presents a modular deep learning pipeline that delivers fully automated and continuous stromal TILs (sTILs) scores in line with the International Immuno-Oncology Biomarker Working Group (IIOBWG) guidelines.
METHODS: The pipeline combines three components: a TIL segmentation model refined through pathologist-guided active learning, a robust stroma segmentation network based
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.
BackgroundDetecting breast cancer, especially identifying microcalcifications in mammograms, is challenging due to the need for high sensitivity and efficient processing. This study presents a novel algorithm, Sigmoidal Slope Analysis and Aspect Ratio Evaluation (SAAR), designed for real-time application on edge devices. By employing a multi-step adaptive process with sigmoidal functions, SAAR enhances intensity contrast and prioritizes regions of interest, enabling fast, accurate detection of microcalcifications.ObjectiveThis study aims to develop and validate an efficient, edge-device-compat
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.
Breast cancer remains a major global health concern and is the leading cause of cancer-related deaths among women worldwide. It is estimated that by 2030, its incidence and mortality rates will rise due to population growth, aging, and lifestyle changes. Although histopathological examination is considered the gold standard for diagnosis, manual assessment is often time-consuming, subjective, and-particularly in the case of complex, multidimensional cancer classifications-prone to inter-observer variability. These limitations underscore the need for accurate, automated, and computationally eff
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.
BACKGROUND: Early and reliable grading of diabetic retinopathy is important for preventing avoidable vision loss. Although deep learning methods have shown strong performance on retinal fundus images, grading remains difficult because of class imbalance, variable image quality, subtle differences between adjacent disease stages, and the need for interpretable predictions. This study developed a clinically interpretable deep learning pipeline for five-class diabetic retinopathy grading.
METHODS: A classification framework based on EfficientNet-B1 was developed using contrast-limited adaptive h
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: Cystoscopy remains the gold standard for diagnosing bladder lesions; however, its diagnostic accuracy is operator dependent and prone to missing subtle abnormalities such as carcinoma in situ or misinterpreting mimic lesions (tumor, inflammation, or normal variants). Artificial intelligence-based image-analysis systems are emerging, yet conventional models remain limited to single tasks and cannot produce explanatory reports or articulate diagnostic reasoning. Multimodal large language models (MM-LLMs) integrate visual recognition, contextual reasoning, and language generation, off
СтатьяСравнительное 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.
Fetal echocardiography is essential for detecting congenital heart disease (CHD), facilitating pregnancy management, optimized delivery planning, and timely postnatal interventions. Among standard imaging planes, the four-chamber view (4CV) provides important information for CHD diagnosis, where clinicians carefully inspect the end-diastolic (ED) and end-systolic (ES) phases to evaluate cardiac structure and motion. Automated detection of these cardiac phases is thus a critical component towards fully automated CHD analysis. However, existing approaches typically rely on manual annotation of E
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.
OBJECTIVE: To develop and evaluate a deep learning model capable of detecting ventriculomegaly on prenatal ultrasound images using a foundation model pre-trained specifically on ultrasound data.
METHODS: A vision transformer-based ultrasound self-supervised foundation model with masked autoencoding (USF-MAE) was fine-tuned for binary classification of fetal brain ultrasound images as normal or ventriculomegaly. The encoder had been pre-trained on more than 370,000 ultrasound images from the OpenUS-46 corpus. For this study, it was adapted and fine-tuned on a curated data set of fetal brain im
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.
OBJECTIVE: Abdominal ultrasound is widely used for the routine screening of hepatobiliary and renal diseases because it is safe, inexpensive and broadly accessible. In daily clinical practice, however, lesion detection remains highly operator-dependent, particularly when sonographers must identify subtle abnormalities across different abdominal organs under low-contrast, noisy and continuously changing views. Missed or delayed recognition may affect subsequent diagnostic assessment and patient management. Although deep learning has shown promise in ultrasound analysis, most existing methods fo
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.
Hirschsprung disease (HD) is a congenital disorder characterized by the absence of ganglion cells in the colonic nervous plexuses, resulting in bowel obstruction and various complications. The diagnosis of HD demands expertise, experience, and ancillary tests. Our objective was to design an artificial intelligence (AI) tool to facilitate the diagnostic process of HD and evaluate its performance in terms of sensitivity, specificity, and average area under the curve (AUC). Using a camera-equipped microscope, we digitized 222 high-power fields of view obtained from H&E-stained slides. Nuclei were
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.
BI-RADS category 4 is the diagnostic threshold between benign and malignant breast tumors and is critical in determining clinical breast cancer treatment options. However, breast tumors within BI-RADS category 4 tend to show subtle or contradictory differences between benign and malignant on B-mode images, leading to uncertainty in clinical diagnosis. Recently, many deep learning studies have realized the value of multimodal and multiparametric ultrasound in the diagnosis of breast tumors. However, due to the heterogeneity of data, how to effectively represent and fuse common and specific feat
СтатьяПоддержка 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.
The increasing diagnostic workload in pathology, driven by rising cancer incidences, highlights the need for scalable, cost effective solutions. Artificial intelligence (AI) has shown promise in supporting lymph node (LN) metastasis detection, a key prognostic factor in cancer staging. However, the current Conformité Européene In Vitro Diagnostics--certified AI tools are often limited to specific tumor types, reducing their cost efficiency and clinical use. This study evaluates the performance of 2 Conformité Européene In Vitro Diagnostics-certified AI tools-Visiopharm Metastasis Detection App
СтатьяСравнительное исследованиеПоддержка 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.
OBJECTIVES: Large-scale radiographic datasets often include errors in labels such as body parts or projection, which can undermine automated image analysis. Therefore, we aimed to develop and externally validate two deep-learning models-one for categorising radiographs by body part, and another for identifying projection and rotation of chest radiographs-using large, diverse datasets.
MATERIALS AND METHODS: We retrospectively collected radiographs from multiple institutions and public repositories. For the first model (Xp-Bodypart-Checker), we included seven categories (Head, Neck, Chest, Inc
СтатьяМногоцентровое 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.
Neonatal pneumoperitoneum is a life-threatening condition requiring prompt diagnosis, yet its subtle radiographic signs pose diagnostic challenges, especially in emergency settings. To develop and validate a deep multi-task learning model for diagnosing neonatal pneumoperitoneum on radiographs and to assess its clinical utility across clinicians of varying experience levels. Retrospective diagnostic study using internal and external datasets. Internal data were collected between January 1995 and August 2018, while external data were sourced from 11 neonatal intensive care units. Tertiary hospi
СтатьяМногоцентровое исследованиеНаблюдательное 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.
Diabetic foot ulcers (DFUs) are a common and serious complication of diabetes, presenting as open sores or wounds on the sole. They result from impaired blood circulation and neuropathy associated with diabetes, increasing the risk of severe infections and even amputations if untreated. Early detection, effective wound care, and diabetes management are crucial to prevent and treat DFUs. Artificial intelligence (AI), particularly through deep learning, has revolutionized DFU diagnosis and treatment. This work introduces the DFU_XAI framework to enhance the interpretability of deep learning mode
СтатьяВалидационное 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.
The analysis of fundus images is vital for early detection of retinal diseases such as diabetic retinopathy (DR), glaucoma, and age-related macular degeneration (AMD), but traditional methods are resource-intensive. We propose an automated and interpretable diagnostic framework that leverages novel feature representations to improve performance. Our main contribution is a topological feature extraction technique based on Topological Data Analysis (TDA), which captures geometric and structural patterns in fundus images. These features are computationally efficient and interpretable. We integrat
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