Architectural Distortion (AD) is a common abnormality in digital mammograms, alongside masses and microcalcifications. Detecting AD in dense breast tissue is particularly challenging due to its heterogeneous asymmetries and subtle presentation. Factors such as location, size, shape, texture, and variability in patterns contribute to reduced sensitivity. To address these challenges, we propose a novel feature fusion-based Vision Transformer (ViT) attention network, combined with VGG-16, to improve accuracy and efficiency in AD detection. Our approach mitigates issues related to texture fixation
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 learning has shown remarkable promise in histopathological cancer diagnostics; however, its performance heavily depends on the availability of large-scale, high-quality labelled data, which is often an unrealistic assumption in clinical practice. To address the challenges posed by imperfect and limited data, this paper presents a semi-supervised learning (SSL)- driven Internet of Medical Things (IoMT) framework for automated prostate cancer grading using whole-slide histopathology images. The proposed framework integrates deep learning, IoMT data acquisition, and cloud inference to delive
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: 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.
Detecting tuberculosis on X-rays remains complex and challenging for clinicians. In Burkina Faso, the scarcity of radiologists and their heavy workload increase the risk of misinterpretation, particularly in areas with high demand. To address this constraint, we have designed a comprehensive solution based on artificial intelligence, ranging from data analysis to the training of advanced deep learning models, enabling the automatic identification of tuberculosis abnormalities from chest X-rays. In this article, we present our three-step approach for tuberculosis detection, directly inspired by
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.
Accurate gastric polyp segmentation is essential for effective diagnosis and prevention of gastric cancer, given the malignant potential of gastric polyps such as adenomas and hyperplastic lesions. However, gastric polyps present unique segmentation challenges due to multifocal and flat lesions as well as the complex gastric mucosal folds. To this end, we propose a novel semi-supervised gastric polyp segmentation framework. Conventional confidence-based pseudo-label refinement often suffers from overconfidence and unreliability, further exacerbated by the severe class imbalance between polyp r
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.
INTRODUCTION: Programmed cell death ligand-1 (PD-L1) combined positive score (CPS) evaluation plays a pivotal role in predicting immunotherapy efficacy for gastric cancer. However, manual CPS assessment suffers from significant inter-observer variability among pathologists, leading to clinical inconsistencies. To address this limitation, we developed a deep learning-based artificial intelligence (AI) system that automates PD-L1 CPS quantification for patients with gastric cancer (GC) using whole slide images (WSIs).
METHODS: We developed a deep learning-based artificial intelligence (AI) syst
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.
Pancreatic cancer is diagnosed mainly during endoscopic ultrasound, but limited few works explore computer-assisted diagnosis (CAD) for this modality. At the moment, most CAD systems are based on deep learning models. However, those models need large datasets to be trained effectively. In this work, to advance the research for pancreatic cancer CAD, we introduce a novel endoscopic ultrasound dataset for the classification task of pancreatic tumors. We present a dataset of 7825 endoscopic images corresponding to 606 patients. The dataset is divided into two classes: ultrasound images containing
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 tumor detection in digital pathology whole-slide images (WSIs) is crucial for cancer diagnosis and treatment planning. Multiple Instance Learning (MIL) has emerged as a widely used approach for weakly-supervised tumor detection with large-scale data without the need for manual annotations. However, traditional MIL methods often depend on classification tasks that require tumor-free cases as negative examples, which are challenging to obtain in real-world clinical workflows, especially for surgical resection specimens. We address this limitation by reformulating tumor detection as a re
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.
Alzheimer's disease (AD) is the most common neurodegenerative disorder, yet its underlying mechanisms remain elusive. Early and accurate diagnosis is crucial for timely intervention and disease management. In this paper, a multi-strategy improved dung beetle optimizer (MDBO) was proposed to establish a new framework for AD diagnosis. The unique aspect of this algorithm lies in its integration of the Osprey Optimization Algorithm, Lévy flight, and adaptive t-distribution. This combination endows MDBO with superior global search capabilities and the ability to avoid local optima. Then, we presen
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.
Leiomyomas (LM) and adenomyosis (AM) are common gynecological diseases with high incidence rates and an increasing trend of affecting younger women. Accurate detection and differentiation of LM and AM in ultrasound images are crucial for selecting appropriate treatment options. Due to the heterogeneity of these two diseases, the location, size, and number of lesions often vary significantly, posing substantial challenges for sonographers to conduct manual examinations. In this study, we propose a frequency feature learning-based detection method, FreqYOLO, for detecting LM and AM in ultrasound
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.
Artificial intelligence (AI) is rapidly transforming the field of echocardiography. By leveraging machine learning, particularly deep learning, AI enhances image acquisition, interpretation, and diagnostic accuracy. It addresses long-standing limitations of echocardiography, such as operator dependency and inter-observer variability. AI-enabled systems, ranging from probe guidance to automated quantification tools, have improved image quality and reduced variability in key measurements such as left ventricular ejection fraction (LVEF). Recent studies show that AI can assist in disease classifi
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.
Prostate cancer (PCa) detection and accurate grading remain critical challenges in medical diagnostics. While deep learning has shown promise in medical image analysis, existing computer-aided diagnosis approaches primarily focus on image recognition, overlooking patient-relevant information. Additionally, current multimodal fusion approaches face a significant limitation in their inability to effectively integrate and analyze irregular time-series data, such as prostate-specific antigen (PSA) measurements alongside imaging data, particularly in cases where measurements are taken at inconsiste
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.
Lymph node metastasis (LNM) is a critical prognostic factor for prostate cancer and is associated with increased mortality and poor clinical outcomes, necessitating modifications to therapeutic strategies. Manual histopathological evaluation of lymphatic tissue on glass slides is labor intensive, subject to interobserver variability, and prone to error. Deep learning approaches offer substantial promise in enhancing the accuracy and efficiency of LNM detection; however, their efficacy is contingent upon the availability of extensive annotated data sets. In this study, we developed a novel arti
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.
Complex artificial intelligence models, like deep neural networks, have shown exceptional capabilities to detect early-stage polyps and tumors in the gastrointestinal tract. These technologies are already beginning to assist gastroenterologists in the endoscopy suite. To understand how these complex models work and their limitations, model explanations can be useful. Moreover, medical doctors specialized in gastroenterology can provide valuable feedback on the model explanations. This study explores three different explainable artificial intelligence methods for explaining a deep neural networ
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: Lymph node metastasis (LNM) is a critical prognostic indicator in papillary thyroid carcinoma (PTC), significantly influencing surgical decision-making and the administration of adjuvant therapies. While conventional imaging modalities such as ultrasound, computed tomography, magnetic resonance imaging, and intraoperative frozen sections are widely used, their sensitivity in detecting micrometastases and accurately localising metastatic regions remains limited. Recent advances in deep learning applied to whole slide images (WSIs) offer promise in enhancing diagnostic precision. How
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.
More than 6 million Americans are at risk for Alzheimer's Disease Related Dementias (ADRD), most of whom are 65 or older. The clock drawing test (CDT) is a quick, simple, and effective technique that has the potential advantage of self-management and screening for ADRD patients. Current CDT-based ADRD screening studies focus more on efficacy, involving many handcrafted features, ignoring data modalities, and lacking validation. This paper aims to propose a unified telemedicine framework for fully and semi-automatic effective early ADRD screening based on multimodal and agile data fusion, focus
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.
Optical property modulation induced by ionizing radiation is a promising approach for ultra-fast, lower time jitter detection of photon arrival time. If successful, this method can be utilized in time-of-flight positron emission tomography to achieve a coincidence time resolution approaching 10 ps. In this work, the optical property modulation based method is further developed with focus on a detection setup based on two crossed polarizers. Previous work demonstrated that such an optical setup could be utilized in radiation detection, though its detection sensitivity needed improvement. This w
СтатьяПоддержка NIH: внешняя программаПоиск 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.
Facial weakness is a symptom commonly associated to lack of facial muscle control due to neurological injury. Several diseases are associated with facial weakness such as stroke and Bell's palsy. The use of digital imaging through mobile phones, tablets, personal computers and other devices could provide timely opportunity for detection, which if accurate enough can improve treatment by enabling faster patient triage and recovery progress monitoring. Most of the existing facial weakness detection approaches from static images are based on facial landmarks from which geometric features can be c
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.
Neovascular age-related macular degeneration (nAMD) is nowadays successfully treated with anti-VEGF substances, but inter-individual treatment requirements are vastly heterogeneous and currently poorly plannable resulting in suboptimal treatment frequency. Optical coherence tomography (OCT) with its 3D high-resolution imaging serves as a companion diagnostic to anti-VEGF therapy. This creates a need for building predictive models using automated image analysis of OCT scans acquired during the treatment initiation phase. We propose such a model based on deep learning (DL) architecture, comprise
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.
In this paper, we propose a novel and efficient method for detecting and quantifying red and white blood cells from microscopic blood images. Laboratory tests that use a cell counter or a flow cytometer can perform a complete blood count (CBC) rapidly. Nonetheless, a manual blood smear inspection is still needed, both to have a human check on the counter results and to monitor patients under therapy. Moreover, it allows for describing the cells' appearance as well as any abnormalities. However, manual analysis is lengthy and repetitive, and its result can be subjective and error-prone. In cont
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.
MedElevator
Войти в исследования