Early and accurate diagnosis of Alzheimer's disease (AD) is crucial for effective treatment. While the integration of deep learning techniques for AD classification is not entirely new, this study introduces CAPCBAM-a framework that extends prior approaches by combining Capsule Networks with a Convolutional Block Attention Module (CBAM). In CAPCBAM, standardized preprocessing of MRI images is followed by feature extraction using Capsule Networks, which preserve spatial hierarchies and capture intricate relationships among image features. The subsequent application of CBAM, employing both chann
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
Mental disorders, such as anxiety and depression, affect approximately 900 million people worldwide, posing severe challenges to healthcare systems and society. Accurate classification of mental disorders is crucial for effective treatment. However, current diagnostic methods primarily rely on behavioral observation and self-reported questionnaires, which are highly influenced by patient subjectivity and physician expertise. Sleep provides a stable physiological state largely unaffected by subjective emotions. Sleep-related vital signs, such as respiration and heart rate, offer valuable insigh
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
Sleep apnea is a disorder characterized by repetitive temporary cessation of breath, with significant health implications if untreated, thus requiring efficient and accurate identification methods. This paper proposes a novel CNN-based approach for apnea detection from physiological signals: ECG, heart rate, SpO₂, and respiratory signals. The novelty of this work consists in the employment of physiological signal correlation coefficient matrices to represent apnea manifestations. For classification, we employ a pre-trained ResNet-50 model with transfer learning and apply data augmentation to e
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.
Haematological diseases, also known as blood disorders, encompass a range of conditions that affect the blood and its components, including platelets, red blood cells, plasma, white blood cells, and the bone marrow. These illnesses can disrupt the normal function, production, or quantity of blood cells, leading to severe health problems. Standard types of haematological diseases include lymphoma, anaemia, multiple myeloma, leukaemia, thrombocytopenia, and haemophilia. Diagnosis typically involves blood tests and microscopic examinations of bone marrow or blood samples. At the same time, treatm
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 present paper aims primarily to analyze the driving skills of patients with different pathologies using artificial neural networks. The evaluation of these patients' abilities to drive an electric wheelchair or power wheelchair shows that this battery-operated device can be dangerous for them when they present severe motor deficiencies. It is for this reason that it was deemed necessary to use a Power Wheelchair (PW) driving simulator in order to analyze, in an objective manner, their driving abilities. Consequently, an experimental study was carried out using the driving simulator at the
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.
In electrocardiography (ECG), measurement of QRS duration (QRSd) is crucial for diagnosing conditions such as left bundle branch block. To address the limited availability of ECG databases with QRS delineation labels, we present a method to use small databases to train deep learning object detection models for global QRSd estimation that involves minimal manual labeling of median beats. In our method, an ECG record is segmented into individual heartbeats, transformed into artificial images, and a Faster R-CNN model is utilized to estimate the global QRSd. Faster R-CNN models were tested with 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.
BACKGROUND: Aneurysmal subarachnoid hemorrhage (SAH) is a life-threatening neurological emergency with mortality rates exceeding 30%. While deep learning techniques show promise for automated SAH segmentation, their clinical application is limited by the scarcity of labeled data and challenges in cross-institutional generalization. Transfer learning from related hematoma types represents a potentially valuable but underexplored approach. Although Unet architectures remain the gold standard for medical image segmentation due to their effectiveness on limited datasets, Low-Rank Adaptation (LoRA)
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.
Ribonucleic acid (RNA) lies at the heart of the central dogma. It spans the breadth of biological functions, from information storage to gene regulation and catalysis. RNA molecules must attain specific structures to perform these functions, and their structures depend on their sequences. Predicting the structure of RNA has been a central problem in computational biology. Various methods have been developed for this purpose - while some consider the thermodynamics of folding, others abstract away the details behind neural networks (NN). This paper presents a brief overview of the existing tool
СтатьяОбзорСравнительное 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.
Walking is a significant transportation method, but the convenience of pedestrian surroundings for individuals with blindness is highly challenging. Pedestrians with blindness familiarize themselves with guidelines in their surroundings, which might be artificial or natural. To overcome these troubles, it is highly significant for them to perceive the features of an environment. Currently, numerous methods like long white canes and GPS are deployed to improve pedestrian walkways for sightless people. So, they can utilize it as the primary assistive device for recognition and also the vital eco
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.
Objecitve. Brain-computer interface is a cutting-edge technology that enables interaction with external devices by decoding human intentions, and is highly valuable in the fields of medical rehabilitation and human-robot collaboration. The technique of decoding motor intent for motor execution (ME) based on electroencephalographic (EEG) signals is in the feasibility study stage by now. There are still insufficient studies on the accuracy of ME EEG signal recognition in between-subjects classification to reach the level of realistic applications. This paper aims to investigate EEG signal-based
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.
Precise segmentation of retinal vasculature is crucial for the early detection, diagnosis, and treatment of vision-threatening ailments. However, this task is challenging due to limited contextual information, variations in vessel thicknesses, the complexity of vessel structures, and the potential for confusion with lesions. In this paper, we introduce a novel approach, the MSMA Net model, which overcomes these challenges by replacing traditional convolution blocks and skip connections with an improved multi-scale squeeze and excitation block (MSSE Block) and Bottleneck residual paths (B-Res p
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.
Recent advancements in wearable sensor technologies have enabled real-time monitoring of physiological and biochemical signals, opening new opportunities for personalized healthcare applications. However, conventional wearable devices often depend on rigid electronics components for signal transduction, processing, and wireless communications, leading to compromised signal quality due to the mechanical mismatches with the soft, flexible nature of human skin. Additionally, current computing technologies face substantial challenges in efficiently processing these vast datasets, with limitations
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.
Prostate cancer is a prevalent and serious health concern, ranking among the most frequently diagnosed cancers and a leading cause of cancer-related deaths in men worldwide. Early detection and accurate diagnosis are crucial for improving patient outcomes by limiting disease progression. Histopathological image analysis remains the gold standard for prostate cancer detection; however, manual interpretation is time-consuming and requires specialized expertise. To address these challenges, this study proposes a hybrid deep learning framework that combines an ensemble of transfer-learned CNNs (VG
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 prediction of Parkinson's disease tremor (PDT) is crucial for developing assistive technologies; however, this is challenging due to the nonlinear, stochastic, and nonstationary characteristics of PDT, which substantially vary among patients and their activities. Moreover, most models only have one-step prediction capabilities, which causes delays in real-time applications. This paper proposes a self-attention deep temporal convolutional network (SADTCN) model for the real-time prediction of hand-arm PDT signals from different activities and joint angular motions. The SADTCN can captu
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.
OBJECTIVES: This study aimed to develop and evaluate a deep convolutional neural network (CNN) model for the automatic segmentation of foreign bodies and ghost images in panoramic radiographs (PRs), which can complicate diagnostic interpretation.
METHODS: A dataset of 11,226 PRs from four devices was annotated by two radiologists using the Computer Vision Annotation Tool. A U-Net-based CNN model was trained and evaluated using Intersection over Union (IoU), Dice coefficient, accuracy, precision, recall, and F1 score.
RESULTS: For foreign body segmentation, the model achieved validation Dice
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 electrical activity of the human heart, recorded via an electrocardiogram (ECG), is characterized by distinct waveforms such as the P wave, QRS complex, and T wave. By analyzing the duration, morphology, and intervals between these waveforms, various cardiac disorders can be identified. This study aims to develop a deep learning-based approach for the accurate classification of congenital heart disease (CHD) using ECG data. We employed convolutional neural networks (CNNs) and recurrent neural networks (RNNs) to analyze ECG signals, leveraging their ability to detect multiple features in ti
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.
High-quality motion estimation is essential in ultrasound elastography (USE) for evaluating tissue mechanical properties and detecting abnormalities. Traditional methods, such as speckle tracking and regularized optimization, face challenges including noise, oversmoothing of displacements and prolonged runtimes. Recent efforts have explored optical flow-based convolutional neural networks (CNNs). However, current approaches face, at least, one of the following limitations: 1) reliance on tissue incompressibility assumption, which compromises data fidelity and can introduce large errors; 2) dep
СтатьяПоддержка исследования: вне правительства СШАПоддержка 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.
The N6-methyladenosine(m6A) modification plays crucial regulatory roles in various biological processes including gene expression regulation, RNA stability, splicing, and translation. Accurate prediction of m6A modification sites is essential for understanding their biological functions and implications in diseases. To address this, we introduce m6A-SPP, a novel deep learning framework for predicting m6A modification sites effectively. The model integrates both sequence features and physicochemical properties of RNA through two specialized modules. The sequence feature module leverages a pretr
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: Anemia is one of the most common hematological disorders causing fatigue, increased vulnerability to infection, low birth weight, and threatening the physical and mental development of children. Hence, the early identification reduces the risk of patients and facilitates early intervention. On the other hand, the blood collection of the adults is simple, and the results will be precise, and directly show the cause of anemia in adults. Noninvasive techniques for anemia diagnosis are specific for young children and pediatric patients improving the cost-effectiveness.
RESEARCH DESIGN
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.
European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society2025eng
Spinal Cord Injury (SCI) presents a complex clinical challenge, frequently leading to a cascade of secondary health issues. These may include impaired temperature regulation, sudden drops in blood pressure upon standing, episodes of Autonomic Dysreflexia, and disruptions in urinary and gastrointestinal function. With the surge of machine learning, multiple schemes have been proposed for disease diagnosis using medical imaging, even for SCI detection. However, issues like class imbalance and variability in imaging affect the performance of these models. Hence, this research presents a novel Dee
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.
MedElevator
Войти в исследования