BACKGROUND: Parkinson's disease (PD) is a progressive neurodegenerative disorder affecting millions of people worldwide. It severely impairs patients' mobility. For effective treatment strategies, it is essential to determine the severity of the disease at an early stage.
METHODS: In this study, an optimized feature-fusion framework is developed to detect the severity of Parkinson's disease using gait data via an Optimized Fuzzy Neural Network (OPtFuzNet). This feature-fusion framework can be categorized into three stages: pre-processing, feature extraction, and classification. In the pre-pro
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.
Leukemia, a life-threatening hematological malignancy, necessitates early and accurate diagnosis for effective treatment. Traditional microscopic examination is often time-consuming and subjective, while most existing deep learning-based studies are limited to a narrow selection of models and lack interpretability analysis. To address these gaps, this study presents a comprehensive comparative evaluation of fourteen pre-trained CNN architectures, including EfficientNetB1/B3/B5, Xception, InceptionV3, InceptionResNetV2, DenseNet201, ResNet variants, VGG16/19, and MobileNet, for automated leukem
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.
Diabetic foot ulcers (DFUs) pose a significant complication of diabetes with the potential to lead to amputation if not effectively managed. Current DFU treatments require rigorous monitoring by both healthcare professionals and patients, which is challenging due to the high costs associated with diagnosis, treatment and long-term care. A major limitation of these approaches is their limited capacity to identify highly relevant pattern connections and broad contextual correlations resulting inaccuracies in classifying regions of interest. This research introduces an attention enhanced deep lea
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.
Convolutional Neural Networks are widely used in lung cancer detection for more than a decade. However, it suffers from preserving spatial relationships among features, leading to dead units in deeper layers. This is overcome by the capsule network (CapsNet), which estimates various instantaneous parameters. Nevertheless, the dynamic algorithm implemented in CapsNet is prone to computational complexity because of its higher-end matrix multiplication between primary and secondary capsules. In this study, a light weight attention (LWA)-based EfficientNetB0 and Capsule-inspired feature encoding m
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.
Protein post-translational modifications (PTMs) represent a core regulatory mechanism governing protein function and cellular fate. Their dynamic alterations profoundly influence critical biological processes. However, Existing research primarily focuses on single-PTM site prediction and remains confined by single-modality analysis. This study introduces UniGraphPTMs, the first universal PTM site prediction framework based on multimodal fusion and graph neural networks. UniGraphPTMs employs a master-slave architecture to break branch independence through multi-stage interactions. We pioneer 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.
In the multi-modal salient object detection task, depth or thermal features are often directly fused with visible feature during the encoding stage, which directly results in the fused encoder features containing a large amount of noise information and reducing the accuracy of detection. To address this challenge, in this paper, we propose a novel dual-branch multi-modal deep fusion network (DMDNet) where visible image serves as one branch, and depth and thermal images serve as another branch to achieve multi-modal feature fusion in the decoder phase. In the encoder phase, we apply two types o
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.
Drones and other flying objects can be regarded as small targets from a long-distance perspective. Considering the occlusion and interference caused by the external environment, the infrared detection methods are adopted to help identify and manage small aerial targets. However, remote infrared imaging often leads to small target feature detail loss. And the general methods have low detection efficiency, difficult to deeply extract target features. To better address the above problems, we propose an attentional dual-stream interactive perception network (ADIPNet) in this paper. Based on dual-s
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.
The ability of artificial intelligence agents to make optimal decisions and generalise them to different domains and tasks is compromised in complex scenarios. One way to address this issue has focused on learning efficient representations of the world and on how the actions of agents affect them in state-action transitions. Whereas such representations are procedurally efficient, they lack structural richness. To address this problem, we propose to enhance the agent's ontology and extend the traditional conceptualisation of trajectories to provide a more nuanced view of task execution. Struct
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.
Spiking neural networks (SNNs) hold promise for bridging artificial intelligence and computational neuroscience. However, mainstream SNNs predominantly adopt the rigid, chain-like architectures of artificial neural networks (ANNs), ignoring key structural characteristics. Biological neurons are stochastically interconnected, forming complex neural pathways that exhibit Neuron-Expandability, Pathway-Reusability, and Dynamic-Configurability. To explicitly model these characteristics, we introduce Cognition-aware SNN (CogniSNN), a novel paradigm grounded in Random Graph Architecture (RGA). Furthe
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.
Despite the fact that video data integrates visual and auditory modalities to support comprehensive perception, existing audio-visual object detection methods predominantly employ asymmetric fusion paradigms, using one modality as an auxiliary cue during training while neglecting it during inference. Methods leveraging both modalities at inference typically focus on sound source localization, detecting only sounding objects. This limitation prevents the full exploitation of video data. To construct an object detection method applicable to both sounding and non-sounding objects, we innovatively
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.
Multispectral Imaging Flow Cytometry (MIFC) using the Imagestream X MkII instrument was currently introduced for pollen analysis of recent and fossil pollen. The method allows processing up to 2000 objects/s by simultaneously taking up to 12 microscopic images per object. Based on the images, multispectral patterns, scatter information, and morphological parameters of the pollen can be easily and accurately accessed in high throughput. This enables a powerful way of upscaling pollen analysis and pollen phenotyping to sample amounts, rarely feasible to be processed by classical microscopy, whil
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.
Traditional statistical methods have limitations when dealing with high-dimensional, small-sample data. Deep learning methods have attracted widespread attention due to their powerful feature learning capabilities. Leveraging deep neural networks (DNNs), this paper proposes a novel biomarker screening framework and compares it with traditional statistical methods such as Least Absolute Shrinkage and Selection Operator (LASSO) and random forests. Experiments conducted on a breast cancer dataset demonstrate the superiority of DNN models for biomarker screening, particularly in key metrics such a
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/OBJECTIVE: Breast cancer is a serious disease that has caused thousands of deaths around the world. According to the American Cancer Society, more than 40,000 women and about 600 men lost their lives due to breast cancer in 2021, and it increased to 43,700 women and 530 men until 2023.
METHOD: In this paper, a modified version of ResNet-50 has been exploited to extract features from breast tissue biopsy slides, contained in the BreakHis public dataset. The standard 177 layer model is amended upto 146 layers by reducing redundant activation, normalization operations and number of 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.
BACKGROUND: Artificial intelligence (AI) is rapidly transforming medicine through advanced diagnostic, prognostic, and decision-support systems.
OBJECTIVE: To summarize the fundamental concepts, clinical applications, ethical issues, and future perspectives of AI in healthcare.
METHODS: A narrative review of current evidence on machine learning, deep learning, neural networks, and AI applications across major medical specialties was conducted.
RESULTS: AI demonstrated high performance in diagnostic support, prognostic prediction, medical imaging, and personalized medicine. However, limitati
СтатьяОбзорПолный 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.
Designing carbanions capable of efficient CO2 chemisorption is an important approach for advancing reactive capture and conversion technologies. In this work, we integrate a nucleophilicity prediction model, trained using directed message-passing neural networks on Mayr's Reactivity Database (a large, experimentally derived collection of nucleophilicity, electrophilicity, and sensitivity parameters for organic and inorganic molecules), with the Hierarchical Variational Autoencoder (HierVAE) to generate novel carbanions. Fine-tuning the pretrained latent space with predicted log k values yields
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.
Data-driven machine learning (ML) approaches offer powerful tools for modeling and optimizing complex fermentation processes, yet their application is often limited by the need for large experimental datasets, which is difficult to meet in low-throughput microbial fermentation systems. Here, we present a practical genetic algorithm (GA)-assisted adaptive sampling strategy to support sample-efficient ML-assisted optimization of microbial biotransformation processes. In this strategy, GA is employed upstream to iteratively select informative experimental conditions and generate a compact dataset
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 neural networks (DNNs) excel at predicting neural responses across the visual hierarchy,1,2,3,4,5 a success widely interpreted as evidence of shared object recognition computations.6,7 Yet improving DNN object recognition accuracy does not reliably increase neural predictivity,8,9 and even untrained networks predict brain responses above chance.9,10,11 This disconnect suggests that object recognition may not drive DNN-brain alignment. Texture-like statistics are represented in both DNNs and mid-level visual cortex (A.V. Jagadeesh and M. Livingstone, 2024, ICLR, presentation).12,13,1416 In
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: The morphological classification of microbial cultures and colonies requires specialized knowledge and experience; therefore, automation in this field remains limited. This study examines the feasibility of automating the identification of pathogenic microbial species from colony images of cultured microorganisms.
METHODS: Two distinct image datasets were constructed for 10 clinically relevant species: a colony image dataset, consisting of individual colony images cropped, and a tile image dataset, generated by dividing entire images of the culture plate into tiles. Separate ResNet
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: Acid-fast bacillus (AFB) detection by microscopy remains a cornerstone of laboratory diagnosis for mycobacterial infections, despite the limitations of variable sensitivity, labor-intensive workflows, and interobserver variability. Recent advances in artificial intelligence, particularly deep learning, offer promising solutions to automate and augment AFB detection on microscopy images.
METHODS: A systematic review was conducted in accordance with Preferred Reporting Items for Systematic Reviews and Meta-Analyses guidelines, with protocol registration in PROSPERO (registration No.
СтатьяСистематический обзорПоиск 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 (BC) diagnosis from histopathology images requires accurate identification of malignant tissue while accounting for complex tissue structures and variations in image magnification. In order to overcome these problems, this study suggests GTGAN-GMM-OOA, a graph-based framework that jointly models spatial relationships among tissue regions, learns masked graph representations, and adaptively optimizes model parameters. Unlike conventional image-based approaches that primarily focus on independent visual features, the proposed framework explicitly captures structural dependencies be
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