Advancements in neuroimaging have facilitated unprecedented insights into brain connectivity, making the study of brain effective connectivity networks (ECNs) essential for understanding neurological functions and diseases. Recently, neural networks (NNs) have emerged as powerful tools for ECN estimation due to their prominent universal approximation ability and less reliance on prior knowledge. However, most NN-based approaches fail to eliminate redundant temporal information and lack rigorous causal validation mechanisms. This paper introduces a novel end-to-end framework for estimating ECNs
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 COVID-19 pandemic has significantly accelerated the demand for accurate and efficient prediction models to support effective disease management, containment strategies, and informed decision-making. Predictive models capable of analyzing complex health data are essential for monitoring disease trends, evaluating risk factors, and optimizing resource allocation during the pandemic. Among various machine learning approaches, convolutional neural networks (CNNs) have emerged as powerful tools due to their ability to process large volumes of high-dimensional health data, such as medical images
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.
In this paper, we study the automatic detection of Parkinson's disease (PD) from speech using features computed by a two-layer wavelet scattering network, which generates locally stable and translation-invariant features at each layer. The scattering features are encoded using Fisher vectors to obtain a single fixed-size feature vector per utterance. Support vector machine and feed-forward neural network classifiers are trained using the utterance-level features to perform the detection task (healthy vs PD). The results obtained with the PC-GITA database revealed that the proposed approach sho
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.
Timely and accurate diagnosis is crucial in addressing the global rise in thyroid cancer, ensuring effective treatment strategies and improved patient outcomes. We present an intelligent classification method that couples an Adaptive Convolutional Neural Network (CNN) with Cohen-Daubechies-Feauveau (CDF9/7) wavelets whose detail coefficients are modulated by an n-scroll chaotic system to enrich discriminative features. We evaluate on the public DDTI thyroid ultrasound dataset ([Formula: see text] images; 819 malignant / 819 benign) using 5-fold cross-validation, where the proposed method attai
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.
Millions of individuals worldwide suffer from Alzheimer's Disease (AD), a debilitating degenerative condition. Early detection of Alzheimer's disease is critical to ensure effective treatment and better patient outcomes. In the past few years, advanced medical imaging techniques, particularly MRI, have shown potential for diagnosing Alzheimer's disease. However, developing accurate and efficient techniques for Alzheimer's disease detection offcuts a demanding duty suitable to the complication of medical images and the limited availability of labelled data. The early detection of Alzheimer's di
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.
Obstructive sleep apnea-hypopnea syndrome (OSAHS) is a prevalent sleep disorder strongly linked to increased cardiovascular and metabolic risk. While prior studies have explored snore-based analysis for OSAHS, they have largely focused on either detection or classification in isolation. Here, we present a two-stage framework that integrates precise snoring event detection with deep learning-based classification. In the first stage, we develop an Adaptive Multi-Feature Fusion Endpoint Detection algorithm (AMFF-ED), which leverages short-time energy, spectral entropy, zero-crossing rate, and spe
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.
Retinal detachment is a severely curable eye condition that becomes a genuine factor for the increased visual acuity worldwide. If neglected, it may result significant visual impairment in individuals aged 60 to 69 years. The successful cure percentage of retinal detachment critically relies on early-stage diagnosis. If addressed early, almost 90% of people with retinal detachment can recover from vision loss. Consequently, it is imperative to classify retinal detachment patients in an early phase. We developed a novel optimized lightweight multiclass retinal detachment grading model named Lig
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.
BACKGROUND: Laparoscopic cholecystectomy is the gold standard procedure for the treatment of benign gallbladder diseases, but there is the risk of intraoperative bile duct injury, which can lead to surgical failure and cause significant social and economic burden. When surgeons rely on visual inspection to identify tissue structures during laparoscopic cholecystectomy, subjective factors such as experience, psychological factors, and fatigue can compromise the intraoperative recognition of anatomic landmarks. The positioning of anatomical landmarks by the surgeon in the pre-dissection phase of
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.
Pulmonary diseases are the leading causes of disabilities and deaths worldwide. Early diagnosis of pulmonary diseases can reduce the fatality rate. Chest radiographs are commonly used to diagnose pulmonary diseases. In clinical practice, diagnosing pulmonary diseases using chest radiographs is challenging due to Overlapping and complex anatomical Structures, variability in radiographs, and their quality. The availability of a medical specialist with extensive professional experience is profoundly required. With the use of Convolutional Neural Networks in the medical field, diagnosis can be imp
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.
Evaluation of red blood cell (RBC) aggregation is crucial for early detection of diseases such as ischemic cardiovascular disease, type II diabetes mellitus, deep vein thrombosis, and sickle cell disease. Ultrasound, a non-invasive and real-time technique, is widely used for monitoring RBC behavior. However, measurement inaccuracies caused by instrumentation and human error can introduce data anomalies, degrading the generalization capability of deep learning models. To address this issue, we propose a Multidimensional Transformer-CNN (MTCN) model trained on incomplete data. Specifically, 20%
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.
RGB-Infrared object detection aims to fuse the complementary information of two modalities to improve the accuracy and robustness of the detector. Given the advantages of transformer in modeling long-range dependencies, transformer-based cross-modality fusion methods have been continuously proposed and achieved satisfactory results. However, existing methods face two major challenges: 1) it is difficult to balance the mining of intra-modality specific knowledge and inter-modality complementary knowledge; 2) a single attention layer only models the relationship between token features of the sam
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.
Studies in neuroscience inspired progress in the design of artificial neural networks (ANNs), and, vice versa, ANNs provide new insights into the functioning of brain circuits. So far, the focus has been on how ANNs can help to explain the tuning of neurons at various stages of the visual cortical hierarchy. However, the role of modulatory feedback connections, which play a role in attention and perceptual organization, has not yet been resolved. The present study presents a biologically plausible neural network that performs scene segmentation and can shift attention using modulatory feedback
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 design and implementation of a suitable robotic hand for a toddler-sized humanoid robot is a challenging task. The main purpose of this work is to optimize the design of an anthropomorphic robotic hand and control it by using surface electromyographic (sEMG) signals. Isolation forest backward particle swarm optimization is used to optimize the robotic hand. The fitness function is defined by thumb opposability and the ability to grasp objects based on grasp taxonomy. Learning without forgetting (LWF) is adopted to train sEMG signal data sequentially, and the consequently learned model is u
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.
Reliable prediction of active pharmaceutical ingredient (API) solubility in complex solvent systems remains challenging. Existing models often sacrifice generalizability for accuracy or have limited applicability due to implementation complexity. The current study presents a practical, streamlined modeling framework requiring only temperature, solvent composition, and Hansen solubility parameters (HSPs) - information that is simple and readily accessible. These parameters serve as inputs for an effective and easy-to-apply model: the multilayer perceptron artificial neural network (MLPANN). Bey
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.
Urinary incontinence is closely related to the motor ability and toileting tasks. Some nursing home residents with limited mobility who cannot reach the bathroom in time highly depend on caregivers for toileting assistance. However, nursing home staffing is often insufficient to meet the needs of all residents. Monitoring the desire to urinate is vital to minimize functional dependence and improve the quality of life of older people. Improved reliability of the desire to void monitoring requires exploring more effective monitoring methods. In this paper, we observed the changes in heart rate v
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.
Sepsis remains a leading cause of morbidity and mortality, yet routine diagnostics are slow, culture-dependent, and often lack the sensitivity or specificity required for early intervention. Prior studies rarely demonstrate clinical-grade performance on blood culture samples or in independent external cohorts. We address these gaps with a surface-enhanced Raman spectroscopy and deep learning workflow (SERS-DL) that performs sepsis instance recognition and causative pathogen identification directly from target-analyte enriched blood. We assembled a primary dataset of SERS spectra acquired from
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.
Conventional ascitic fluid cytology for detecting ovarian cancer is limited by its low sensitivity. To address this issue, this multicenter study developed patch image (PI)-based fully supervised convolutional neural network (CNN) models and clustering-constrained attention multiple-instance learning (CLAM) algorithms for detecting ovarian cancer using ascitic fluid cytology. Whole-slide images (WSIs), 356 benign and 147 cancer, were collected, from which 14,699 benign and 8025 cancer PIs were extracted. Additionally, 131 WSIs (44 benign and 87 cancer) were used for external validation. Six CN
СтатьяМногоцентровое 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.
Gestational diabetes mellitus (GDM) is the most common metabolic disorder in pregnancy, posing risks to both maternal and neonatal health. Artificial intelligence (AI) and machine learning (ML)-based solutions hold the promise of improving GDM prediction, thus enabling earlier and more personalized care. The main objective of this systematic review is to provide a comprehensive overview of AI/ML methods used for GDM prediction, leveraging the data from both the preconception and pregnancy periods. We conducted a PRISMA-guided search across databases including PubMed, Scopus, IEEE, and Web of S
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.
Approximately 76 % of global greenhouse gas emissions are attributed to carbon dioxide (CO2), highlighting the need for effective mitigation strategies. In this context, smart photobioreactors (PBRs) utilizing microalgae have been identified as a promising carbon capture technology. Moreover, developing advanced predictive models can enhance biomass production, optimize carbon sequestration, and improve the sustainability of PBR systems. This study investigated the performance of different data-based machine learning prediction models for CO2 removal efficiency (RE) and Chlorella vulgaris grow
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.
Early and precise diagnosis of dyslexia is crucial for implementing timely intervention to reduce its effects. Timely identification can improve the individual's academic and cognitive performance. Traditional dyslexia detection (DD) relies on lengthy, subjective, restricted behavioral evaluations and interviews. Due to the limitations, deep learning (DL) models have been explored to improve DD by analyzing complex neurological, behavioral, and visual data. DL architectures, including convolutional neural networks (CNNs) and vision transformers (ViTs), encounter challenges in extracting meanin
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