BACKGROUND: Magnetic resonance imaging (MRI) provides useful markers to examine placental function. MRI features of placental injury due to intrauterine inflammation-a common risk during pregnancy, are not well known.
PURPOSE: To investigate the capability of structural MRI and intravoxel incoherent motion (IVIM) imaging in examining acute placental injury in a mouse model of intrauterine inflammation, as well as gestation-dependent placental changes.
STUDY TYPE: Prospective study.
ANIMAL MODEL: Pregnant CD1 mice were scanned on embryonic day 15 (E15, n = 40 placentas from six dams) and E17
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.
Retinal diseases (RD) are major causes of global vision impairment. Automated diagnosis using fundus images has significant clinical value, particularly in multi-label classification of RD. Recently, hierarchy-aware methods have shown potential in improving classification performance by leveraging hierarchical relationships among disease categories. However, implicit hierarchy-aware methods often fail to capture complex semantic relationships required to make multi-level predictions, while explicit hierarchy-aware methods fail to maintain hierarchy level consistency. Additionally, existing app
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.
Computational pathology enables the automatic tissue analysis of Whole Slide Images (WSIs), offering unmatched possibilities to capture quantitative tumor microenvironment (TME) characteristics that are essential for patients' prognosis and therapy response. The existing clinical and digital biomarkers do not encompass the morphometric features and spatial interactions between vascular networks and immunological compartment in the TME. To address this challenge, this work presents a high-throughput quantitative framework for automatic segmentation and assessment of aberrant phenotypes of blood
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/AIMS: To evaluate and compare the diagnostic capabilities of advanced large language models (LLMs) in interpreting ophthalmological fundus images across diverse pathologies.
METHODS: We evaluated eight leading multimodal LLMs (GPT-4.5, Claude 3.7 Sonnet, Grok-2, Deepseek Cognition V2, Qwen2 72B, Gemini 2.0 Pro, Llama 3 405B and Mixtral 8×22B) on their ability to interpret 100 fundus images representing various ophthalmological conditions. Performance was assessed using validated charts for diagnostic accuracy, specificity, sensitivity, consistency, relevance and explanation quality
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.
Purpose To evaluate the clinical applicability of the US dual-distillation model (USDist) through comparative analysis with state-of-the-art models, ablation analysis of dual-distillation components, and assessment on portable US devices. Materials and Methods This retrospective multicenter study evaluated USDist using US video datasets collected from 16 medical centers (August 2016-December 2024) and two independent public datasets. The model integrates spatiotemporal dual-distillation and dynamic-static feature fusion to transfer feature representations from video and image foundation models
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.
Vertebral Compression Fractures (VCFs) are early signs of osteoporosis and the most common type of osteoporotic fracture. In clinical practice, the pipeline of VCFs diagnosis consists of two examinations while most only routinely perform the first examination when the absence of clinical manifestations, leading to an underdiagnosis. In this study, we aim to explore the potential of VCFs screening in initial frontal Chest X-rays (CXRs) examination, which is more challenging for radiologists due to difficulties such as organ occlusion and inter-class similarity. We develop a two-stage framework:
СтатьяПоддержка исследования: вне правительства СШАПоиск 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.
This study examines the training of lightweight classifiers, specifically ResNet-18 and DenseNet-121, for retinal analysis in optical coherence tomography. Multi-channel inputs were compared against standard grayscale-to-RGB copies, increasing the reliability of the results. While RGB replication is standard for transfer learning, the multi-channel approach enhances feature extraction. Clinical reliability was further validated via Integrated Gradients to audit decision boundaries. This work confirms that specialized input channels help create more interpretable and reliable clinical decision-
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 AND OBJECTIVE: Contrast-enhanced ultrasound (CEUS) is widely used for evaluating thyroid nodule malignancy, but conventional time-intensity curve (TIC) analysis is labor-intensive and operator-dependent. This study proposes LSTAC, an automated framework for nodule segmentation and TIC analysis in CEUS videos.
METHODS: LSTAC integrates an improved YOLOv5-based segmentation network with a peak intensity frame (PIF) extraction algorithm to enable automatic nodule localization, TIC generation, and PIF identification. The framework was trained using CEUS data from 623 patients collected
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.
Hyperparathyroidism (HPT) and thyroid nodule (TN) are caused by abnormalities in the parath/yroid and thyroid glands, respectively. Due to their proximity, small size, and similar ultrasound characteristics, the traditional object detection algorithms often struggle to accurately differentiate between HPT and TN when both lesions coexist in ultrasound images, leading to a high rate of misdiagnosis. In order to achieve accurate detection of HPT and TN when the two lesions coexist, we constructed three comprehensive object detection datasets: one containing only hyperparathyroidism (HPTD), one c
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.
INTRODUCTION: Mitral regurgitation (MR) is one of the most prevalent valvular heart diseases, and its diagnosis traditionally relies on Doppler echocardiography, which is subject to significant variability and technical challenges. We developed and externally validated MitralVision, a deep learning model for automated classification of clinically significant MR using single-view, B-mode echocardiographic loops.
METHODS: MitralVision, a deep neural network, was trained on 28,487 apical 4-chamber B-mode echocardiographic cine loops from 11,244 studies across 20 US states. The model was designed
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.
Examining thyroid fine needle aspiration (FNA) can grade cancer risks, derive prognostic information, and guide follow-up care or surgery decision-making. However, thyroid cytology's diagnostic cues are more dispersed compared with pathology images in other disciplines, making standard annotation strategy for AI diagnosis labor-intensive. Inspired by how cytologists diagnose under the microscope, we propose an innovative cellularity-based active learning framework, namely Cyto-AL, to correlate cellularity with diagnostic categories for the active learning query. We also improve the Whole Slide
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.
Existing multi-modal learning methods on fundus and OCT images mostly require both modalities to be available and strictly paired for training and testing, which appears less practical in clinical scenarios. To expand the scope of clinical applications, we formulate a novel setting, "OCT-enhanced disease recognition from fundus images", that allows for the use of unpaired multi-modal data during the training phase, and relies on the widespread fundus photographs for testing. To benchmark this setting, we present the first large multi-modal multi-class dataset for eye disease diagnosis, MultiEY
СтатьяDatasetПоддержка 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.
OBJECTIVE: To investigate and validate the clinical utility of the Thyroid Imaging Reporting and Data System (TI-RADS) combined with ultrasound viscosity imaging for differentiating benign and malignant thyroid nodules.
METHODS: This prospective diagnostic study enrolled 437 consecutive patients with 437 thyroid nodules referred to our institution between February 2022 and August 2024. Participants were stratified into a development cohort (DC, n = 306) and a validation cohort (VC, n = 131) based on enrollment chronology. Nodules were further categorized into large (>1 cm), small (≤1 cm) and
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.
Quantitative ultrasound (QUS) envelope statistics imaging has been investigated as a non-invasive method for evaluating Duchenne muscular dystrophy (DMD). This study introduces an ultrasound scatteromics approach to differentiate between early and late ambulatory stages of DMD. A total of 47 DMD subjects were divided into early (n = 23) and late (n = 24) ambulatory stages. Ultrasound images of the gastrocnemius muscle were acquired and processed to generate multimodal QUS envelope statistics images based on the Nakagami distribution parameter m, homodyned K-distribution parameters α and k, and
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 number of commercially available artificial intelligence (AI) tools to support radiological workflows is constantly increasing, yet dedicated solutions for children are largely unavailable. Here, we repurposed an AI-tool developed for chest radiograph interpretation in adults (Lunit INSIGHT CXR) and investigated its diagnostic performance in a real-world pediatric clinical dataset. 958 consecutive frontal chest radiographs of children aged 2-14 years were included and analyzed with the commercially available AI-tool. The reference standard was determined in a dedicated reading session by a
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 Diabetic Retinopathy (DR) is vital for preserving vision and preventing deterioration of eyesight. Fundus Fluorescein Angiography (FFA), recognized as the gold standard for diagnosing DR, effectively reveals abnormalities in retinal vasculature. Given the labor-intensive and costly nature of manual DR diagnosis, along with its low accuracy, developing a DR classification model based on FFA using deep learning techniques is crucial. Furthermore, DR classification faces challenges such as minimal lesion variance between different disease stages and significant size variations
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.
Purpose To develop a collaborative artificial intelligence (AI) system that integrates eye gaze data and radiology reports to improve diagnostic accuracy in chest radiograph interpretation by identifying and correcting perceptual errors. Materials and Methods This retrospective study used public datasets REFLACX (Reports and Eye-Tracking Data for Localization of Abnormalities in Chest X-rays) and EGD-CXR (Eye Gaze Data for Chest X-rays) to develop a collaborative AI solution, named Collaborative Radiology Expert (CoRaX). It uses a large multimodal model to analyze image embeddings, eye gaze da
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.
PURPOSE: Breast cancer remains one of the most prevalent cancers globally, necessitating effective early screening and diagnosis. This study investigates the effectiveness and generalizability of our recently proposed data augmentation technique, attention-guided erasing (AGE), across various transfer learning classification tasks for breast abnormality classification in mammography.
METHODS: AGE utilizes attention head visualizations from DINO self-supervised pretraining to weakly localize regions of interest (ROI) in images. These localizations are then used to stochastically erase non-esse
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.
Accurate classification of spinal pathologies from radiographic images is essential for timely diagnosis and effective treatment planning. In this study, we propose an end-to-end deep learning framework that integrates convolutional neural networks (CNNs) with graph neural networks (GNNs) to model both the appearance and anatomical relationships of vertebrae from lateral spine X-rays. The proposed Enhanced Vertebra-GNN utilizes CNN-extracted regional features from segmented vertebral regions-of-interest and encodes inter-vertebral dependencies using a graph representation of the spine. Three 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.
OBJECTIVES: Prompt diagnosis of giant cell arteritis (GCA) with ultrasound is crucial for preventing severe ocular and other complications, yet expertise in ultrasound performance is scarce. The development of an artificial intelligence (AI)-based assistant that facilitates ultrasound image classification and helps to diagnose GCA early promises to close the existing gap. In the projection of the planned AI, this study investigates the minimum image resolution required for human experts to reliably classify ultrasound images of arteries commonly affected by GCA for the presence or absence of G
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