Hematoma expansion (HE) in patients with spontaneous intracerebral hemorrhage (ICH) is strongly associated with death and disability, so accurate early prediction is important for clinical decision making. Existing methods often rely on single imaging signs or traditional scoring systems and are unable to consider both the three dimensional hematoma structure and the clinical status at the same time, which limits predictive performance and robustness. To address this, we propose a multimodal deep learning model named SResFormer based on position-aware Computed Tomography (CT) feature encoding.
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.
Raman spectroscopy (RS) and surface-enhanced Raman spectroscopy (SERS) are promising technologies that have been applied across various fields, including clinical diagnostics. In the context of tuberculosis (TB) diagnosis, RS/SERS offers significant potential for rapid, non-invasive, and sensitive biomolecular detection. However, no software currently exists that is specifically designed to analyze RS/SERS data for TB diagnosis. Our goal is to develop such a tool by integrating machine learning (ML) and a one-dimensional convolutional neural network (1D-CNN) into a user-friendly graphical user
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: Breast ultrasound imaging is widely used for the early detection of malignant breast lesions. Although deep learning models have shown strong performance, most approaches rely solely on raw image features and overlook clinically significant characteristics essential for reliable diagnosis. This study aims to develop a graph-based neural network model that integrates medically meaningful features to improve malignancy detection in breast ultrasound images.
METHODS: The Breast Ultrasound (BUS) and Breast Ultrasound 2 (BUS2) datasets were pre-processed for region extraction using a bi
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.
Leukocytes or white blood cells (WBCs) are the main components of the immune system that protect the human body from various infections caused by viruses, bacteria, fungi, and other microorganisms. There are five major types of leukocytes: basophils, lymphocytes, eosinophils, monocytes, and neutrophils. The precise identification and enumeration of each variety of WBCs are essential for the diagnosis and management of various conditions, including infectious diseases, immune disorders, immunological deficiencies, leukemia, and so forth. The conventional method of examining bone marrow cells by
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.
Objective. Air trapping is a major symptom of respiratory diseases like chronic obstructive pulmonary disease and asthma, and has always been a significant problem in treating patients using mechanical ventilation. If not handled timely, it can pose risk of severe respiratory dysfunction and potential life-threatening complications. Currently, the assessment of air trapping for ventilated patients largely relies on clinical experience of medical staffs.Approach. We introduced an interpretable dual-channel one-dimensional convolutional neural network (DC-1DCNN) with a simple structure, which en
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.
The diagnostic problem of grading evaluation of ultrasonic images of Metacarpophalangeal rheumatoid arthritis (RA) is mostly dependent on the skills of sonographers with training. A grading system is used to identify and evaluate the geometric and textural features of bone deterioration and synovium thickening. In this manuscript, utilizing optimized mixed-order relation-aware recurrent neural network for metacarpophalangeal rheumatoid arthritis grading via ultrasound images (MRAG-UI-MORARNN-BWKA) is proposed. First, Tianjin University of Traditional Chinese Medicine's First Teaching Hospital
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.
Using an appropriate mathematical model, this study aims to examine the transmission dynamics and optimal control of hepatitis B virus spreading, employing the Beddington-DeAngelis incidence function, a hybrid method of 4th order Runge-Kutta method (RK4) and feed-forward neural network (FFNN), as the integration of epidemiological models with neural network is particularly important for representing disease propagation. The well-posedness, local and global stability conditions are obtained using the threshold parameter. Some sensitive epidemic parameters and their relative impacts are quantifi
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) has been proposed in recent studies to extract tissue acoustic properties from pulse-echo signal. This paper introduces QIT-net, a quantitative imaging technique designed to assess thyroid nodules by quantifying acoustic attenuation (ATT) and speed of sound for multiple ultrasonography systems. The proposed method employs a CNN-Transformer hybrid architecture to effectively capture local features for fine details and global features for macro context within RF data. B-mode images are employed as an auxiliary input to ensure reliable performance regardless of the c
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.
Medical image segmentation is essential for enhancing diagnostic and therapeutic accuracy, improving healthcare efficiency, and advancing medical research. In recent years, transformers have gained increasing attention in medical image segmentation owing to their ability to capture long-range dependencies, effectively compensating for the limitations of convolutional neural networks (CNNs) in global context modeling. This paper proposes PDAFormer 3+, a full-scale connected 3D medical image segmentation framework that integrates a parallel dual-attention modified transformer. Specifically, we i
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.
Electromyographic (EMG) signals are increasingly used in wearable cyber-physical systems (CPS), where reliable movement recognition must be achieved under limited computational resources. In this study, we present a compact EMG processing framework that integrates signal acquisition, preprocessing, segmentation, and movement classification within a unified pipeline designed for embedded-oriented applications. The proposed approach combines a multi-channel EMG acquisition system with a lightweight one-dimensional convolutional neural network (1D CNN) developed according to TinyML principles, wi
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.
Object detection is a fundamental task in computer vision, aiming to localize and classify objects within images. Feature pyramid networks (FPNs) play a crucial role in modern object detectors by constructing hierarchical multi-scale feature maps to effectively handle objects of varying sizes. However, most existing advanced FPN methods rely heavily on convolutional neural networks (CNNs), which struggle to capture global context information. To address this limitation, we propose leveraging vision mamba blocks to enhance global modeling capabilities. The vanilla vision mamba block, through it
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 recently made remarkable progress in remote sensing image segmentation, with hybrid architectures that integrate convolutional neural networks (CNNs) and Transformers emerging as a promising solution, particularly for high-resolution imagery. However, challenges remain in complex remote sensing scenes, particularly in capturing detailed boundary structures and small-scale targets. One key limitation lies in the suboptimal cross-level feature fusion within the encoder, resulting in semantic misalignment that hinders the precise segmentation of small objects and fine structural
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.
Flood is the most alarming and devastating natural disasters, which poses significant threats to communities around the world. Flood causes significant destruction to critical infrastructure, human lives, and properties. Thus, it is important to detect humans in flood-related disasters. Nowadays, various techniques are employed for human object classification in a flooded environment, but these did not maintain high classification accuracy and often misclassified objects as humans. This paper presents a Fast Gated Recurrent Neural Network-based Mean Binary cross entropy Taylor concept (FastGRN
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) offer highly promising neurocomputational models of the visual system, yet vast gaps remain between DNNs and human observers. By some accounts, DNNs are approaching near ceiling levels in their ability to predict human neural responses to clear real-world images. However, even modest diversions toward more ambiguous viewing conditions can readily expose the brittle and inflexible nature of these networks. Human vision remains robust when faced with noise, blur, occlusion, and other challenges, whereas DNNs trained to classify large image datasets typically lack such
СтатьяОбзорПоиск 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: Epilepsy poses ongoing physical and mental threats and causes substantial economic burdens. Better seizure forecasting enables faster medical responses, improving patients' quality of life and lowering healthcare costs. Research mainly focuses on early forecasting within a short preictal window, often too brief for effective drug administration. A major challenge is that a longer preictal phase may resemble the interictal state, making differentiation difficult.
NEW METHODS: We propose a causal attention network (CANet) with a longer interictal and preictal of 1 h and 2 h respecti
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 medical diagnostics, ultrasound strain elastography offers a noninvasive method to assess tissue stiffness, aiding in distinguishing tumors, cysts, and benign lesions from healthy tissue. A strain elastography framework employs a speckle-tracking technique to estimate the displacement between precompression and postcompression radio frequency (RF) frames, which is spatially differentiated to calculate the strain field. Second-order ultrasound elastography (SOUL) is a recently published speckle-tracking algorithm that optimizes a regularized cost function comprising data fidelity and regular
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.
With the growing prevalence of artificial intelligence (AI), demand increases for hardware that mimics the brain's ability to extract structure from limited data. In the retina, ganglion cells detect features from sparse inputs via lateral inhibition, where neurons antagonistically suppress activity of neighboring cells. Biological neurons exhibit diverse heterogeneous nonlinear responses, linked to robust learning and strong performance in low-data regimes. Here, we introduce a retinally inspired photonic computing system where spatially competing lasing modes in a random network laser act as
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.
Alzheimer's disease (AD) is a severe neurological disorder that leads to irreversible memory loss. In the previous research, the early-stage Alzheimer's often presents with subtle memory issues that are difficult to differentiate from normal age-related changes. This research designed a novel detection model called the Zeiler and Fergus Quantum Dilated Convolutional Neural Network (ZF-QDCNN) for AD detection using Magnetic Resonance Imaging (MRI). Initially, the input MRI images are taken from a specific dataset, which is pre-processed using a Gaussian filter. Then, the brain area segmentation
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
The development of phonocardiography processing methods is gradually becoming more important as the amount of data increases due to the ease and low cost of such measurements. To improve diagnosis and aid medical experts, heart sound-based disorder classification methods have been introduced. However, most of these methods rely on an accurately segmented phonocardiogram signal. This can be achieved in a multitude of ways, the most widely used being the hidden semi-Markov model with logistic regression. However, with the introduction of large, labeled databases, such as the PhysioNet challenge
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.
Identifying the potential miRNA-disease association (MDA) has a greater impetus to the development of drug prevention, treatment and other fields. For the traditional prediction methods, they are characterized by long time and large cost. With the continuous development of bioinformatics, the prediction of MDA using computational methods can better advance the human development in the field of MDA. The existing computational methods, on the other hand, usually have the disadvantages of low prediction accuracy, weak generalization ability and single data used. In order to better develop the ass
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.
MedElevator
Войти в исследования