Objective: To construct an edge-enhanced triple-branch neural network (T-Net) for automated three-dimensional(3D) segmentation of the mandibular condyle from cone-beam computed tomography (CBCT) images, aiming to improve segmentation accuracy. Methods: CBCT images of 354 patients with malocclusion (708 condyles) who attended the Department of Orthodontics, Xiangya Stomatological Hospital, Central South University, from January 2022 to January 2024 were retrospectively collected. The dataset was divided into training (424 condyles), validation (142 condyles), and test (142 condyles) sets in a r
Аннотация на английскомСтатьяПоиск 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 ability to image blood flow in early-stage avian embryos has significant applications in developmental biology, drug and vaccine testing, as well as determining sex differentiation. In this project, a recently developed laser speckle contrast imaging (LSCI) system was used to non-invasively image extraembryonic blood vessels and used these images to attempt early sex identification of chick embryos. Specifically, blood vessels images were captured from 1,251 living chicken embryos between day three and day four of incubation. Then, deep neural network (DNN) models were applied to evaluate
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.
In taxonomic research, traditional phylogenetic tree and structure analyses of genetic data are increasingly complemented by machine-learning-based identification and representation learning. Although the amount of DNA data needed to train state-of-the-art machine learning models often exceeds what can realistically be collected and sequenced in biological studies, the number of samples can be extended artificially through data augmentation. Genetic data augmentation usually refers to the introduction of random base variations, translocations, and reverse complementing. These augmentations do
СтатьяПоддержка NIH: внешняя программаПоддержка 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.
With development of deep learning methods, performance of object detection has been greatly improved. However, the high resolution of remotely sensed images, the complexity of the background, the uneven distribution of objects, and the uneven number of objects among them lead to unsatisfactory detection results of existing detectors. Facing these challenges, we propose YOFOR (You Only Focus on Object Regions), an adaptive local sensing enhancement network. It contains three components: adaptive local sensing module, fuzzy enhancement module and class balance module. Among them, adaptive local
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.
Automated segmentation of kidney tumors from computed tomography (CT) scans is crit- ical for diagnosis, treatment planning, and monitoring of renal cell carcinoma (RCC). While recent deep learning models report high Dice scores (>0.97), their clinical utility remains questionable due to false positive predictions that misclassify healthy tissue as tumors and computational constraints limiting real-world deployment. Unlike existing studies that emphasise quantitative metrics, this work investigates the critical gap between high segmentation accuracy and clinical applicability. We systematicall
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 hermaphroditic Caenorhabditis elegans, with its fully mapped connectome of 302 neurons, offers a paradigmatic example of how a minimal nervous system governs biotic, adaptive, and context-dependent behaviors. In contrast, modern artificial intelligence systems achieve intelligence through scale rather than efficiency, relying instead on massive datasets and artificially engineered architectures. This mini-review explores how Caenorhabditis elegans neural circuits can inform the development of more efficient and flexible artificial neural networks. We highlight recent studies that translate
СтатьяОбзорПоддержка 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.
The classification of motor imagery-electroencephalography (MI-EEG) is a growing research field in brain-computer interface, which allows people with motor disabilities to communicate with the outside world through assistive devices. Although deep learning-based models have revolutionized MI-EEG decoding, dealing with the MI-EEG signals remains challenging due to the signals being non-stationary, containing noisy signals, and having a low signal-to-noise-ratio. This study proposes to employ a novel EEG channel-wise attention module (ECWAM) in a deep convolutional neural network (deep CNN) to e
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.
ObjectiveLiver cancer is one of the most fatal types of cancer in the world, and early identification is one of the most crucial considerations that may improve the likelihood of recovery. Hence, building a computer-aided diagnosis (CAD) system that improves radiologists' operations by providing automated, high-precision small-tumor segmentation in complicated medical imaging is the main objective of this research study.MethodsConventional deep learning techniques, like U-Net, have shown impressive overall tumor delineation results, but they frequently struggle to distinguish between large and
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 ability to process visual stimuli rich with motion represents an essential skill for animal survival and is largely already present at the onset of vision. Although the exact mechanisms underlying its maturation remain elusive, spontaneous activity patterns in the retina, known as retinal waves, have been shown to contribute to this developmental process. Retinal waves exhibit complex spatio-temporal statistics and contribute to the establishment of circuit connectivity and function in the visual system, including the formation of retinotopic maps and the refinement of receptive fields in
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.
Diabetic retinopathy is a leading cause of vision loss, necessitating early, accurate detection. Automated deep learning models show promise but struggle with the complexity of retinal images and limited labeled data. Due to domain differences, traditional transfer learning from datasets like ImageNet often fails in medical imaging. Self-supervised learning (SSL) offers a solution by enabling models to learn directly from medical data, but its success depends on the backbone architecture. Convolutional Neural Networks (CNNs) focus on local features, which can be limiting. To address this, we p
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.
Acute Lymphoblastic Leukemia (ALL) is a dangerous form of leukemia, which disturbs the bone marrow and irregular White Blood Cells (WBC) for the persons of all age groups. Early diagnosis of leukemia is necessary to provide appropriate care and cure the patients. Still, the detection of ALL from Peripheral Blood Smear (PBS) images is complicated due to the size and shape of the cells. This variability creates more difficulty for the segmentation and classification of Leukemia. To solve these issues, the Deep Kronecker Wide Residual Network (DKWRN) is developed for classifying Leukemia. The blo
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.
OBJECTIVES: This study evaluated the accuracy and reliability of deep learning-based segmentation techniques for mandibular canal identification in cone-beam CT (CBCT) data to provide a reliable and efficient support tool for dental implant treatment planning.
METHODS: A dataset of 90 CBCT scans was annotated as ground truth for mandibular canal segmentation. The dataset was split into training (n = 69), validation (n = 1), and testing (n = 20) subsets. A deep learning model based on a hierarchical convolutional neural network architecture was developed and trained. The model's performance wa
СтатьяПоддержка 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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
The quantitative measurement of intestinal crypts morphology and their architecture can provide valuable insights on the normal intestinal functioning and on subtle changes linked to disease onset and progression. To ensure accurate measurement, the identification and accurate delineation of the crypts boundaries is paramount for the extraction of morphometrics features that then need to be linked to clinical assessment. Endocytoscopy enables the virtual histology and real time assessment of mucosa with its high magnification capability to visualize the crypts and other microstructure. We used
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.
Magnetic resonance electrical properties tomography can extract the electrical properties of in-vivo tissue. To estimate tissue electrical properties, various reconstruction algorithms have been proposed. However, physics-based reconstructions are prone to various artifacts such as noise amplification and boundary artifact. Deep learning-based approaches are robust to these artifacts but need extensive training datasets and suffer from generalization to unseen data. To address these issues, we introduce a joint three-plane physics-constrained deep learning framework for polynomial fitting MR-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.
PURPOSE: To train the U-net of convolutional neural network to establish a method for detecting and segmenting the mandibular canal and its bifurcation, and validate its accuracy based on the ground truth labeled by experts.
METHODS: A total of 290 CBCT scans were collected from Shanghai Stomatological Hospital from Jan. 2022 to Dec. 2022, which were divided into training set of 200 scans and test set of 90 scans. Model training included two steps. In the first step, bilateral mandibular canals and its bifurcation of 50 CBCT scans were labeled in 3D Slicer image computing platform by investig
СтатьяВалидационное исследованиеАннотация на английскомПоиск 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 transbronchial interventional surgery presents challenges with winding and convoluted pathways, prone to compression and friction. Current autonomous planning struggles to reach deeper bronchial positions, and hard to consider multiple conflicting goals simultaneously. This article introduces an innovative planning scheme with preference weights to achieve smooth, frictionless, and collision-free autonomous transbronchial intervention with continuum robot (CR). A few-human-interaction twin-delayed deep deterministic policy gradient (FHITD3) generated from surgeon preference guidance is pro
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.
The clinical diagnosis of clear cell renal cell carcinoma (ccRCC) primarily depends on histopathological analysis and computed tomography (CT). Although pathological diagnosis is regarded as the gold standard, invasive procedures such as biopsy carry the risk of tumor dissemination. Conversely, CT scanning offers a non-invasive alternative, but its resolution may be inadequate for detecting microscopic tumor features, which limits the performance of prognostic assessments. To address this issue, we propose a high-order correlation-driven method for predicting the survival of ccRCC using only C
СтатьяПоддержка 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.
Incurable Alzheimer's disease (AD) plagues many elderly people and families. It is important to accurately diagnose and predict it at an early stage. However, the existing methods have shortcomings, such as inability to learn local and global information and the inability to extract effective features. In this paper, we propose a lightweight classification network Local and Global Graph ConvNeXt. This model has a hybrid architecture of convolutional neural network and Transformers. We build the Global NeXt Block and the Local NeXt Block to extract the local and global features of the structura
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.
Deep Learning (DL) and Machine Learning (ML) algorithms are adept at managing and classifying a wide range of data formats, including time series, text, and images, addressing challenges in both supervised and unsupervised learning. However, the practical applications of specific algorithms-particularly convolutional neural networks (CNNs) and vision transformers (VTs)-are often constrained by the need for large datasets, extensive training, and complex parameter tuning, which frequently relies on a trial-and-error approach. Other approaches, such as visibility graphs (VGs), often produce netw
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.
Malaria remains a global health concern, with 249 million cases and 608,000 deaths being reported by the WHO in 2022. Traditional diagnostic methods often struggle with inconsistent stain quality, lighting variations, and limited resources in endemic regions, making manual detection time-intensive and error-prone. This study introduces an automated system for analyzing Romanowsky-stained thick blood smears, focusing on image quality evaluation, leukocyte detection, and malaria parasite classification. Using a dataset of 1000 clinically diagnosed images, we applied feature extraction techniques
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.
MedElevator
Войти в исследования