Deep learning continues to advance imaging-based diagnosis in oral and maxillofacial radiology. This narrative review has synthesized recent deep learning applications for detecting, classifying, and segmenting jaw cystic lesions and maxillofacial tumors on panoramic radiographs and cone-beam computed tomography scans. It has summarized representative one-stage detectors and convolutional neural network/transformer-based classifiers, along with segmentation methods, reported performance metrics, and key use-case considerations. In addition to this synthesis, the review has critically examined
СтатьяОбзорПоиск 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.
Ensuring strict medical data privacy standards while delivering efficient and accurate breast cancer segmentation is a critical challenge. This paper addresses this challenge by proposing a lightweight solution capable of running directly in the user's browser, ensuring that medical data never leave the user's computer. Our proposed solution consists of a two-stage model: the pre-trained nano YoloV5 variation handles the task of mass detection, while a lightweight neural network model of just 20k parameters and an inference time of 21 ms per image addresses the segmentation problem. This highl
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.
Mammalian brains operate in very special surroundings: to survive they have to react quickly and effectively to the pool of stimuli patterns previously recognized as danger. Many learning tasks often encountered by living organisms involve a specific set-up centered around a relatively small set of patterns presented in a particular environment. For example, at a party, people recognize friends immediately, without deep analysis, just by seeing a fragment of their clothes. This set-up with reduced "ontology" is referred to as a "situation." Situations are usually local in space and time. In th
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.
- In recent times, the electrocardiogram (ECG) has been considered as a significant and effective screening mode in clinical practice to assess cardiac arrhythmias. Precise feature extraction and classification are considered as essential concerns in the automated prediction of heart disease. A deep bi-directional capsule network (Bi-CapsNet) uses a new method based on an intelligent deep learning (DL) classifier model to make the classification process very accurate. Initially, the input ECG signal data are acquired and the preprocessing steps such as DC drift, normalization, LPF filtering, 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.
OBJECTIVES: Artificial intelligence (AI) technologies are increasingly being explored to optimize the precision, safety, and personalization of laser-assisted oral surgical procedures. While lasers offer significant advantages, their efficacy depends on precise calibration to avoid complications. This narrative review synthesizes the current and emerging applications of AI in enhancing both laser-assisted surgical execution and diagnostic imaging, while addressing the associated challenges.
METHODOLOGY: A comprehensive review of literature was conducted to evaluate the role of AI technologies
СтатьяОбзорПоддержка 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.
Arrhythmias are a common and potentially life-threatening category of cardiac disorders, making accurate and early detection crucial for improving clinical outcomes. Electrocardiograms are widely used to monitor heart rhythms, yet their manual interpretation remains prone to inconsistencies due to the complexity of the signals. This research investigates the effectiveness of machine learning and deep learning techniques for automated arrhythmia classification using ECG signals from the MIT-BIH dataset. We compared Gradient Boosting Machine (GBM) and Multilayer Perceptron (MLP) as traditional m
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.
Massive videos are released every day particularly through video-focused social media apps like TikTok. This trend has fostered the quick emergence of video retrieval systems, which provide video retrieval services using machine learning techniques. Adversarial example (AE) attacks have been shown to be effective on such systems by perturbing an unaltered video subtly to induce false retrieval results. Such AE attacks can be easily detected because the adversarial perturbations are all over pixels and frames. In this paper, we propose DUO, a stealthy targeted black-box AE attack which uses DUa
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.
Medical imaging techniques like mammography enable early breast cancer detection and are part of regular screening programs. Typically, a mammogram exam involves two views of each breast, providing complementary information, but physicians rate the breast as a whole. Computer-Aided Diagnostic tools focus on detecting lesions in a single view, which is challenging due to high image resolution and varying scales of abnormalities. The projective nature of the two views and different acquisition protocols add complexity to dual-view analysis. To address these challenges, we propose a Graph Neural
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.
BACKGROUND: Brain extraction is a common preprocessing step when working with intracranial medical imaging data. While several tools exist to automate the preprocessing of magnetic resonance imaging (MRI) of the human brain, none are available for canine MRIs. We present a pipeline mapping separate 2D scans to a 3D image, and a neural network for canine brain extraction. METHODOLOGY: The training dataset consisted of T1-weighted and contrast-enhanced images from 68 dogs of different breeds, all cranial conformations (mesaticephalic, dolichocephalic, brachycephalic), with several pathological c
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
Hypoxic-Ischemic Encephalopathy (HIE) requires prompt diagnosis within the first six hours post-encephalopathy injury to maximize treatment effectiveness. Efficient and accurate grading of HIE severity is therefore essential. Current clinical methods for HIE diagnosis are complex and time-intensive, demanding specialised skills and often require a multi-model diagnostic approach. In response to this challenge, we developed and implemented an automated HIE grading system to aid with clinical decision-making. The EEG signal is converted to the audio domain, with the spectrogram representation of
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.
This study focuses on the diagnostic analysis of cartilage damage in the knee joint based on acoustic signals generated by the joint. The research utilizes a combination of advanced signal processing techniques, specifically empirical mode decomposition (EEMD) and detrended fluctuation analysis (DFA), alongside convolutional neural networks (CNNs) for classification and detection tasks. Acoustic signals, often reflecting the mechanical behavior of the joint during movement, serve as a non-invasive diagnostic tool for assessing the cartilage condition. EEMD is applied to decompose the signals i
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.
OBJECTIVE: Maxillary sinus mucosal cysts represent prevalent oral and maxillofacial diseases, and their precise diagnosis is essential for surgical planning in maxillary sinus floor elevation. This study aimed to develop a deep learning-based pipeline for the classification of maxillary sinus lesions in cone beam computed tomography (CBCT) images to provide auxiliary support for clinical diagnosis.
METHODS: This study utilized 45 136 maxillary sinus images from CBCT scans of 541 patients. A cascade network was designed, comprising a semi-supervised maxillary sinus area object detection module
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: Rapid and precise malaria diagnosis is critical in resource-constrained settings to enable timely treatment and reduce mortality. Existing convolutional neural network (CNN) and capsule network hybrids, although effective, often suffer from high computational demands and limited generalizability across datasets.
METHODS: We propose Hybrid Capsule Network (Hybrid CapNet), a lightweight architecture combining CNN-based feature extraction with dynamic capsule routing for accurate parasite identification and life-cycle stage classification. A novel composite loss function-integratin
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.
Visually impaired persons face several problems in their day-to-day lives, and technological intermediaries might help them encounter their challenges. Among other beneficial technologies, object detection (OD) is a computer technology related to image processing and computer vision (CV), which identifies and describes objects like vehicles, animals, and persons from digital videos and images. Visually impaired persons (VIPs) can utilize the OD approach for detecting problems and recognizing services to offer secure and informative navigation. Recently, machine learning (ML) and deep learning
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.
PURPOSE: In this study, we propose a Multi-Scale Context U-net (MSC-U-net) network model for the precise and automated segmentation of the brachial plexus in patients who have undergone postoperative radiotherapy for breast cancer. METHODS: A total of 389 patients who underwent postoperative radiotherapy for breast cancer were included in the training set, while 55 patients were included in the test set. The network model proposed in this study was optimized and trained to achieve the most accurate segmentation results. The performance of the model was evaluated using the Dice Similarity Coeff
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.
Brain-Computer Interface (BCI) is a versatile technique to offer better communication system for people affected by the locked-in syndrome (LIS).In the current decade, there has been a growing demand for improved care and services for individuals with neurodegenerative diseases. To address this barrier, the current work is designed with four states of BCI for paralyzed persons using Welch Power Spectral Density (W-PSD). The features extracted from the signals were trained with a hybrid Feed Forward Neural Network Cheetah Optimization Algorithm (FFNNCOA) in both offline and online modes. Totall
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.
Monkeypox has arisen as a global health issue, requiring prompt and precise diagnosis for optimal management. Conventional diagnostic techniques, including PCR, are dependable yet frequently unattainable in resource-constrained environments. Deep learning demonstrates potential in automating disease detection from skin lesion images; nevertheless, current models are hindered by limits in feature extraction and misclassification challenges. This paper presents an attention-augmented deep learning architecture to enhance classification accuracy for monkeypox and other dermatological conditions.
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
During outbreaks of emerging infectious diseases (EIDs), short-term surges in patient numbers often lead to medical resources panic squeeze, hindering timely diagnosis and patient isolation, thereby severely impacting patient's prognosis and impeding disease spread. Traditional clinical diagnosis of EIDs primarily depends on physicians' expertise, which may result in discomfort and healthcare-associated infections, inadequately addressing diagnostic demands during sudden epidemic surges. Meanwhile, most existing studies in EID automatic diagnosis are focused on improving the accuracy without 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.
Lower-limb exoskeletons have become increasingly popular in rehabilitation to help patients with disabilities regain mobility and independence. Brain-computer interface (BCI) offers a natural control method for these exoskeletons, allowing users to operate them through their electroencephalogram (EEG) signals. However, the limited EEG decoding performance of the BCI system restricts its application for lower limb exoskeletons. To address this challenge, we propose an attention-based motor imagery BCI system for lower limb exoskeletons. The decoding module of the proposed BCI system combines th
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: In radiation therapy, cancerous region segmentation in magnetic resonance images (MRI) is a critical step. For rectal cancer, the automatic segmentation of rectal tumors from an MRI is a great challenge. There are two main shortcomings in existing deep learning-based methods that lead to incorrect segmentation: 1) there are many organs surrounding the rectum, and the shape of some organs is similar to that of rectal tumors; 2) high-level features extracted by conventional neural networks often do not contain enough high-resolution information. Therefore, an improved U-Net segmentati
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