PURPOSE: We developed a surgical navigation system that warns the surgeon with auditory and visual feedback to protect the facial nerve with real-time monitoring of the safe region during drilling.
METHODS: Warning navigation modules were developed and integrated into a free open source software platform. To obtain high registration accuracy, we used a high-precision laser-sintered template of the patient's bone surface to register the computed tomography (CT) images. We calculated the closest distance between the drill tip and the surface of the facial nerve during drilling. When the drill t
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.
PURPOSE: To compare accelerated T2-weighted turbo spin-echo imaging with deep learning reconstruction (DLR-TSE) with conventional T2-weighted TSE (conv-TSE) and accelerated TSE without DLR (non-DLR-TSE), and to evaluate image quality and diagnostic performance of Prostate Imaging Reporting and Data System version 2.1 (PI-RADS v2.1)-based T2 scoring in prostate MRI.
METHODS: This single-center retrospective study included 60 patients who underwent prostate MRI with all 3 T2-weighted image sets acquired in the same examination. Qualitative image quality was independently assessed by 2 radiologi
СтатьяСравнительное 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.
BACKGROUND: Renal histologic findings are beneficial in the diagnosis and treatment of lupus nephritis (LN), but require an invasive biopsy. Diffusion-relaxation correlated spectrum imaging (DR-CSI) has previously been applied to assess renal fibrosis, yet current approaches for compartment identification lack quantified standards.
PURPOSE: This exploratory study is aimed at establishing a spectrum-pathology correlation analysis for identifying possible DR-CSI compartments, and explore the diagnostic value of the compartment fractions on common pathologic features.
STUDY TYPE: Cross-sectiona
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 To develop a three-dimensional (3D) high-spatial-resolution time-efficient sequence for use in quantitative vessel wall T1 mapping. Materials and Methods A previously described sequence, simultaneous noncontrast angiography and intraplaque hemorrhage (SNAP) imaging, was extended by introducing 3D golden angle radial k-space sampling (GOAL-SNAP). Sliding window reconstruction was adopted to reconstruct images at different inversion delay times (different T1 contrasts) for voxelwise T1 fitting. Phantom studies were performed to test the accuracy of T1 mapping with GOAL-SNAP against a two
СтатьяПоддержка NIH: внешняя программаПоддержка 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.
OBJECTIVE: Artificial intelligence models are increasingly used for stroke risk evaluation and clinical decision-making. However, the scarcity of expert masks, low contrast, and noise in ultrasound images affect segmentation performance.
METHODS: Our study innovatively integrated an adversarial PatchGAN discriminator into a batch-normalized semi-supervised U-Net generator to enhance carotid plaque segmentation in ultrasound images with limited expert annotation. The discriminator provides patch-level localized feedback to enhance boundary delineation and structural consistency of the predicte
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.
Early diagnosis of Parkinson's disease (PD) is crucial for timely treatment and disease management. Recent studies link PD to impaired facial muscle control, manifesting as "masked face" symptoms, offering a novel diagnostic approach through facial expression analysis. However, data privacy concerns and legal restrictions have resulted in significant "data silos", hindering data sharing and limiting the accuracy and generalizability of existing diagnostic models due to small, localized datasets. To address these challenges, we propose an innovative Tri-Factor Adaptive Federated Learning (TriAF
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.
Artificial intelligence (AI) systems for chest X-ray (CXR) interpretation can achieve high standalone diagnostic accuracy, yet limited transparency raises concerns about subgroup disparities. We audited sex-stratified performance and attention patterns in CNN-based pneumonia detection using the RSNA Pneumonia Detection Challenge dataset (26,684 frontal adult CXRs). ImageNet-pretrained InceptionV3 models were trained across five prespecified random seeds and combined as a seed-ensemble. Analyses used a prespecified, fixed, patient-level sex- and label-balanced test set (n = 1,000; 250 pneumonia
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.
Retinopathy of Prematurity (ROP) is a leading cause of childhood blindness worldwide. In clinical practice, fundus imaging serves as a primary diagnostic tool for ROP, making the accurate quality assessment of these images critically important. However, existing automated methods for evaluating ROP fundus images face significant challenges. First, there is a high degree of visual similarity between lesions and factors that influence quality. Second, there is a paucity of trustworthy outputs and interpretable or clinical-friendly designs, which limit their reliability and effectiveness. In this
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.
INTRODUCTION/BACKGROUND: To determine whether a prompting-based, interpretable artificial intelligence (AI) system, specifically a large language model (LLM) that applies structured radiographic criteria derived from radiographer training, can approximate Kuwaiti radiographer acceptance-rejection decisions across varied radiographic examinations and to compare findings with international benchmarks.
METHODS: Thirty anonymized radiographs (chest=3, spine=3, abdomen/KUB=2, upper extremity=15, lower extremity=7) were evaluated by 43 radiographers (1290 decisions) and by an interpretable large la
СтатьяСравнительное 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.
Pathological grading of laryngeal squamous cell carcinoma (LSCC) based on whole-slide image (WSI) is crucial for the diagnosis, treatment and prognosis. According to pathologists' knowledge, tumor regions are highly associated with grading. However, existing multiple instance learning (MIL) methods tend to overrepresent weakly relevant non-tumor regions and irrelevant background, leading to poor grading performance and interpretability. Motivated by the above problems, we propose an end-to-end knowledge-driven MIL network with hierarchical cluster-incorporated aware filtering, i.e. HCF-MIL. Fi
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.
Hierarchical image classification is a fundamental challenge in medical image analysis, as tree-structured taxonomies inherently reflect biological and clinical relationships, spanning the general categorisation of disease entities and fine-grained cellular distinctions. Existing approaches primarily rely on multi-task learning and fine-grained detection, often requiring intricate model design and complex training strategies. In this paper, we aim to exploit the negative curvature property of hyperbolic space, which allows efficient representation of hierarchical structures. We propose a dual-
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 aimed to evaluate and compare the performance of state-of-the-art deep learning models for detecting and segmenting both radiolucent and radiopaque jaw lesions on panoramic radiographs. A total of 2371 anonymized panoramic radiographs containing jaw lesions were retrospectively collected and categorized into radiolucent and radiopaque datasets. Expert annotation was performed to delineate lesion boundaries and assign anatomical localization (anterior/posterior maxilla and mandible). Four deep learning architectures-YOLOv8, YOLOv11, Mask R-CNN, and RT-DETR-were trained and evaluated
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: Large language models like ChatGPT have demonstrated potential in medical image interpretation, but their efficacy in liver histopathological analysis remains largely unexplored. This study aims to assess ChatGPT-4-vision's diagnostic accuracy, compared to liver pathologists' performance, in evaluating liver fibrosis (stage) in metabolic dysfunction-associated steatohepatitis.
METHODS: Digitized Sirius Red-stained images for 59 metabolic dysfunction-associated steatohepatitis tissue biopsy specimens were evaluated by ChatGPT-4 and 4 pathologists using the NASH-CRN staging system.
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.
Middle ear diseases, such as otitis media and middle ear effusion, are difficult to accurately detect in primary care. We developed an AI-powered system using Azure OpenAI's GPT-4 Vision, the first multimodal large language model (LLM) applied to analyze otoscopic images and detect ten middle ear conditions. Built with a Model-View-Controller (MVC) architecture, the system processes images in under 5 seconds and provides bilingual (English and Chinese) detection reports with confidence scores and treatment recommendations. This scalable solution integrates advanced image analysis and natural l
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 dementia, such as Alzheimer's disease (AD) or mild cognitive impairment (MCI), is essential to enable timely intervention and potential treatment. Accurate detection of AD/MCI is challenging due to the high complexity, cost, and often invasive nature of current diagnostic techniques, which limit their suitability for large-scale population screening. Given the shared embryological origins and physiological characteristics of the retina and brain, retinal imaging is emerging as a potentially rapid and cost-effective alternative for the identification of individuals with or at
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.
Fetal echocardiography offers non-invasive and real-time imaging acquisition of fetal heart images to identify congenital heart conditions. Manual acquisition of standard heart views is time-consuming, whereas automated detection remains challenging due to high spatial similarity across anatomical views with subtle local image appearance variations. To address these challenges, we introduce a very lightweight frequency-guided deep learning-based model named HarmonicEchoNet that can automatically detect heart standard views in a transverse sweep or freehand ultrasound scan of the fetal heart. H
СтатьяПоддержка 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.
Screening programs for the early detection of cancers, such as colorectal and cervical cancers, have led to an increased demand for histopathological analysis of biopsies. Advanced image analysis with deep learning has shown the potential to automate cancer detection in digital pathology whole-slide images. In particular, weakly supervised learning can achieve whole-slide image classification without the need for tedious, manual annotations, using only slide-level labels. Here, we used data from n = 12,580 whole-slide images from n = 9141 tissue blocks to train and validate a weakly supervised
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.
Osteoporosis screening from radiographic images has traditionally relied on isolated methods that fail to capture the complex interplay between structural segmentation and diagnostic classification. This paper introduce OMO-Net, a novel multi-output deep learning architecture that simultaneously performs segmentation and classification on metacarpal radiographs to accurately detect osteoporosis. Unlike conventional approaches, OMO-Net integrates a ResNet-50-based feature extractor with dedicated segmentation and classification branches, enabling the network to localize diagnostically significa
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.
Primary angle-closure glaucoma (PACG) is responsible for half of all glaucoma-related blindness worldwide. The devastating disease is often clinically silent before causing irreversible visual damage. Glaucomatous optic neuropathy is the major diagnostic criterion for glaucoma. Patients with severe PACG have been clinically found to have significantly lower pupillary reflex velocity and higher iris rigidity. Anterior segment optical coherence tomography (AS-OCT) enables dynamic visualization of the ocular iris anatomy which cannot otherwise be acquired by other imaging modalities. However, aut
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.
Congenital heart disease (CHD) is the most common congenital disability affecting healthy development and growth, even resulting in pregnancy termination or fetal death. Recently, deep learning techniques have made remarkable progress to assist in diagnosing CHD. One very popular method is directly classifying fetal ultrasound images, recognized as abnormal and normal, which tends to focus more on global features and neglects semantic knowledge of anatomical structures. The other approach is segmentation-based diagnosis, which requires a large number of pixel-level annotation masks for trainin
СтатьяПоддержка 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.
MedElevator
Войти в исследования