Thoracic diseases are very serious health problems that plague a large number of people. Chest X-ray is currently one of the most popular methods to diagnose thoracic diseases, playing an important role in the healthcare workflow. However, reading the chest X-ray images and giving an accurate diagnosis remain challenging tasks for expert radiologists. With the success of deep learning in computer vision, a growing number of deep neural network architectures were applied to chest X-ray image classification. However, most of the previous deep neural network classifiers were based on deterministi
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: In this study, a deep convolutional neural network (CNN)-based automatic segmentation technique was applied to multiple organs at risk (OARs) depicted in computed tomography (CT) images of lung cancer patients, and the results were compared with those generated through atlas-based automatic segmentation.
MATERIALS AND METHODS: An encoder-decoder U-Net neural network was produced. The trained deep CNN performed the automatic segmentation of CT images for 36 cases of lung cancer. The Dice similarity coefficient (DSC), the mean surface distance (MSD) and the 95% Hausdorff distance (9
Сравнительное исследованиеОценочное исследованиеСтатьяПоиск 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.
Microstructural characterization of pharmaceutical drug products is essential for understanding process-microstructure-performance relationships and ensuring consistent product quality. However, quantitative characterization is limited by a trade-off between imaging resolution and field of view: high-resolution imaging captures fine structural detail but over small sample volumes, whereas lower-resolution imaging provides broader coverage while missing critical morphological features. To address this limitation, we developed and validated an integrated framework combining convolutional neural
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.
Pathway analysis is a key computational framework for interpreting high-throughput molecular data and contextualizing biological alterations within known cellular processes. The integration of microRNAs (miRNAs), key post-transcriptional regulators of gene expression, has substantially expanded the ability of pathway-based approaches to capture complex regulatory mechanisms underlying human diseases. Although methodologies such as Over-Representation Analysis (ORA), Functional Class Scoring (FCS), and Pathway Topology (PT)-based methods established the field's foundation, recent advances have
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.
In recent years, specific cortical networks have been proposed to be crucial for sustaining consciousness, including the posterior hot zone and frontoparietal resting state networks (RSN). Here, we computationally evaluate the relative contributions of three RSNs - the default mode network (DMN), the salience network (SAL), and the central executive network (CEN) - to consciousness and its loss during propofol anaesthesia. Specifically, we use dynamic causal modelling (DCM) of 10 min of high-density EEG recordings (N = 10, 4 males) obtained during behavioural responsiveness, unconsciousness an
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.
Objective.A major reason for poor visual outcomes provided by existing retinal prostheses is the limited knowledge of the impact of photoreceptor loss on retinal remodelling and its subsequent impact on neural responses to electrical stimulation. Computational network models of the neural retina assist in the understanding of normal retinal function but can be also useful for investigating diseased retinal responses to electrical stimulation.Approach.We developed and validated a biophysically detailed discrete neuronal network model of the retina in the software package NEURON. The model inclu
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 Sense of Embodiment (SoE) refers to the subjective experience of perceiving a non-biological body part as one's own. Virtual Reality (VR) provides a powerful platform to manipulate SoE, making it a crucial factor in immersive human-computer interaction. This becomes particularly relevant in Electroencephalography (EEG)-based Brain-Computer Interfaces (BCIs), especially motor imagery (MI)-BCIs, which harness brain activity to enable users to control virtual avatars in a self-paced manner. In such systems, a strong SoE can significantly enhance user engagement, control accuracy, and the over
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.
Primates excel at mapping sensory inputs flexibly onto motor outcomes. We asked if the neural dynamics to support context-sensitive sensorimotor mapping generalizes or differs between different behavioral contexts that demand such flexibility. We compared reaching under mirror-reversed vision, a case of adaptation to a modified sensorimotor environment (SE), with anti reaching, a case of applying an abstract task rule (TR). While neural dynamics in monkey posterior parietal cortex show shifted initial states and non-aligned low-dimensional neural subspaces in the SE task, remapping is achieved
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) has emerged as a transformative tool in the diagnosis and management of gastrointestinal (GI) and liver diseases. In clinical practice AI consists of overlapping technologies such as machine learning (ML), deep learning, natural language processing, computer vision, and generative AI. ML is a computer learning system that can provide insight into disease risk factors and phenotypes. Deep learning is an advanced and complex form of ML, structured with different levels of specific algorithms known as convolutional neural networks that can rapidly and accurately proce
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.
Pituitary adenomas (PA) represent the most common type of sellar neoplasm. Extracting relevant information from radiological images is essential for decision support in addressing various objectives related to PA. Given the critical need for an accurate assessment of the natural progression of PA, computer vision (CV) and artificial intelligence (AI) play a pivotal role in automatically extracting features from radiological images. The field of "Radiomics" involves the extraction of high-dimensional features, often referred to as "Radiomic features," from digital radiological images. This surv
СтатьяСистематический обзорПоиск 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.
One of the most appreciated capabilities of computational toxicology is to support the design of pharmaceuticals with reduced toxicological hazard. To this end, we have strengthened our drug photosafety assessments by applying novel computer models for the anticipation of in vitro phototoxicity and human photosensitization. These models are typically used in pharmaceutical discovery projects as part of the compound toxicity assessments and compound optimization methods. To ensure good data quality and aiming at models with global applicability we separately compiled and curated highly chemical
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.
Epilepsy is a chronic brain disease with recurrent seizures. Mesial temporal lobe epilepsy (MTLE) is the most common pathological cause of epilepsy. With the development of computer-aided diagnosis technology, there are many auxiliary diagnostic approaches based on deep learning algorithms. However, the causes of epilepsy are complex, and distinguishing different types of epilepsy accurately is challenging with a single mode of examination. In this study, our aim is to assess the combination of multi-modal epilepsy medical information from structural MRI, PET image, typical clinical symptoms a
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.
This paper introduces a novel computational method to simulate and predict radiation dose profiles in a water phantom irradiated by X-rays of 6 and 15 MV at different depths and field sizes using Artificial Neural Networks within the error margin required by the code of practice 398 of the International Atomic Energy Agency (IAEA). Our method uses deep-learning Artificial Neural Networks as an alternative to the Monte Carlo methods usually used nowadays. It reproduces the radiation dose profiles for X-rays of 6 and 15 MV data reported in the British Journal of Radiology (Aird, 1996). Even more
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.
Detection of endolymphatic hydrops is important for diagnosing Meniere's disease, and can be performed non-invasively using optical coherence tomography (OCT) in animal models as well as potentially in the clinic. Here, we developed ELHnet, a convolutional neural network to classify endolymphatic hydrops in a mouse model using learned features from OCT images of mice cochleae. We trained ELHnet on 2159 training and validation images from 17 mice, using only the image pixels and observer-determined labels of endolymphatic hydrops as the inputs. We tested ELHnet on 37 images from 37 mice that we
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.
Pyrolysis mass spectrometry is a well established analytical tool that has received a considerable boost from the development of low cost, dedicated instruments and sophisticated statistical analyses on personal computers. Further analytical developments, especially in the area of neural networks, are pushing the technology to the forefront of methods for the discrimination and identification of microorganisms and their products. The speed and reproducibility of pyrolysis mass spectrometry and its applicability to a wide range of microorganisms make it an attractive method for epidemiological
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.
A convolutional neural network (CNN)-enhanced electrocardiogram (ECG) has been reported for detecting mitral regurgitation (MR). This tool may be particularly useful for identifying candidates for echocardiography in patients with chronic atrial fibrillation (AF) to detect atrial functional MR early. The data from a single-center, prospective cohort study (Shinken Database 2010-2017, n = 19,170) were combined with an ECG database. Initially, a CNN model was developed to detect MR (Grade ≥ 3) across the entire cohort using fivefold cross-validation. The model was refined using sublabels, includ
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.
Animals solve new, complex tasks by reusing and adapting prior knowledge. This flexibility depends not only on the content of experience but also on its structure. Early training curricula are especially important: poorly structured experiences can hinder abstraction and limit generalization. However, the neural mechanisms through which experience shapes future learning remain unclear. Here, we trained recurrent neural networks (RNNs) on an odor timing task used to study complex timing behavior in mice and then tested the model predictions with mouse behavior and medial entorhinal cortex recor
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.
Neural activity in the primate brain correlates with both sensory evaluation and action selection aspects of decision-making. However, the intricate interaction between these distinct neural processes and their impact on decision behaviors remains unexplored. Here, we examined the interplay of these decision processes in posterior parietal cortex (PPC) when monkeys performed a flexible decision task. We found that the PPC activity related to monkeys' abstract decisions about visual stimuli was nonlinearly modulated by monkeys' following saccade choices directed outside each neuron's response f
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.
Humans can voluntarily attend to a variety of visual attributes to serve behavioral goals. Voluntary attention is believed to be controlled by a network of dorsal frontoparietal areas. However, it is unknown how neural signals representing behavioral relevance (attentional priority) for different attributes are organized in this network. Computational studies have suggested that a hierarchical organization reflecting the similarity structure of the task demands provides an efficient and flexible neural representation. Here we examined the structure of attentional priority using functional magn
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.
Neural network potentials (NNPs), or neural network-based force fields, are gaining widespread attention for their ability to model complex chemical, materials, and biophysical systems. In NNPs, the total energy of the system can be decomposed into atom-centered components, where the energies and forces are described using a deep neural network. However, despite the flexibility and accuracy of NNPs, they are typically more computationally intensive than classical molecular dynamics. There have been recent advances in embedding NNPs into a molecular mechanics (MM)-based environment to maximize
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