Stroke is an acute cerebrovascular condition causing damage to cranial nerves and requires subsequent rehabilitation treatment. In clinical practice, the effectiveness of rehabilitation is usually subjectively assessed by experienced physicians or using global prognostic scales. Several brain imaging techniques, such as positron emission tomography, functional magnetic resonance imaging, and computed tomography angiography, can be applied in rehabilitation effectiveness evaluation, but their complexity and long measurement times limit the activity of patients during measurement. This paper pro
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.
INTRODUCTION: In recent years, advancements in machine learning and electronic stethoscope technology have enabled high-precision recording and analysis of lung sounds, significantly enhancing pulmonary disease diagnosis.
METHODS: This study presents a comprehensive approach to classify lung sounds into healthy and unhealthy categories using a dataset collected from 112 subjects, comprising 35 healthy individuals and 77 patients with various pulmonary conditions, such as asthma, heart failure, pneumonia, bronchitis, pleural effusion, lung fibrosis, and chronic obstructive pulmonary disease (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.
Simple cells in the visual cortex process spatial as well as temporal information of the visual stream and enable the perception of motion information. Previous work suggests different mechanisms associated with direction selectivity, such as a temporal offset in thalamocortical input stream through lagged and non-lagged cells of the lateral geniculate nucleus (LGN), or solely from intercortical inhibition, or through a baseline selectivity provided by the thalamocortical connection tuned by intercortical inhibition. While there exists a large corpus of models for spatiotemporal receptive fiel
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.
Approximately 15%-20% of school-aged children suffer from mathematics learning difficulties (MLD). Most children with developmental dyscalculia (DD) or MLD also have comorbid cognitive deficits. Recent literature suggests that research should focus on uncovering the neural underpinnings of MLD across more inclusive samples, rather than limiting studies to pure cases of DD or MLD with highly stringent inclusion criteria. Therefore, this study aims to identify neural aberrancies that may be common across multiple MLD cases with different deficit profiles. Nine MLD cases and 45 typically developi
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.
Microwave ablation (MWA) is a minimally invasive therapy for liver, lung, and kidney tumors. Computational modeling using finite element methods (FEMs) can simulate ablation zones but is computationally expensive and unsuitable for interactive use. This study develops and evaluates a machine learning surrogate model to rapidly approximate 50 °C isothermal contours from FEM simulations of MWA, enabling faster computational exploration. A feedforward neural network was trained on 2625 FEM simulations incorporating tumor geometry and dielectric properties. Predictions were compared with FEM-deriv
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.
Delayed treatment of infantile retinal disease can reduce its effectiveness and may cause severe and irreversible damage. Automated diagnosis of infant retinal diseases faces challenges including subtle early lesions, diverse clinical phenotypes, imaging variations, and imbalanced data. To address these, which cannot be well addressed by existing general foundation models, we propose structure-aware bidirectional proxy interaction network (SABPI-Net) in a universal learning framework. SABPI-Net incorporates a high-frequency mapping branch, and employs a proposed proxy interaction attention mod
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: Dental caries is one of the most prevalent oral diseases worldwide, and predicting Early Enamel Caries (EEC) and Advanced Enamel Caries (AEC) in intraoral imaging is a significant clinical research challenge. To overcome the challenges, this research presents an EnamelNet-TRiX, an automated diagnosis system for enamel caries based on a lesion-aware dual-transformer framework with across-attention guidance.
METHODS: The proposed framework is developed using a shallow convolutional lesion-aware module (LAM) that incorporates on the lesions of the enamel combined with a Swin Transformer
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 an artificial neural-network-based computational model of differential sensorimotor adaptation to opposing auditory feedback perturbations in speech. A neural Optimality Predictor generating (near-)optimal articulation plans is trained to balance maximal intelligibility and minimal articulatory effort, based on lexical, phonemic, and stylistic context. Adaptation is driven by two main mechanisms: updates of internal sensory predictors estimating sensory outcomes of articulatory plans, and updates of the Optimality Predictor. Simulations replicate experimentally observed d
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.
Odour recognition with low-cost gas sensors is challenging in open-air settings due to the non-specificity of the sensors and environmental variability. This can be mitigated by incorporating additional information into the classification process. This paper investigates odour-image multimodality in two case-studies of increasing complexity: banana ripening in open-air environment and strawberry ripening in a glasshouse environment. Data were collected using custom acquisition platforms equipped with cameras and MOX gas sensors operated with temperature modulation. For the visual modality, ima
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.
Model predictive control (MPC), widely used for real-time control of complex dynamical systems, operates by repeatedly solving an optimization problem over a receding time horizon. Its success hinges on dynamical models that are accurate yet efficient enough for rapid online computation. Frequently, the governing models of complex systems are either unknown or computationally inefficient, forcing MPC to rely on data-driven surrogate models. Echo state networks (ESNs), a class of recurrent neural networks trained through computationally efficient ridge regression, are well-suited for this role
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 the context of spiking neural networks, the temporal coding hypothesis is increasingly preferred over the rate coding hypothesis due to its advantages in processing speed and energy efficiency. In temporal coding, synaptic delays are crucial for processing signals with precise spike timings, known as spiking motifs. Synaptic delays are however bounded in the brain and can thus be shorter than the duration of a motif. This prevents the use of motif recognition methods that consist of setting heterogeneous delays to synchronize the input spikes on a single output neuron acting as a coincidenc
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.
Accurate and efficient diagnosis of breast cancer from histopathological images remains a major challenge in clinical practice due to subjective interpretation, inter-observer variability, and labor-intensive manual examination. To address these limitations, this work introduces a transfer learning-based framework for automated breast cancer classification using the Breast Cancer Histology Images (BACH) dataset. Several pre-trained deep architectures-including MobileNet, ResNet variants, EfficientNet, and Vision Transformers-were evaluated and extended with a Multi-Scale Feature Fusion (MSFF)
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.
BACKGROUND: Rheumatoid arthritis (RA) is a slow progressive autoimmune disease. RA disproportionately affects women due to hormonal and immune variations. During pregnancy, hormonal and immune system changes vary drastically and may lead to RA. Traditional diagnostic techniques are blood biomarkers and clinical assessments. The above methods fail to detect RA at earlier stage due to subclinical inflammation and pregnancy-related physiological changes. Thermal imaging, as a non-invasive and radiation-free approach, can reveal temperature asymmetries across inflamed joints, offering a safer diag
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.
Convolutional neural networks demonstrate strong performance in medical image segmentation but face clinically significant challenges due to the morphological diversity of anatomical targets-including substantial variations in shape, scale, and position. To overcome these limitations, we propose shape perception and multi-scale features enhancement UNet, a novel architecture designed to jointly learn discriminative geometric features (shapes and scales) for robust target perception. The proposed framework designs two synergistic core modules to address the challenges of anatomical shape and sc
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.
Automatic 3D abdominal organ segmentation in magnetic resonance imaging presents a major challenge: data heterogeneity, caused by differences in acquisition protocol, contrast, spatial resolution, and imaging characteristics, which can degrade model generalization. This work investigates the use of FiLM (Feature-wise Linear Modulation) as a metadata-conditioning mechanism to improve the contextual adaptation of 3D segmentation networks. To this end, two reference architectures, U-Net and nnU-Net v2, were compared in both their baseline versions and their FiLM-conditioned variants. The evaluati
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.
Electroencephalography (EEG) is a non-invasive, high-temporal-resolution method for diagnosing and monitoring neurological disorders. Deep learning has recently substantially enhanced the state of the art for automated EEG analysis. However, many of the currently applied paradigms are still challenged by limited generalisation across datasets, vulnerability to noise or preprocessing changes, and the absence of interpretable decision rules. Additionally, many deep learning models operate like black boxes, which limits their use in clinical settings where interpretability and trust are key. Alth
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.
Traditional limb kinematic analysis relies on manual goniometer measurements. With computer vision advancements, integrating RGB cameras can minimize manual labor. Although deep learning-based cameras aim to offer the same ease as manual goniometers, previous approaches have prioritized accuracy over efficiency and cost on PC-based devices. Nevertheless, healthcare providers require a high-performance, low-cost, camera-based tool for assessing upper and lower limb range of motion (ROM). To address this, we propose a lightweight, fast, deep learning model to estimate a human pose and utilize pr
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.
The retina is an important part of the eye that aids in focusing light and visual recognition to the brain. Hence, its damage causes vision loss in the human eye. Central serous retinopathy is a common retinal disorder in which serous detachment occurs at the posterior pole of the retina. Therefore, detection of CSR at an early stage with good accuracy can decrease the rate of vision loss and recover the vision to normal conditions. In the past, numerous manual techniques have been devised for CSR detection; nevertheless, they have demonstrated imprecision and unreliability. Thus, the deep lea
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.
Recent advancements in deep learning have significantly impacted medical image processing domain, enabling sophisticated and accurate diagnostic tools. This paper presents a novel hybrid deep learning framework that combines convolutional neural networks (CNNs) and recurrent neural networks (RNNs) for diabetic retinopathy (DR) early detection and progression monitoring using retinal fundus images. Utilizing the sequential nature of disease progression, the proposed method integrates temporal information across multiple retinal scans to enhance detection accuracy. The proposed model utilizes pu
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.
Lymphoma appears as swollen lymph nodes and weakened immune-protective tissues, frequently resulting in tiredness and loss of weight. Improving the outlook of this malignancy includes using computer-assisted analysis of Positron Emission Tomography (PET) pictures, which identify changes in metabolism. This article presents an Automatic Pre-Segmentation Model (APSM) that uses the Swin Transformer (ST). The APSM accurately separates inputs by recognizing pixel differences caused by changes in metabolism in various tissues and lymph nodes. Training the Swin Transformer system for classification a
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