While dual-energy computed tomography (DECT) technology introduces energy-specific information in clinical practice, single-energy CT (SECT) is predominantly used, limiting the number of people who can benefit from DECT. This study proposed a novel method to generate synthetic low-energy virtual monochromatic images at 50 keV (sVMI50keV) from SECT images using a transformer-based deep learning model, SwinUNETR. Data were obtained from 85 patients who underwent head and neck radiotherapy. Among these, the model was built using data from 70 patients for whom only DECT images were available. The
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2024eng
Retinal lesion is a cause of age-related macular degeneration that poses a big threat to elderly population. The accurate detection and segmentation of retinal lesions benefits the early diagnosis of age-related macular degeneration and monitoring of disease progression. However, due to the large variant of imaging characteristics among different subtypes of diseases, it is challenging for a model to precisely segment retinal lesions. On the other hand, with the usage of deep neural networks (DNN), the accuracy of classifying subtypes of the retinal disease is high, which proves that the imagi
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.
Unsupervised domain adaptation (UDA) has received interest as a means to alleviate the burden of data annotation. Nevertheless, existing UDA segmentation methods exhibit performance degradation in fine intracranial vessel segmentation tasks due to the problem of structure mismatch in the image synthesis procedure. To improve the image synthesis quality and the segmentation performance, a novel UDA segmentation method with structure preservation approaches, named StruP-Net, is proposed. The StruP-Net employs adversarial learning for image synthesis and utilizes two domain-specific segmentation
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.
Segmentation of organs at risks (OARs) in the thorax plays a critical role in radiation therapy for lung and esophageal cancer. Although automatic segmentation of OARs has been extensively studied, it remains challenging due to the varying sizes and shapes of organs, as well as the low contrast between the target and background. This paper proposes a cascaded FAS-UNet+ framework, which integrates convolutional neural networks and nonlinear multi-grid theory to solve a modified Mumford-shah model for segmenting OARs. This framework is equipped with an enhanced iteration block, a coarse-to-fine
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 patients with interstitial lung disease (ILD), accurate pattern assessment from their computed tomography (CT) images could help track lung abnormalities and evaluate treatment efficacy. Based on excellent image classification performance, convolutional neural networks (CNNs) have been massively investigated for classifying and labeling pathological patterns in the CT images of ILD patients. However, previous studies rarely considered the three-dimensional (3D) structure of the pathological patterns of ILD and used two-dimensional network input. In addition, ResNet-based networks such as SE
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.
Transforming human intentions into patterns to direct the devices connected externally without any body movements is called Brain-Computer Interface (BCI). It is specially designed for rehabilitation patients to overcome their disabilities. Electroencephalogram (EEG) signal is one of the famous tools to operate such devices. In this study, we planned to conduct our research with twenty subjects from different age groups from 20 to 28 and 29 to 40 using three-electrode systems to analyze the performance for developing a mobile robot for navigation using band power features and neural network ar
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.
To detect false data injection attacks (FDIAs) in power grid reconstruction and solve the problem of high data dimension and bad abnormal data processing in the power system, thereby achieving safe and stable operation of the power grid system, this study introduces machine learning methods to explore the detection of FDIAs. First, through the utilization of the standard IEEE node system and the simulation of FDIAs under the condition of non-complete topology information, the construction of the attack data set is completed, and the MatPower tool is applied to simulate and analyze the data set
СтатьяОтозванная публикацияПоиск 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: Early detection of lung cancer is of importance since it can increase patients' chances of survival. To detect nodules accurately during screening, radiologists would commonly take the axial, coronal, and sagittal planes into account, rather than solely the axial plane in clinical evaluation. Inspired by clinical work, the paper aims to develop an accurate deep learning framework for nodule detection by a combination of multiple planes.
METHODS: The nodule detection system is designed in two stages, multiplanar nodule candidate detection, multiscale false positive (FP) reduction. At
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.
OBJECTIVE: At present, there are no objective techniques to quantify and describe laryngeal obstruction, and the reproducibility of subjective manual quantification methods is insufficient, resulting in diagnostic inaccuracy and a poor signal-to-noise ratio in medical research. In this work, a workflow is proposed to quantify laryngeal movements from laryngoscopic videos, to facilitate the diagnosis procedure.
METHODS: The proposed method analyses laryngoscopic videos, and delineates glottic opening, vocal folds, and supraglottic structures, using a convolutional neural networks (CNNs) based
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.
A nonlinear neural network classifier was applied to noninvasive acoustic detection of coronary artery disease; the classifier included a feature vector, derived from diastolic heart sounds, and a multi-layered network trained by the backpropagation. The feature vector is based on the linear prediction coefficients of the autoregressive method after an adaptive line enhancement method was used as the input pattern to the neural network. One hundred and twelve recordings (70 abnormal, 42 normal) were studied and the network was trained on a randomly chosen set of six abnormal and six normal pat
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.
Our laboratory has recently demonstrated objective, quantitative, and precise brain-computer interface (BCI)-based color vision (CV) assessment. During assessment, participants look at a flashing stimulus that alternates between two light sources. Light sources that appear to be different colors elicit larger steady-state visual evoked potentials (SSVEPs); those that appear to be similar colors elicit smaller SSVEPs. Thus, the stimulus-evoked responses depend on an individual's CV. BCI-based CV assessments evaluate CV by observing SSVEP sizes elicited over a color space; their accuracy depends
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: Metallic inner- and middle-ear implants with submillimeter structures requiring ultra-high resolution (UHR) imaging invariably result in metal artifacts at CT, which can obscure adjacent microstructures and subtle pathologic findings. Current metal artifact reduction techniques can be less effective for small metal objects or metal in heterogeneous background anatomy, and can sometimes introduce new artifacts or noise.
PURPOSE: To develop and evaluate an image-domain convolutional neural network to reduce metal artifacts near inner- and middle-ear implants in UHR photon-counting-d
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.
Phenomenological spiking neuron models such as Izhikevich, adaptive quadratic integrate-and-fire (aQIF), and Adaptive Exponential (AdEx) are widely used because of their simplicity and numerical efficiency. These models reproduce diverse neuronal dynamics through a slow self-inhibitory adaptation variable. Here we introduce their symmetric counterpart by replacing adaptation with slow self-excitation, motivated by intrinsic calcium-mediated membrane currents. This minimal modification enables robust persistent spiking and working-memory dynamics without compromising computational efficiency. T
СтатьяПоддержка исследования: вне правительства СШАПоддержка 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.
For the analysis of interval-censored data, we propose a deep generalized accelerated hazards model. This model is designed to facilitate a detailed exploration of the relationship between various risk factors and the hazard associated with failure time. We develop a sieve maximum likelihood estimation procedure that combines deep neural networks and monotonic splines. By employing deep neural networks, we can effectively capture nonparametric effects, enabling a flexible and adaptive modeling approach for complex relationships. Under certain regularity conditions, we derive a nonasymptotic er
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.
Smart wearable electrocardiogram (ECG) monitoring enables continuous cardiac assessment beyond clinical settings, but ECG signals are often degraded by baseline wander, muscle artifacts, and electrode motion artifacts. At present, pure end-to-end spiking neural networks (SNNs), with the advantage of low computational complexity, have rarely been explored for ECG noise suppression, particularly under dynamic conditions. To address this gap, this study proposes Direct-Coding-Physics-Aware Spiking Neural Network (DCPA-SNN) for wearable ECG denoising. The proposed method integrates a direct-coding
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.
Holographic displays offer promising capabilities for realistic three-dimensional visual experiences, yet their practical implementation is hindered by limited spatial bandwidth product (SBP) and the demand for high-quality image reconstruction across the entire field of view. Here, we propose a gaze-aware neural holography framework that leverages human visual system (HVS) characteristics to optimize holographic image quality. We introduce two complementary approaches: gaze-aware holography (GAH) based on iterative optimization and gaze-aware neural holography (GANH) based on neural networks.
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.
Upper extremity amputation, often necessitated by traumatic injuries, significantly impacts an individual's well-being. This paper addresses the critical challenges of deploying deep learning for real-time electromyography-based gesture recognition in prosthetic control: generalization across users and time, the personalization-generalization trade-off, and computational constraints. We propose Federated Electromyography (FedEMG), a novel Federated Prototype Learning (FPL) framework that leverages a prototype-based approach for efficient knowledge transfer and a unique adaptive personalization
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.
Animals and humans rely on optic flow to navigate cluttered and unknown environments. While most previous studies have focused on how organisms achieve self-motion perception through optic flow information, biological neural networks for navigation based on optic flow remain unexplored. Here, we propose a biologically plausible neural network model for optic flow-based reactive navigation. The model incorporates a primary visual cortex, which is responsible for generating a cortical representation of the optic flow field; a higher-order cortex, which calculates the focus of expansion (FOE) of
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) is changing the field of synthetic biology research. This approach has the potential to make the design-build-test-learn (DBTL) cycle more predictable by improving design prioritization, experimental planning, and data analysis. This review aims to analyze the application of artificial intelligence (AI), including machine learning (ML), deep learning (DL), and language models, across synthetic biology, specifically neural networks for genetic circuit design, protein engineering, metabolic pathway optimization, and multi-omics data analysis. The main focus is to ide
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.
Dinosaur footprints provide crucial paleoecological information about locomotion, behavior, and tracksite distributions. Traditional tracksite surveys rely on time-consuming manual identification by expert researchers, with results influenced by preservation quality and subjective interpretation. Here, we present an automated detection system for dinosaur footprints using You Only Look Once version 8 (YOLOv8), an effective object detection neural network. We trained the model on 49,242 images from the AI-Hub dataset, comprising theropod, ornithopod, and sauropod footprints from Korean tracksit
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.
MedElevator
Войти в исследования