Metastasis remains a major cause of cancer mortality, making reliable primary-metastatic state prediction from somatic genomic alterations clinically important yet technically difficult. We present TF-GateNet, a biologically constrained neural network that combines TF-aware feature integration based on TRRUST and DoRothEA TF-gene regulatory priors with sample-specific dynamic gating on a Reactome-defined hierarchical sparse backbone. The model was evaluated on multi-center prostate and breast-cancer cohorts using mutation and copy-number features across 10 repeated runs on a fixed 80/10/10 spl
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.
The analysis of cell‑free DNA (cfDNA) is transforming cancer diagnostics, yet quantifying the fraction of circulating tumour DNA (ctDNA) from shallow whole‑genome sequencing (sWGS) remains challenging in tumours with low copy‑number aberration burden. We introduce ALFAssay, a feed‑forward neural network that estimates ctDNA fraction from fragmentation profiles of cfDNA in breast cancer. Using cfDNA from 896 plasma samples spanning early and metastatic HR + /HER2- and triple‑negative breast cancer, and healthy controls, (id: NCT03616886, NCT02028364, NCT03065621) we extract 204 bin‑level fragme
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.
Protein-ligand binding affinity (PLA) prediction is essential for computational drug discovery, yet existing deep learning methods typically employ a single globally trained model that fails to adapt to individual query samples. In this paper, we propose a novel end-to-end framework that retrieves hard protein-ligand pairs-samples whose nearest neighbors have conflicting labels under manifold smoothness constraints-and integrates them via a semi-supervised graph convolutional network (GCN). For each query, we automatically construct a graph where nodes represent protein-ligand pairs and edges
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.
Chest radiography is the most widely used imaging technique for the diagnosing of lung diseases, but interpreting X-rays can be very difficult due to the subtle abnormalities and variations in image quality taken during X-rays. While deep learning models, especially the Convolution Neural Networks (CNNs), have shown strong performance when it comes to detecting pneumonia and other conditions, Vision Transformers (ViTs) have recently surpassed CNNs on several chest X-ray benchmarks by dividing images into small patches and learning global relationships. However, standard ViTs can sometimes focu
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.
Remote photoplethysmography (rPPG) estimates heart rate (HR) from facial color variations. In continuous wavelet transform (CWT) scalograms, HR is represented by position along the frequency axis, whereas global average pooling (GAP) does not retain this coordinate explicitly. We investigated whether a structured frequency-localizing readout improves HR estimation and analyzed the remaining errors. Leave-one-subject-out evaluations were conducted on three datasets (PURE, UBFC-rPPG, and BH-rPPG) using a fixed chrominance-based signal-extraction and CWT pipeline. The proposed model combined a fr
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.
Automated epileptic seizure detection from electroencephalogram (EEG) signals remains a critical challenge for real-world clinical deployment due to the complex, nonstationary, and multi-scale nature of neural dynamics. Existing deep learning approaches, including convolutional and transformer-based models, often fail to jointly capture spectral-temporal dependencies while maintaining robustness across heterogeneous datasets and noisy clinical environments. In this work, we propose BrainXNet, a novel multi-scale spectro-temporal attention framework that unifies local feature extraction, freque
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: Dyslexia can be assessed using eye-tracking technology to monitor reading patterns, but challenges persist in distinguishing dyslexia-specific anomalies from those caused by other factors due to individual reading variability.
METHODS: To address these challenges, enhancing the Detection of Visual-Cognitive Disruptions in Automated Dyslexia Diagnosis Using Viscoelastic Constitutive Artificial Neural Networks for Eye Movement Analysis (DVDD-VCANN-EMA) is proposed. Firstly, input data is gathered from ETDD70: Eye-Tracking Dyslexia Dataset. Then the input data is pre-processed employing
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.
Chest radiography remains an essential diagnostic tool for thoracic diseases, yet interpreting overlapping anatomical structures is particularly challenging when multiple pathologies co-occur a common clinical scenario often oversimplified in deep learning approaches. This study presents an optimized EfficientNetB0 framework designed explicitly for multi-label classification of chest X-rays using the NIH dataset, integrating CLAHE-based contrast enhancement, strategic class balancing, and a comparative transfer learning strategy that preserves the dataset's inherent multi-label complexity. The
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.
Sports sponsorship by commercial betting providers is an essential source of income for sports entities worldwide. This study examines the formation of betting behavior in sporting events using predictor variables, namely, self-congruence, perceived exposure, subjective norms, goodwill, and involvement, to predict betting intention and actual gambling behavior, comparing linear (PLS-SEM) and nonlinear (artificial neural networks-ANN) methods. Data from 661 Spanish subjects were analyzed. The results of the PLS-SEM model identified subjective norms and self-congruence as the main predictors 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.
An analytical and computational model is developed for the electro-osmotic peristaltic transport of pentahybrid nanoparticle-infused Phan-Thien-Tanner viscoelastic blood through a heated, cilia-lined human fallopian tube, integrating metachronal ciliary wave dynamics, electric double layer forcing, shear-thinning rheology, viscous dissipation, and Joule ohmic heating within a unified framework. Closed-form solutions are derived under the Debye-Hückel linearisation and long-wavelength approximations for the transport profiles and metrics across six blood formulations of progressively increasing
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.Chagas disease, a neglected tropical disease (NTD) with significant cardiovascular impact, remains underdiagnosed in resource-limited regions. Electrocardiogram (ECG) screening offers a low-cost tool for detecting cardiac involvement, yet algorithm development is challenged by label noise, data scarcity, and the latent nature of infection. This study proposes a robust ECG-based screening framework that explicitly addresses these constraints.Approach.We introduce aReliability-Aware Hierarchical Learningstrategy that calibrates supervision according to data provenance, prioritizing ser
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.
The visual appearance of monkey pox skin lesions remains poorly established due to their similarity to other vesicular and pustular skin diseases. This paper tested the hypothesis that a hybrid deep-learning model, integrated with convolutional and transformer-based feature encoders, can automatically classify mpox images within a unified experimental pipeline. To ensure consistency across models and reports, the main analysis was conducted as a binary task: mpox vs other conditions with the same or similar presentation. These benchmark data consisted of 2,280 images: 1,020 mpox and 1,260 non-
СтатьяVideo-Audio MediaПоддержка 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.
PURPOSE: To propose a novel deep learning-based methodology for drusen detection and quantification in early age-related macular degeneration (AMD) using retinal multispectral images. The retinal multispectral images highlight features in several nonoverlapping spectral bands that the deep learning models leverage for automatic drusen detection and quantification in dry AMD.
METHODS: The proposed novel methodology comprises quality assessment of retinal images, region of interest extraction, drusen segmentation, and drusen quantification stages. Different deep learning models (such as UNet++
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: The primary objective of this research is to enhance the accuracy and efficiency of information extraction from radiology reports. In addressing this objective, the study aims to develop and evaluate a deep learning framework for named entity recognition (NER).
METHODS: We used a synthetic dataset of 1,056 Turkish radiology reports created and labeled by the radiologists in our research team. Due to privacy concerns, actual patient data could not be used; however, the synthetic reports closely mimic genuine reports in structure and content. We employed the four-stage DYGIE++ model fo
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: The progression and severity of periodontitis (PD) are associated with the release of extracellular vesicles by periodontal tissue cells. However, the precise mechanisms through which exosome-related genes (ERGs) influence PD remain unclear. This study aimed to investigate the role and potential mechanisms of key exosome-related genes in PD using transcriptome profiling at the single-cell level.
METHODS: The current study cited GSE16134, GSE10334, GSE171213 datasets and 19,643 ERGs. Initially, differential expression analysis, three machine learning (ML) models, gene expression an
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 purpose of the current investigation is to design a novel radial basis neural network for solving the dynamical hepatitis C virus model in patients with a high baseline viral load, which represents the nonlinear dynamical structure. The infection and treatment in the hepatitis C virus comprise uninfected hepatocytes, creatively infected hepatocytes, and viruses. The aim of this study is to solve the dynamical hepatitis C virus model in patients with a high baseline viral load with the optimization of the Bayesian regularization scheme. A database reference solution is achieved by the expli
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.
Timely identification of Parkinson's disease and schizophrenia is crucial for the effective management and enhancement of patients' quality of life. The utilization of electroencephalogram (EEG) monitoring applications has proven instrumental in diagnosing various brain disorders. Prior research has predominantly relied on predefined knowledge of physiological alterations associated with different diseases, employing feature extraction to discern brain conditions. This study introduces SwiftBrainNet, a neural network designed for the classification of Parkinson's disease and schizophrenia usin
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.
Parkinson's disease is a neurodegenerative disorder that is associated with aging, leading to the progressive deterioration of certain regions of the brain. Accurate and timely diagnosis plays a crucial role in facilitating optimal therapy and improving patient outcomes. This study presents an innovative approach to identify Parkinson's disease (PD) through the examination of audio waves using Feature Based - Deep Neural Network (FB-DNN) techniques. Autoencoder, a specific form of Artificial Neural Network (ANN) that is designed to excel in the task of feature extraction, is utilized in our st
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 COVID-19 pandemic has underscored the critical necessity for robust and accurate predictive frameworks to bolster global healthcare infrastructures. This study presents a comprehensive examination of convolutional neural networks (CNNs) applied to the prediction of COVID-19-related health outcomes, with an emphasis on core challenges, methodological constraints, and potential remediation strategies. Our investigation targets two principal aims: the identification of COVID-19 infections through chest radiographic imaging, specifically X-rays, and the prognostication of disease severity by i
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.
Interleukin-6 (IL-6) is a critical cytokine involved in immune regulation, inflammation, and the pathogenesis of various diseases, including autoimmune disorders, cancer, and the cytokine storm associated with severe COVID-19. Identifying IL-6 inducing epitopes, the short peptide fragments that trigger IL-6 production, is crucial for developing epitope-based vaccines and immunotherapies. However, traditional methods for epitope prediction often lack accuracy and efficiency. This study presents RAG_MCNNIL6, a novel deep learning framework that integrates Retrieval-augmented generation (RAG) wit
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