Calcium ions (Ca2+) are crucial for various physiological processes, including neurotransmission and cardiac function. Dysregulation of Ca2+ homeostasis can lead to serious health conditions such as cardiac arrhythmias and hypertension. Ion channels and transporters play a vital role in maintaining cellular Ca2+ balance by facilitating Ca2+ transport across cell membranes. Accurate prediction of Ca2+ binding sites within these proteins is essential for understanding their function and identifying potential therapeutic targets, particularly for developing novel calcium channel blockers (CCBs).
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.
Accurately predicting NOx emissions is crucial for effectively controlling pollution during the incineration of municipal solid waste (MSW). This study focuses on the application of genetic algorithm (GA) and long short-term memory (LSTM) neural networks in modeling the relationship between operating parameters and NOx emissions for an 850 t/d MSW incinerator. After data cleaning, principal component analysis (PCA) was used to eliminate correlations among input variables and GA was applied to optimize the hyperparameters of the LSTM model which was compiled with the Adam optimizer. Lastly, a N
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 paper deals with biometric identification based on unique patterns and characteristics of an individual's handwriting, focusing on the dynamic writing process on a touchscreen device. Related work in this domain indicates the dominance of specific research approaches. Namely, in most cases, only the signature is analyzed, verification methods are more prevalent than recognition methods, and the provided solutions are mainly based on using a particular device or specific sensor for collecting biometric data. In this context, our work aims to fill the identified research gap by introducing
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.
The aim of this study was to preliminarily use machine learning and finite element methods to predict the multiple-needle ablation size of spinal and paraspinal tumors and to use genetic algorithms to solve for the optimal ablation parameters under specific ablation size conditions. A two-dimensional two-needle spinal tumor ablation finite element model was created. Its ablation size was analyzed under different approach angles, electrode lengths, electrode diameter, ablation temperatures, and time conditions. Three neural-network models (back propagation (BP), radial basis function (RBF) and
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: Deep learning applications in medical imaging have advanced significantly, supporting the diagnosis of spinal disorders such as disc herniation and spondylolisthesis. This study aimed to review deep learning algorithms used in diagnostic imaging for these conditions.
METHODS: A scoping review was conducted following PRISMA-ScR guidelines and registered in the Open Science Framework. Literature searches were performed in PubMed, Lilacs, ScienceDirect, Web of Science, Wiley Online Library, Embase, IEEE Xplore, and Google Scholar. Studies published in the last ten years in English, P
СтатьяScoping ReviewПоддержка 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.
OBJECTIVES: To develop and evaluate a convolutional neural network (CNN)-based model for recognising surgical phases in robot-assisted laparoscopic radical prostatectomy (RARP), with an emphasis on model interpretability and cross-platform validation.
METHODS: A CNN using EfficientNet B7 was trained on video data from 75 RARP cases with the hinotori robotic system. Seven phases were annotated: bladder drop, prostate preparation, bladder neck dissection, seminal vesicle dissection, posterior dissection, apical dissection, and vesicourethral anastomosis. A total of 808 774 video frames were ext
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: Robotic-assisted surgery, particularly with the da Vinci Single-Port system, enables precise operations in confined anatomical spaces like the retroperitoneum. However, the complexity of retroperitoneal anatomy challenges spatial orientation, especially for novice surgeons. This study aimed to develop and validate an Artificial Intelligence (AI)-based framework for real-time segmentation and feature tracking in Single-Port retroperitoneal robotic-assisted nephrectomies.
METHODS: A convolutional neural network based on YOLACT++ was used for instance segmentation. The model was trai
СтатьяВалидационное 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.
Coccidioidomycosis (cocci), or more commonly known as Valley Fever, is a fungal infection caused by Coccidioides species that poses a significant public health challenge, particularly in the semi-arid regions of the Americas, with notable prevalence in California and Arizona. Previous epidemiological studies have established a correlation between cocci incidence and regional weather patterns, indicating that climatic factors influence the fungus's life cycle and subsequent disease transmission. This study hypothesizes that Long Short-Term Memory (LSTM) and extended Long Short-Term Memory (xLST
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.
Glaucoma, an optic nerve disease resulting in blindness if left untreated, is a difficult condition in healthcare in view of its diagnostic difficulties. Past approaches are based on assessment of the fundus images and the size of the cup and the disc, thickness of the rim and other abnormalities present in the eyes. Multifaceted developing AI prospects have potential to improve glaucoma identification. This research aims at implementing the best of feature learning on UNet + + and Capsule Network (CapsNet) for better diagnostic results. For semantic segmentation, UNet + + is used to accurat
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.
Malaria remains a major global health concern, particularly in regions with limited healthcare infrastructure. Traditional diagnostic methods such as microscopy, rapid diagnostic tests (RDTs), and polymerase chain reaction (PCR) suffer from scalability, sensitivity, and expertise-related limitations, underscoring the need for automated diagnostic strategies. This study investigates deep learning models for malaria detection from blood smear images. Four convolutional neural networks (CNNs), MobileNetV2, VGG19, InceptionV3, and ResNet18, were empirically evaluated, with ResNet18 achieving the h
Сравнительное исследованиеСтатьяОбзорВалидационное исследованиеПоддержка 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.
Sandflies are vectors for several tropical diseases such as leishmaniasis, bartonellosis, and sandfly fever. Moreover, sandflies exhibit species-specificity in transmitting particular pathogen species, with females being responsible for disease transmission. Thus, effective classification of sandfly species and the corresponding sex identification are important for disease surveillance and control, managing breeding/populations, research and development, and conducting epidemiological studies. This is typically performed manually by observing internal morphological features, which maybe an err
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: Tuberculosis (TB) is still a major health problem around the world, especially in low- and middle-income countries, where it kills about 1.5 million people every year. Early and accurate identification is very important for treating the disease and stopping it from spreading. Traditional ways of diagnosing, like sputum smear microscopy, chest X-rays, and evaluating clinical symptoms, have problems like being less sensitive, taking longer to get results, and requiring biased interpretation. New developments in artificial intelligence (AI) point to hopeful directions, but most curren
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.
This paper proposed a muscle-activation-dependent human-exoskeleton model for predicting human-exoskeleton coupling parameters to improve the studies of coupling dynamics. With a newly designed platform and the help of 20 volunteers (10 males and 10 females, age: 24.45 ± 2.31 years old, height: 167.70 ± 8.35 cm, weight: 66.50 ± 18.74 kg), coupling parameters were identified with surface electromyographic (EMG) signals monitored to represent muscle activation. Then convolutional neural network (CNN) was used to predict coupling parameters with six EMG features as inputs:mean absolute value (MAV
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.
OBJECTIVES: Our study aimed to develop a machine learning (ML) model to accurately classify acute promyelocytic leukemia (APL) from other types of acute myeloid leukemia (other AML) using multicolor flow cytometry (MFC) data. Multicolor flow cytometry is used to determine immunophenotypes that serve as disease signatures for diagnosis.
METHODS: We used a data set of MFC files from 27 patients with APL and 41 patients with other AML, including those with uncommon immunophenotypes. Our ML pipeline involved training a graph neural network (GNN) to output graph-level labels and identifying the mo
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 AND OBJECTIVE: Uncertainty quantification is a pivotal field that contributes to realizing reliable and robust systems. It becomes instrumental in fortifying safe decisions by providing complementary information, particularly within high-risk applications. existing studies have explored various methods that often operate under specific assumptions or necessitate substantial modifications to the network architecture to effectively account for uncertainties. The objective of this paper is to study Conformal Prediction, an emerging distribution-free uncertainty quantification technique
СтатьяВалидационное исследованиеПоиск 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: We propose a tumor tracking framework for 2D cine magnetic resonance imaging (MRI) based on a pair of deep learning (DL) models relying on patient-specific (PS) training.
METHODS AND MATERIALS: The chosen DL models are: (1) an image registration transformer and (2) an auto-segmentation convolutional neural network (CNN). We collected over 1,400,000 cine MRI frames from 219 patients treated on a 0.35 T MRI-linac plus 7500 frames from additional 35 patients that were manually labeled and subdivided into fine-tuning, validation, and testing sets. The transformer was first trained on 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.
This work presents a real-time gait phase estimator using thigh- and shank-mounted inertial measurement units (IMUs). A multi-rate convolutional neural network (CNN) was trained to estimate gait phase for a dataset of 16 participants walking on an instrumented treadmill with speeds varying between 0.1 to 1.9 m/s, and conditions such as asymmetric walking, stop-start, and sudden speed changes. One-subject-out cross-validation was used to assess the robustness of the estimator to the gait patterns of new individuals. The proposed model had a spatial root mean square error of 5.00±1.65%, and a te
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.
BACKGROUND: Alzheimer's disease (AD) is a progressive neurodegenerative disorder characterized by cognitive decline, posing a significant challenge for individuals and society. Early detection and treatment are essential for effective disease management.
OBJECTIVE: The objective of this research is to develop a novel and interpretable deep learning model for rapid and accurate Alzheimer's disease detection, incorporating Explainable Artificial Intelligence (XAI) techniques. The model aims to ensure generalizability through cross-validation and data augmentation, while enhancing interpretabili
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 aortic valve (AV) is crucial for cardiovascular (CV) hemodynamic, impacting cardiac output (CO) and left ventricular volumetric flow rate (LVQ). Its nonlinear behavior challenges standard LVQ prediction methods as well as CO one. This study presents a novel approach for modeling the AV in the CV system, offering an improved method for estimating crucial parameters like LVQ across various AV conditions, including aortic stenosis (AS). The model, based on AV channel length during the entire cardiac phase, introduces a time-varying AV resistance (TV-AVR) parameterized by the pressure ratio ac
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.
Visually Impaired Persons (VIPs) have difficulty in recognizing vehicles used for navigation. Additionally, they may not be able to identify the bus to their desired destination. However, the bus bay in which the designated bus stops has not been analyzed in the existing literature. Thus, a guidance system for VIPs that identifies the correct bus for transportation is presented in this paper. Initially, speech data indicating the VIP's destination are pre-processed and converted to text. Next, utilizing the Arctan Gradient-activated Recurrent Neural Network (ArcGRNN) model, the number of bays
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