This study examines the effect of ambient environmental conditions on the performance and efficiency of General Electric GE-9171E gas turbines used for electricity generation at the Nandipur power plant. The research emphasizes the importance of improving gas turbine efficiency to reduce fuel consumption, operational costs, and greenhouse gas emissions, thereby promoting environmentally sustainable power generation in Pakistan. The study specifically evaluates the influence of ambient temperature, humidity, and dew point on turbine output and operational efficiency. Real-time operational data
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.
Multi-label fundus disease classification aims to assign multiple ocular disease labels to bilateral fundus images, enabling automated screening and clinical decision support. In contrast to most existing computer-aided systems that process each eye independently and rely on shallow feature fusion, we explicitly model binocular structure and adaptively combine information from both eyes to handle complex, real-world fundus scenes. To this end, we introduce DualCrossAttnNet, a multi-label fundus disease classification network specifically designed for binocular analysis. In particular, we obtai
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.
Early detection and accurate diagnosis can predict the risk of malignant disease transformation, thereby increasing the probability of effective treatment. Identifying mild syndrome with small pathological regions serves as an ominous warning and is fundamental in the early diagnosis of diseases. While deep learning algorithms, particularly convolutional neural networks (CNNs), have shown promise in segmenting medical objects, analyzing small areas in medical images remains challenging. This difficulty arises due to information losses and compression defects from convolutional and pooling oper
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.
Complete blood cell counting plays a critical role in medical diagnostics; however, conventional manual examination is time-consuming and prone to errors due to variations in data sources, image quality, cell morphology, and staining characteristics. Deep learning has emerged as a promising solution to enhance both the accuracy and efficiency of blood cell detection. In this study, we present CRViT-YOLO, a novel detection framework built upon the YOLOv9 architecture. The proposed framework incorporates a Convolutional-Reconstructed Vision Transformer (CRViT) module to improve feature extractio
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 image recognition technologies, such as facial recognition and object detection, have found widespread application across diverse fields. However, conventional monocular camera systems capture only 2D information, rendering the accurate reconstruction of 3D morphological features challenging and thereby limiting their utility in precision measurement applications. To address this limitation, this study proposes a novel shadow-assisted 3D calibration methodology. This approach reconstructs 3D morphology from a monocular camera viewpoint by introducing a controllable light source and leverag
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.
Rock identification plays a fundamental role in geological work, particularly in resource reservoir characterization, stratigraphic division, engineering stability assessment, and hazard prevention. However, traditional manual identification approaches exhibit low efficiency and limited ability to capture dynamic and fine-grained features. To address these challenges, this study employs image recognition and object detection techniques to classify igneous, sedimentary, and metamorphic rocks. We propose an improved You Only Look Once version 11 (YOLO11)-based model by integrating the Efficient
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.
Color is a defining feature of human vision, yet its integration with spatial structure across stages of the visual system is still not fully understood. Classical accounts assumed that color provides little spatial information, being represented coarsely and separately from luminance. Here, we show that the spatial selectivity of color is not fixed, but dynamically transforms with temporal frequency. In human observers, steady-state visual evoked potentials reveal a clear shift from low-pass tuning at higher temporal frequencies to band-pass tuning at lower frequencies. Local field potentials
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.
Breast cancer is a highly heterogeneous malignant tumor, and its accurate classification is of great significance for clinical diagnosis and treatment decision-making. In recent years, convolutional neural networks and Transformer have been widely used in pathological image analysis of breast cancer. Though the former excels at capturing local information and the latter is adept at modeling global dependencies, the former is limited by fixed sampling positions and is hindered to characterize irregular cell morphology, the latter is insufficient in describing the two-dimensional spatial structu
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.
Quality by Design (QbD) is a systematic approach that builds quality into pharmaceutical products from early development. Within this framework, multivariate data analysis (MVDA), implemented here as a second-order polynomial response-surface model, has long served as the core modeling technique. However, this fixed functional form is limited in capturing complex nonlinear behavior. Artificial neural networks (ANNs) offer a nonlinear alternative. In the small-sample regime typical of DoE-based pharmaceutical development, however, ANNs are prone to overfitting, and generalization to independent
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 phosphorylation is a critical posttranslational modification involved in cell signaling and metabolic regulation, and phosphorylation dysregulation is closely associated with various diseases. However, studies on phosphorylation site-disease associations remain scarce, and existing methods often fail to fully leverage complementary information across heterogeneous data sources, resulting in suboptimal predictive performance. We present CMV-GLA (Contrastive Multi-View Graph Layer Attention Network), a novel framework integrating protein sequences, disease semantics, and known associatio
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.
Polycystic Ovary Syndrome (PCOS) is a leading cause of female infertility and is associated with various health complications, including preterm abortions, anovulation, and ovarian cancer. It affects approximately 5% to 10% of women in their reproductive years. PCOS diagnosis often relies on ultrasound imaging to assess ovarian follicle size, count and arrangement. Accurately diagnosing PCOS in clinical practice poses significant challenges for radiologists due to the variability in follicle sizes and their complex relationships with surrounding blood vessels and tissues. This process is labor
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.
Remote monitoring of pacemakers and defibrillators increases patient safety but also increases clinical workload. Review of atrial high-rate episodes is particularly demanding as episodes can contain atrial tachycardia or atrial fibrillation (AT/AF), noise, or far-field oversensing (FFO). Automatic review of atrial high-rate episodes by an Artificial Intelligence (AI) model can decrease the workload of remote monitoring, provided it maintains high sensitivity for true atrial tachycardia. A residual network is trained using a center-level fourfold cross validation. The four resulting models ach
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.
Telesurgery integrates artificial intelligence (AI), robotic systems, sensing technologies, and wireless communication to enable remote and computer-assisted surgical interventions. Beyond remote operation, AI-driven assistance can improve procedural stability and consistency by supporting motion smoothing, tremor reduction, event detection, and workflow guidance. Achieving these capabilities requires accurate, patient-specific anatomical models derived from limited medical imaging data, together with data-efficient and computationally lightweight algorithms suitable for near-real-time use. Ro
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.
Congenital diaphragmatic hernia (CDH) is characterized by pulmonary hypoplasia and vascular underdevelopment, leading to impaired gas exchange and high neonatal mortality. Accurate and quantitative assessment of pulmonary vasculature is crucial for understanding disease severity, but manual segmentation of three-dimensional vascular networks in medical images is time-consuming and operator-dependent. This protocol presents a fully automated deep learning-based method for pulmonary vessel segmentation and morphometric analysis using postnatal computed tomography (CT) scans. The pipeline include
СтатьяVideo-Audio MediaПоддержка 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.
Interleukin-6 (IL-6) is a key immunomodulatory cytokine implicated in diverse physiological processes and pathological conditions, including autoimmune diseases, cancers, and cytokine storms. Immunogenic peptides capable of inducing IL-6 expression are key modulators of host immune responses and represent promising candidates for therapeutic design and epitope-based vaccine development. However, experimental identification of IL-6-inducing peptides remains laborious and unsuitable for large-scale screening. Although existing computational approaches show promise, many often struggle to capture
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.
Accurate identification of renal cell types within tissue architecture is fundamental for understanding normal kidney physiology and detecting early pathological changes. While traditional histological examination is time-intensive and dependent on expert interpretation, deep learning based computational methods offer a scalable and reproducible alternative for large-scale cell classification. Existing general-purpose models are often over-parameterized and computationally inefficient when applied to resource-constrained settings. To address these limitations, this study introduces CytoECA-Net
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.
Diabetic retinopathy (DR) is a chronic condition associated with diabetes that can lead to vision impairment and, if not addressed, may progress to irreversible blindness. Consequently, it is essential to detect pathological changes in the retina to assess DR severity accurately. Manual examination of retinal disorders is often complex, time consuming, and susceptible to errors due to fine retinal disorder. In recent years, Deep Learning (DL) based optimizations have shown significant promises in improving DR recognition and classification. At last, the advanced classification method using met
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: Lower limb rehabilitation exoskeletons (LLREs) are increasingly used in clinical settings to improve mobility in individuals with neuromuscular impairments. Most LLREs employ controllers focused on trajectory tracking, which lack adaptability to user-specific variations or voluntary effort. Autonomous LLREs enable hands-free gait but often require a multitude of sensors such as IMU, encoders, and foot force sensors to enable user intent prediction, gait phase detection, and dynamic balance. This often introduces substantial challenges related to cost, complexity, reliability, and s
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: Approximal caries diagnosis in children is difficult, and artificial intelligence-based research in pediatric dentistry is scarce. To create a convolutional neural network (CNN)-based diagnostic system for the prompt and efficient identification of approximal caries in pediatric patients aged 5-12 years.
MATERIALS AND METHODS: Pediatric patients' digital periapical radiographic images were collected to create a unique dataset. Various augmentation methods were used, and approximal caries in the augmented images were labeled by a pediatric dentist to minimize labeling errors. The 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.
Groundwater contamination by heavy metals presents a major environmental threat with serious implications for public health and resource sustainability. This study proposes a novel deep learning-based data fusion framework to predict heavy metal contamination index in groundwater, focusing specifically on Manganese (Mn), Iron (Fe), Arsenic (As), and Lead (Pb)-elements found to exceed World Health Organization (WHO) permissible limits in the Gultepe-Zarrinabad sub-basin, Zanjan, Iran. Five widely used water contamination indices (e.g., EHCI, HPI, HEI, MI, and CI) were integrated into a unified
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