Ritchie et al. (this issue) argue that a deeper understanding of occipitotemporal cortex (OTC) requires shifting emphasis from category selectivity to behavioral relevance. They suggest that focusing on categories such as faces, bodies, or scenes is too narrow and overlooks how OTC supports flexible, goal-directed behavior. We agree that linking neural representations to behavior is essential but caution against treating category selectivity and behavioral relevance as opposing views. Category selectivity provides valuable insight into how cortical representations are organized to support beha
СтатьяОбзорПоддержка 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.
Understanding drug mechanisms of action (MOA) and predicting drug-target interactions (DTIs) are fundamental challenges in modern drug discovery and development, hindered by high costs, long development timelines, and limited knowledge of compound activity and molecular targets. Here, we present two deep learning-based computational protocols designed to address these challenges. The first framework employs directed message passing neural networks (D-MPNN) to predict drug MOA from chemical-genetic interaction profiles (CGIPs), by learning how molecular structures perturb biological pathways th
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.
PURPOSE: In this study, a bias field correction workflow was proposed to improve the flexibility and generalizability of the generative adversarial network (GAN) model for abdominal cancer patients treated with a 0.35T magnetic resonance imaging linear accelerator (MR-LINAC) system.
METHODS: Model training was performed using brain MR images acquired on a 3T diagnostic scanner, while model testing was performed using abdominal MR images obtained using a 0.35T MR-LINAC system. The performance of the proposed workflow was first compared with the GAN model using root-mean-square error (RMSE), pe
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.
Estimation of the spectral tilt of the glottal source has several applications in speech analysis and modification. However, direct estimation of the tilt from telephone speech is challenging due to vocal tract resonances and distortion caused by speech compression. In this study, a deep neural network is used for the tilt estimation from telephone speech by training the network with tilt estimates computed by glottal inverse filtering. An objective evaluation shows that the proposed technique gives more accurate estimates for the spectral tilt than previously used techniques that estimate the
СтатьяПоддержка исследования: вне 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.
Two-dimensional (2D) prediction of Sutterby fluid flow is important in polymer synthesis, industrial coatings, aviation and thermal regulation, and this work utilizes the Levenberg-Marquardt backpropagation (LMBP) method. The calculation of Sutterby nanofluid stagnation point problem over a stretching surface is solved by applying an artificial neural network (ANN) based on LMBP. In this case, the mathematical equations for the non-Newtonian Sutterby dynamic system are dimensionless velocity and energy equations. The key novelty in this investigation is the use of a very powerful soft-computin
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.
Multi-class medical image classification using DL continues to face major challenges, including managing multi-modal data, adapting to new tasks, handling distributed datasets, and operating under limited computational resources. Existing approaches fail to address these issues simultaneously, restricting the clinical scalability of AI in healthcare. To overcome these limitations, this paper introduces BigOrthoATD.Net, a unified, serverless, and decentralized learning framework that redefines scalability, adaptability, and efficiency in orthopedic image analysis. Designed to operate across dis
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 segmentation of hard exudate in fundus images is crucial for early diagnosis of retinal diseases. However, hard exudate segmentation is still a challenge task for accurately detecting small lesions and precisely locating the boundaries of ambiguous lesions. In this paper, the longitudinal multi-scale fusion network (LMSF-Net) is proposed for accurate hard exudate segmentation in fundus images. In this network, an adjacent complementary correction module (ACCM) is proposed on the encoding path for complementary fusion between adjacent encoding features, and a progressive iterative fusi
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.
Optical coherence tomography (OCT) is being investigated in diabetic retinopathy (DR) diagnostics as a real-time evaluation tool. Currently, OCT images are the main methods for the diagnosis of patients with DR. Hyperreflective foci (HRF) are potential biomarkers for the diagnosis and prediction of the progression and prognosis of patients with DR. The development of artificial intelligence (AI) models for segmenting HRF is of great significance for the clinical diagnosis and treatment of patients with DR. The purpose of this study is to construct a deep-learning algorithm that automatically s
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.
Thoracic aortic aneurysms (TAAs) stem from diverse mechanical and mechanobiological disruptions to the aortic wall that can also increase the risk of dissection or rupture. There is increasing evidence that dysfunctions along the aortic mechanotransduction axis, including reduced integrity of elastic fibers and loss of cell-matrix connections, are particularly capable of causing thoracic aortopathy. Because different insults can produce distinct mechanical vulnerabilities, there is a pressing need to identify interacting factors that drive progression. In this work, we employ a finite element
СтатьяПоддержка NIH: внешняя программаПоиск 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.
Accurate measurement of spleen volume is essential for the diagnosis of splenomegaly. While Computed Tomography (CT) is among the most reliable imaging modalities for this task, manual segmentation of the spleen is labor-intensive and impractical for routine clinical workflows. Automatic segmentation methods provide a more viable alternative for clinical deployment. In recent years, 3D Convolutional Neural Network (CNN) models have been widely used for this purpose due to their high segmentation accuracy. However, their computational and memory demands make them less suitable for real-time app
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.
Successful translation of artificial intelligence (AI) models into clinical practice, across clinical domains, is frequently hindered by the lack of image quality control. Diagnostic models are often trained on images with no denotation of image quality in the training data; this, in turn, can lead to misclassifications by these models when implemented in the clinical setting. In the case of cervical images, quality classification is a crucial task to ensure accurate detection of precancerous lesions or cancer; this is true for both gynecologic-oncologists' (manual) and diagnostic AI models' (
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
Amyotrophic Lateral Sclerosis (ALS) and myopathy are debilitating neuromuscular disorders that require accurate and timely diagnosis for effective management. Traditional electromyography (EMG)-based diagnostic methods rely on manual interpretation, which is time-consuming and prone to variability. This study proposes an approach that directly classifies EMG signals using a one-dimensional convolutional neural network (1D-CNN) without feature extraction, addressing the limitations of existing methods that depend on handcrafted features and focus primarily on binary classification. The proposed
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: Segmentation of medical images plays a key role in the correct identification and management of different diseases. In this study, we present a new segmentation method that meets the difficulties posed by sophisticated organ shapes in computed tomography (CT) images, particularly targeting lung, breast, and gastric cancers.
METHODS: Our suggested methods, Resio-Inception U-Net and Deep Cluster Recognition (RIUDCR), use a Residual Inception Architecture, which combines the power of residual connections and inception blocks to achieve cutting-edge segmentation performance while redu
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) technology in pathology has been utilized in many areas and requires supervised machine learning. Notably, the annotations that define the ground truth for the identification of different confusing process pathologies, vary from study to study. In this study, we present our findings in the detection of invasive breast cancer for the IHC/ISH assessment system, along with the automated analysis of each tissue layer, cancer type, etc. in colorectal specimens. Additionally, models for the detection of atypical and typical mitosis in several organs were developed using
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: We examined a modified encoder-decoder architecture-based fully convolutional neural network, OrganNet, for simultaneous auto-segmentation of 24 organs at risk (OARs) in the head and neck, followed by validation tests and evaluation of clinical application.
MATERIALS AND METHODS: Computed tomography (CT) images from 310 radiotherapy plans were used as the experimental data set, of which 260 and 50 were used as the training and test sets, respectively. An improved U-Net architecture was established by introducing a batch normalization layer, residual squeeze-and-excitation layer, an
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.
BACKGROUND AND OBJECTIVES: There is a noticeable gap in diagnostic evidence strength between the thick and thin scans of Low-Dose CT (LDCT) for pulmonary nodule detection. When the thin scans are needed is unknown, especially when aided with an artificial intelligence nodule detection system.
METHODS: A case study is conducted with a set of 1,000 pulmonary nodule screening LDCT scans with both thick (5.0mm), and thin (1.0mm) section scans available. Pulmonary nodule detection is performed by human and artificial intelligence models for nodule detection developed using 3D convolutional neural
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: Valvular heart disease is a serious disease leading to mortality and increasing medical care cost. The aortic valve is the most common valve affected by this disease. Doctors rely on echocardiogram for diagnosing and evaluating valvular heart disease. However, the images from echocardiogram are poor in comparison to Computerized Tomography and Magnetic Resonance Imaging scan. This study proposes the development of Convolutional Neural Networks (CNN) that can function optimally during a live echocardiographic examination for detection of the aortic valve. An automated detection syst
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.
High-quality annotations for medical images are always costly and scarce. Many applications of deep learning in the field of medical image analysis face the problem of insufficient annotated data. In this paper, we present a semi-supervised learning method for chronic gastritis classification using gastric X-ray images. The proposed semi-supervised learning method based on tri-training can leverage unannotated data to boost the performance that is achieved with a small amount of annotated data. We utilize a novel learning method named Between-Class learning (BC learning) that can considerably
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.
Inspired by a viewpoint that complex/chaotic dynamics would play an important role in biological systems including the brain, chaotic dynamics introduced in a recurrent neural network was applied to robot control in ill-posed situations. By computer experiments we show that a model robot arm without an advanced visual processing function can catch a target object and bring it to a set position under ill-posed situations (e.g., in the presence of unknown obstacles). The key idea in these works is adaptive switching of a system parameter (connectivity) between a chaos regime and attractor regime
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.
Telemedicine started in the late 1950's by transmitting data on patients' pulse and heart rates. In the 1980's it expanded to radiology and orthopedics. The technology is now expanding to other specialties that can digitally gather patient data. Telepathology comprises the transmission of microscopic images via telecommunication network. Image compression and multiplexing technologies enabled high-resolution telepathology as well as real-time video consultations over international telephone lines. Organ transplantation has become a viable treatment and offers new life to an increasing number o
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