Gene essentiality, the requirement of a gene for survival or proliferation, is central to understanding cellular processes and identifying drug targets. Experimental determination requires large growth screens that are time-consuming and expensive, motivating in silico approaches. Existing methods predominantly use flux balance analysis (FBA), a constraint-based optimisation framework that requires a predefined cellular objective function. This can introduce observer bias, because the objective often reflects the researcher's assumptions rather than the cell's biological goals. Here, we presen
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: Functional neurological disorder (FND) frequently co-exists with chronic pain (CP), notably nociceptive and nociplastic (primary) pain disorders. The considerable overlap implies shared underlying mechanisms because of their similar clinical and epidemiological profiles. Although standard neuroimaging and electrophysiological tests typically show normal results in both FND and primary pain disorders, recent advancements in neuroimaging techniques have begun identifying neural biomarkers common to both conditions, though these findings remain preliminary and require further explorat
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.
OBJECTIVE: Optical coherence tomography (OCT) is a rapid and non-destructive imaging technique, but image brightness decreases when imaging deep tissues or under low power and short exposure due to insufficient backscattered light. This issue is more pronounced in visible-light micro-OCT (vis-$\mu$OCT), where shorter wavelengths increase scattering and limit penetration, restricting its application.
METHOD: In this paper, we propose Dif-NIR, a novel framework for enhancing low-light OCT images. The framework begins with a preliminary denoising stage. Image enhancement is then performed using
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.
Precise delineation of the liver is essential for effective diagnosis and treatment planning in hepatocellular carcinoma, yet current clinical practices rely heavily on manual annotation, which is both inefficient and susceptible to human error. In this work, we propose a fully automated segmentation framework, termed ResTransUNet, that leverages the complementary strengths of convolutional operations and self-attention mechanisms. The architecture introduces a bifurcated encoder design wherein spatially local features are captured through convolutional layers, while long-range dependencies ar
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.
The Retinogeniculate Visual Pathway (RGVP) is one of the primary neural pathways responsible for transmitting visual signals from the retina to the lateral geniculate nucleus. Accurate and complete identification of the RGVP is crucial for advancing our understanding of visual cognition and for improving neurosurgical planning. Recently, a number of automated deep learning-based approaches have been developed to overcome the limitations of traditional RGVP identification methods, which are often time-consuming and labor-intensive. However, most existing methods primarily depend on fiber geomet
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.
Automated lesion segmentation through breast ultrasound (BUS) images is an essential prerequisite in computer-aided diagnosis. However, the task of breast segmentation remains challenging, due to the time-consuming and labor-intensive process of acquiring precise labeled data, as well as severely ambiguous lesion boundaries and low contrast in BUS images. In this article, we propose a novel semi-supervised breast segmentation framework based on confidence-ranked features and bi-level prototypes (CoBiNet) to alleviate these issues. Our outputs are derived from two branches: classifier and proje
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.
Ovarian cancer refers to a malignant tumor that grows in the ovary, which has the highest mortality rate of gynecological cancers. Positron emission tomography and computer tomography (PET/CT) imaging is widely used for the localization and characterization of ovarian tumors, but its analysis is susceptible to the subjectivity of clinicians. A deep learning-based PET/CT image diagnosis approach was investigated to achieve the segmentation and classification of ovarian tumors. We proposed several traditional convolutional neural networks (CNNs) for automatic ovarian tumors segmentation and clas
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.
Brain-computer interfaces (BCIs) based on motor imagery (MI) aim to convert electroencephalographic (EEG) activity into reliable device commands across users and recording setups. However, low signal-to-noise ratio and strong inter-subject variability still limit true "plug-and-play" deployment without lengthy calibration. To address these challenges, we propose a multi-branch convolutional long short-term memory (CNN-LSTM) architecture that jointly performs multi-scale temporal feature extraction and within-trial sequence modeling. The model employs four parallel 1D convolutional branches 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.
One of the main reasons for the high death rate in today's world is Breast Cancer (BC), which affects women all over the world. This work proposes a novel Parallel Convolutional-LeNet (PConv-LeNet) technique for BC detection and classification employing Histopathological images. Originally, the input histopathological image is obtained from a particular dataset, and image denoising is performed to remove the noise in the images using the Medav Filter. After image denoising, blood cell segmentation is carried out using the Parallel Reverse Attention Network (PraNet). Afterwards, feature extract
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.
We are developing a decision support system for treatment response assessment of bladder cancer by analyzing patients' CT urography (CTU) examinations. Accurate segmentation of bladder lesions is a critical and challenging task. We previously developed a bladder cancer segmentation method using a deep learning convolutional neural network and level sets (DL-CNN + LS). In this study, we designed several deep learning models based on U-Net for bladder cancer segmentation and compared them with DL-CNN + LS and two transformer-based models developed for medical imaging - DATTNet and the Med-Segmen
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: Bacterial vaginosis (BV) is a vaginal dysbiosis associated with adverse reproductive and infectious outcomes. Current diagnostics identify BV after symptom onset. We evaluated whether artificial neural network (ANN) models of the vaginal microbiome could predict incident BV (iBV) up to 14 days before clinical diagnosis.
METHODS: ANNs were trained using 16S rRNA gene sequencing data from 1,201 longitudinal vaginal specimens collected from 58 women across two prospective cohorts. Models classified individual specimens as pre-iBV or healthy using the relative abundance of vaginal bac
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.
Breast ultrasound (BU) imaging is widely used for detecting breast abnormalities because it is cost-effective, non-invasive, and suitable for dense breast tissue. However, multi-class classification of BU images is considered a challenging task due to low contrast, speckle noise, and overlapping visual patterns between benign and malignant tumours. To address this issue, we develop a segmentation-guided CNN and Vision Transformer based feature fusion framework for efficient multi-class BU image classification. The framework first applies a lesion segmentation model to identify the region of in
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.
PCOS (Poly-Cystic Ovary Syndrome) is a multifaceted disorder that often affects the ovarian morphology of women of their reproductive age, resulting in the development of numerous cysts on the ovaries. Ultrasound imaging typically diagnoses PCOS, which helps clinicians assess the size, shape, and existence of cysts in the ovaries. Nevertheless, manual ultrasound image analysis is often challenging and time-consuming, resulting in inter-observer variability. To effectively treat PCOS and prevent its long-term effects, prompt and accurate diagnosis is crucial. In such cases, a prediction model b
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.
Visual Speech Recognition (VSR) aims to infer speech into text depending on lip movements alone. As it focuses on visual information to model the speech, its performance is inherently sensitive to personal lip appearances and movements, and this makes the VSR models show degraded performance when they are applied to unseen speakers. In this paper, to remedy the performance degradation of the VSR model on unseen speakers, we propose prompt tuning methods of Deep Neural Networks (DNNs) for speaker-adaptive VSR. Specifically, motivated by recent advances in Natural Language Processing (NLP), we f
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.
Motor imagery (MI) based brain-computer interfaces (BCI) decode neural activity to generate command outputs. However, the limited number of distinguishable commands in traditional MI-BCI systems restricts practical applications. To overcome this limitation, we propose a multi-character classification framework based on Electroencephalography (EEG) signals. A structurally simplified MI paradigm for stroke writing is designed, and maximize Euclidean distance trajectory optimization enhances neural separability among five stroke categories. The EEG data cover 11 motor imagery tasks, including fiv
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.
This work introduces an innovative nonlinear model of hepatitis B virus (HBV) dynamics, emphasizing the utilization of the Dickson collocation method for numerical simulation. Our method, in contrast to conventional techniques, adeptly tackles the complex interactions between the virus and the host's immune response using a system of ordinary differential equations (ODEs). We present a transformation of the ordinary differential equations into a nonlinear system of algebraic equations, facilitating the determination of unknown coefficients in a truncated Dickson polynomial series. The novel im
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.
Cancer remains a major threat to human health, with the incidence of hepatobiliary tumors consistently high. Treatment methods for hepatobiliary tumors include surgical intervention, ablation, embolization, and pharmacological treatments, with surgery being a critical component of systemic treatment for patients with hepatobiliary tumors. Compared to other methods, surgery is the most effective way to remove tumors and improve survival rates, serving as the cornerstone of various treatment strategies. However, the large patient population sometimes burdens traditional surgical oncology. In rec
СтатьяОбзорПолный 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.
Non-invasive and high-resolution blood flow velocity (BFV) measurement using Doppler optical coherence tomography (DOCT) is critical in diagnosing and monitoring clinical diseases. However, the inherent phase wrapping problem with inevitable noise in the acquired phase data severely limits the accuracy of flow quantification. To overcome this challenge, this paper takes phase unwrapping as a regression task and proposes a deep neural network called Transformer-enhanced residual network (TRNet) for automatic and noise-robust phase unwrapping in DOCT flow measurement. Considering the importance
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.
Existing geographic atrophy (GA) segmentation tasks can only use 3D data, ignoring the fact that a large number of B-scan images contain lesion information. In this work, we proposed a multistage dual-branch image projection network (DIPN) to learn feature information in B-scan images to assist GA segmentation. Considering that segmenting 3D data slices using a 2D network architecture ignores the neighboring information between volume data slices, we introduced ConvLSTM. In addition, to make the network focus on the attention in the projection direction to capture the contextual relationships,
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.
Transcranial Electrical Stimulation (tES) is a non-invasive neuromodulation technique that generates artifacts in simultaneous EEG recordings, hindering brain activity analysis. This study analyzes Machine Learning (ML) methods for tES noise artifact removal across three stimulation types: tDCS, tACS, and tRNS. Synthetic datasets were created by combining clean EEG data with synthetic tES artifacts. Eleven artifact removal techniques were tested and evaluated using the Root Relative Mean Squared Error (RRMSE) in the temporal and spectral domains, and the Correlation Coefficient (CC). Results i
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.
MedElevator
Войти в исследования