Chronic kidney disease (CKD) is a global public health concern, and the timely detection of the disease is priceless. Most of the classical machine learning models have the major drawbacks of being unsophisticated, non-robust, and non-accurate. This research work is therefore seeking to introduce OptiNet-CKD, a paradigm based on a DNN that has been integrated with a developed population optimization algorithm (POA) for CKD prediction optimization. POA is unlike gradient-based optimization methods in that it uses an initialized population of networks and perturbs their weight values to provide
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.
Timely and precise detection of diseases on plants is crucial for minimizing losses during crop production in order to sustain food supply demands worldwide. In this work, deep learning (DL) was used to develop an automatic disease identification system for the leaves of potato and mango plants using two publicly available datasets, the PlantVillage Potato Leaf Disease (2,152 images) dataset and the Kaggle Mango Leaf Disease dataset (4,000 images). Images were pre-processed, augmented, and split into training and testing datasets (80:20), to enable better model generalization. Four deep learni
СтатьяСравнительное 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.
COVID-19 is a extremely contagious disease triggered by the SARS-CoV-2 virus which mostly affects the human breathing system. Furthermore, the COVID-19 was emerged in late 2019 and escalated rapidly into a global pandemic which impacted health and economic challenges across globe. Similar to other infectious diseases, it transmits through respiratory droplets and the rapid diagnosis is more important in controlling transmission and managing patient health care. In this work, a deep learning framework for COVID-19 classification using cough sounds has been proposed. Furthermore, the various dee
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.
European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society2025eng
PURPOSE: A healthy posture is characterized by symmetric features like equal shoulder height, a straight spinous process line and equally-sized waist triangles. Deviations suggest spinal disorders, among them adolescent idiopathic scoliosis (AIS), a three-dimensional spinal curvature requiring timely treatment. AIS screenings are debated among the scientific community. This study proposes two symmetry-sensitive convolutional neural networks (CNNs) to identify asymmetries in videorasterstereographic back curvature images to classify AIS.
METHODS: A total of 1444 videorasterstereographic measur
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.
Electronic health records (EHRs) are integral to modern hospital systems, especially in India's rapidly digitizing healthcare landscape. EHRs connect hospital records through shared networks, enabling quick and accurate data sharing. However, these systems are targeted by attackers as they store large volumes of sensitive patient information. Thus, this research proposed a secure EHR framework named the sequential belief neural network (SeqBNNet). The SeqBNNet integrates deep belief networks (DBN) with sequential convolutional neural networks (SCNN) to encrypt EHRs. The images are split into N
СтатьяОбзорПоиск 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: Continuous vital sign monitoring ensures early detection, prevents intensive care unit (ICU) admissions, and improves patient outcomes. Continuous heart rate (HR) monitoring methods often require direct skin contact, which can lead to patient discomfort. The rising popularity of ballistocardiography (BCG) offers a promising, noncontact solution for continuous vital sign monitoring with improved patient comfort.
OBJECTIVE: This study aims to develop and validate a novel HR measurement algorithm leveraging convolutional neural networks (CNNs) and BCG signals for accurate, noncontact
СтатьяНаблюдательное 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.
With the acceleration of the global population aging process, fundus diseases such as cataracts and glaucoma have become major factors leading to visual impairment. In the field of ophthalmic diagnosis, the traditional diagnosis and treatment mode mainly relies on doctors to make pathological judgments by observing fundus images with the naked eye. However, due to differences in evaluation standards among doctors, there are discrepancies in diagnostic results for the same fundus photo. In addition, most doctors only specialize in specific fundus diseases, making it difficult to accurately diag
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: Aspergillosis, pneumonia, and tuberculosis are distinct respiratory illnesses, but they share similar symptoms, including cough, fever, and shortness of breath. This overlap can make accurate diagnosis challenging. Delayed or incorrect identification, particularly of aspergillosis, can lead to worsening patient outcomes and significant lung damage.
METHODS: To address this diagnostic challenge, we developed a deep learning based system designed to differentiate between aspergillosis, pneumonia, tuberculosis, and healthy lungs using chest X-ray images. We implemented three 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.
The activity of large neuronal populations is often confined to low-dimensional manifolds that can drift over time, posing a challenge for learning rules that assume stable, full-rank representations. Here, we introduce SPLiT (Synaptic Projection Learning with intrinsic Tracking), a synaptic plasticity rule for recurrent neural networks that combines unsupervised manifold tracking with supervised learning. SPLiT uses an online Oja rule to continuously estimate the intrinsic low-dimensional activity subspace and performs normalized least-mean-squares learning in manifold coordinates. In this wa
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.
Optical coherence tomography angiography (OCTA) is an emerging non-invasive ophthalmic imaging modality. The morphology and contour of the foveal avascular zone (FAZ) are critical biomarkers for the diagnosis of various ophthalmic and systemic diseases; therefore, achieving its accurate segmentation is of substantial clinical significance. To address challenges such as low contrast, indistinct boundaries, and structural confusion with the surrounding retinal vasculature in OCTA images, this paper proposes a multi-scale dilated convolution and dual attention network (MSAD-Net). By integrating a
Аннотация на английскомСтатьяПоиск 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.
Today, the intelligent automation of agriculture has received much attention from researchers. One of the important factors for the success of this automation is the timely diagnosis of plant disease and making a decision appropriate to the existing conditions of the plant. Since the progress of the disease is a determining factor in the type of treatment method, the diagnosis of the severity of the disease is of particular importance. However, accurate diagnosis of plant disease progression depends on various factors, including the availability of appropriate and well-annotated training datas
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.
Predefined, user-independent gesture sets do not account for individual differences in movement patterns and physical limitations. This study presents a personalized wrist-forearm static gesture recognition system for human-computer interaction (HCI) using the Vicara KaiTM wearable controller and a convolutional neural network (CNN). Unlike the system based on fixed, predefined gestures, the proposed approach enables users to define and train their own gesture sets. During gesture recording, users may either select a gesture pattern from a predefined prompt set or create their own natural, unp
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.
With the rapid technological advancements in flexible manipulators, it has emerged as a research hot spot to realize a more flexible control strategy driven by human movements. This study investigates the feasibility of utilizing deep neural networks and a squeeze-and-excitation (SE) module based on high-density surface electromyography (HD-sEMG) signals, so as to enhance the prediction accuracy for the two-degrees-of-freedom wrist and metacarpophalangeal (MCP) joint angles. Two residual networks, namely, a 32-layer ResNet (ResNet-32) and a 56-layer ResNet (ResNet-56), were proposed, and their
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.
Deep learning (DL) chest radiograph (CXR) models are often trained on downsampled images to reduce computational overhead, despite clinical workflows operating at high resolution. Previous studies have investigated the impact of input resolution on CXR classification accuracy, yet two fundamental pillars of safe and trustworthy AI, explainability and generalizability, remain underexplored. In this retrospective study, we evaluated how training image resolution affects CXR classification performance and explanation quality in internal versus external testing. We trained Convolutional Neural Net
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 AND OBJECTIVE: Deep Learning (DL) has become increasingly relevant in medical image analysis, especially for tasks such as surgical guidance. In this respect, Hyperspectral Imaging (HSI) has shown encouraging results for in-vivo brain tumor segmentation during surgeries, where DL models can benefit from spectral information. The literature includes a large collection of Neural Network (NN) architectures designed to process spatial and spectral information in HS images. However, most of these architectures have been developed outside the healthcare domain, and comparative studies on
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.
OBJECTIVES: To construct a high-value region-guided dual-network semi-supervised segmentation method (HVASS) under extremely low labeling rates for addressing the challenges of heterogeneity and blurred boundaries in MRI tumor subregions and improving the accuracy and reliability of complex boundary segmentation for the heart and glioma.
METHODS: HVASS employs a dual-network collaborative learning architecture that leverages prediction inconsistency to automatically identify two clinically significant high-risk regions: the high-confidence ambiguity zones, where predictions between the two ne
Аннотация на английскомСтатьяПоиск 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.
Parkinson's disease (PD) is a prevalent and complex neurodegenerative disorder, with early diagnosis playing a critical role in timely treatment and management. Handwriting dynamics has emerged as a promising biomarker for early detection of PD, yet current diagnostic methods often lack precision and robustness. This study introduces a novel multimodal deep learning-based decision support system to enhance PD diagnosis. Our approach leverages static and dynamic features of handwriting data by combining images of handwritten drawings with fused time-frequency representations of grip pressure, a
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.
Cervical cancer remains a significant cause of female mortality worldwide, primarily due to abnormal cell growth in the cervix. This study proposes an automated classification method to enhance detection accuracy and efficiency, addressing contrast and noise issues in traditional diagnostic approaches. The impact of image enhancement on classification performance is evaluated by comparing transfer learning-based Convolutional Neural Network (CNN) models trained on both original and enhanced images. This study employs transfer learning with pre-trained CNNs to classify preprocessed Pap smear im
СтатьяСравнительное 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.
The identification of cancerous tissues remains challenging due to the complexity of experimental methods and low identification accuracy rates. Therefore, this paper proposes a rapid identification method. We introduce a new theoretical transmission method for modeling laser beams transport in cancerous and normal biological tissues. Using this method, laser speckle patterns carrying tissue information are obtained at the light transmission receiving plane. Then, we propose a three-task residual neural network, T-ResNet-18, for identifying speckle images. We simulate the human normal and canc
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.
Premature diagnosis of kidney cancer is crucial for saving lives and enabling better treatment. Medical experts utilize radiological images, such as CT, MRI, US, and histopathological analysis, to identify kidney tumors and cysts, providing valuable information on their size, shape, location, and metabolism, thus aiding in diagnosis. In radiological image processing, precise segmentation remains difficult when done manually, despite numerous noteworthy efforts and encouraging results in this field. Thus, there's an emergent need for automatic methods for renal and renal mass segmentation. In t
СтатьяСистематический обзорПолный 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.
MedElevator
Войти в исследования