Accurate, non-invasive grading of fish freshness remains challenging in dense and occluded environments, where the fish eye images serve as a reliable and consistently visible indicator of freshness. Loss of structural cues in the fish eye image often limits the existing deep learning models (DLN) from having consistent learning. To address these limitations, this work aims to develop a fusion-based complementary learning network (FCLN) that integrates expert-suggested photometric features with deep visual representations of DLN for the classification of fish freshness. Fish expert knowledge o
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.
Facial emotion recognition (FER) is one of the main fields of research in image processing and artificial intelligence with applications in human-machine interaction, behavior analysis, and intelligent vision. The RAF DB dataset, a widely used benchmark dataset for emotion recognition, is used for the training and testing of deep learning models. In real application conditions, the facial image may be subjected to visual noise. Large glasses that occlude the eye region of the face are one example of environmental or artificial noise which distorts the visual information. If frames covering a l
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.
Student stress prediction requires models that are both accurate and interpretable. This study proposes GRPF-PPN, a Gated Residual Prototype-Fusion Psycho-Prototypical Network for classifying student stress from psychometric tabular data. The model combines feature-wise gating, residual representation learning, class-associated prototypes, and neural-prototype fusion to provide both discriminative predictions and case-comparison evidence. Across 10 repeated stratified splits of the main Student Stress dataset, GRPF-PPN achieved an accuracy of 0.929 ± 0.012, a Macro-F1 of 0.932 ± 0.013, a balan
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.
Advances in machine learning have transformed structural biology, enabling swift and accurate prediction of protein structure from sequence. However, key challenges persist in modeling side-chain packing, condition-dependent conformational changes and biomolecular interactions, largely because of limited high-quality training data. At the same time, emerging experimental techniques such as cryo-electron microscopy (cryo-EM), cryo-electron tomography (cryo-ET) and high-throughput crystallography are generating vast amounts of structural information but converting these data into mechanistically
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: Early and accurate pancreatic cancer (PC) detection remains a major clinical challenge.
METHODS: We introduce a novel hybrid deep learning framework for automated classification of CT images, which requires fewer computational resources while achieving high diagnostic performance. We integrated a lightweight MobileNetV3Small backbone with a convolutional block attention module and Low-rank Attention with Shared Efficient Representations (LASER) to enhance feature representation. Feature maps are projected via a 1 × 1 convolution into token sequences and processed through a transfo
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.
Rising temperatures and changing weather conditions are accelerating the spread of plant diseases and increasing the threat to global food security. Reliable detection of leaf diseases is therefore essential to protect crop yields and ensure food quality. Deep learning has proven to be a powerful tool for classifying leaf diseases across various crops. Due to the natural variability of plants, plant diseases often appear in irregular structures. Surface unevenness, folds, or dirt particles are common in field images and can be mistakenly identified as important features by convolutional neural
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.High accuracy in medical classification tasks does not ensure that neural networks reason in ways consistent with clinical or neurobiological understanding. This study examines whether a Transformer-based model trained on resting-state electroencephalography (EEG) infers cognitive impairment through physiologically meaningful mechanisms.Approach.A lightweight Transformer was trained on resting-state EEG to detect mild cognitive impairment. The model's probabilistic outputs were interpreted as continuous cognitive risk scores. Knowledge distillation and spatial perturbation analyses w
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.
MOTIVATION: The identification of protective antigens is fundamentally constrained by sparse annotations and pervasive label uncertainty in reverse vaccinology. Protective antigen-antibody interactions are mediated by a limited subset of surface-accessible residues that form spatially coherent epitopes. This motivates modeling antigenicity at the residue level, where 3D structure provides critical context for functional immune recognition. Moreover, antigen datasets are inherently positive unlabeled: unannotated proteins may contain hidden positives, making reliable negatives difficult to obta
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.
Music therapy has emerged as a promising, yet underutilized, treatment modality in various clinical settings. This paper presents Nightingale, a novel multimodal approach that integrates audio features with electroencephalogram (EEG) signals to predict a subject's emotional response to music. The accuracy of emotional response predictions is enhanced using audio features coupled with EEG data extracted from the Dataset for Emotion Analysis using Physiological and Audiovisual Signals (DEAP). These combined modalities are used to develop a Multilayer Perceptron and Convolutional Neural Network a
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.
Dynamic vision processing at the edge requires in-sensor spiking neural networks (SNNs) to achieve high energy efficiency and rapid processing. Although optoelectronic leaky integrate-and-fire (LIF) neurons are essential for optical sensing and sparse coding, their practical utility has been hindered by incomplete emulation of biological behaviors and integration difficulties with synaptic devices. Here, we show an optoelectronic LIF neuron based on a MoS2 phototransistor that reproduces key neuronal features, including multispectral sensing, capacitor-less integration, and threshold-triggered
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.
Objective.Interventions supporting medical care and enhancing quality of life in neurodegenerative or age-related cognitive decline are strongly needed. Electroencephalographic (EEG) neurofeedback can enable users to modulate their brain activity through real-time feedback. However, evidence for its clinical effectiveness remains inconclusive, partly due to limited personalization and insufficient task relevance of existing protocols. We tested whether personalized EEG neurofeedback supervised by deep neural networks (DNNs) can enhance cognitive performance in older adults (Gen X).Approach.Fif
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 (BC) remains one of the leading causes of death among women in the world, depending on the requirement for precise, effective, and interpretable computer-aided diagnosis systems (CADs). In this work, a hybrid deep learning (DL) framework is presented for multi-class BI-RADS BC classification using mammographic images. This framework fuses MobileNetV1, a lightweight convolutional neural network (CNN), to capture fine-grained local features and combines it with a Vision Transformer (ViT) to model global contextual connections, thereby enabling corresponding representation learning
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.
MOTIVATION: Proteolysis-targeting chimeras (PROTACs) enable targeted protein degradation by recruiting an E3 ubiquitin ligase to a protein of interest (POI) and forming a ternary complex. Despite their therapeutic promise, rational PROTAC design remains challenging, as degradation efficacy depends on subtle and highly structure-dependent interactions among the POI, the E3 ligase, and the bifunctional molecule.
RESULTS: We propose Pocket-PROTACs, a pocket-aware attention-based framework for predicting PROTAC-induced protein degradation from a triplet of POI, E3 ligase, and PROTAC. Pocket-PROTA
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.
Lung cancer continues to be a predominant cause of cancer-related mortality globally. In 2022, lung cancer accounted for around 2.5 million new cases and around 1.8 million fatalities, highlighting the necessity for precise and effective computer-aided diagnostics. Timely detection is especially vital for non-small cell lung cancer (NSCLC), which constitutes roughly 80–85% of all lung cancer instances, but continues to pose difficulties in standard clinical practice. This paper presents a Double Attention Hybrid CNN-HiFuse architecture for categorizing lung cancer into three classes (normal, b
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: Machine learning and artificial neural networks are increasingly making new research progress in various human diseases.
OBJECTIVE: To identify key gene markers related to sepsis based on random forest (RF) and artificial neural network (ANN) models.
METHODOLOGY: Key genes (KG) were screened through RF based on GSE9960, GSE13904, and GSE26440 datasets, and the diagnostic model of core genes was constructed using ANN analysis, which was validated.
RESULTS: GSE9960, GSE13904, and GSE26440 were merged as the training set, and 452 differentially expressed genes (DEGs) were identifie
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.
Aflatoxins (AFs) represent a class of highly toxic food contaminants, yet existing detection approaches still suffer from several critical limitations. Herein, three PdO nanoenzymes (denoted as PdO-160, PdO-200, and PdO-240) were synthesized by regulating the hydrothermal temperature. All three nanozymes display robust and stable peroxidase-like activity via the generation of •OH and 1O₂. By exploiting the distinct inhibitory effects of AFB1, AFB2, AFG1, and AFG2 toward these nanoenzymes, a three-channel colorimetric sensor array was rationally constructed. Combined with a random forest (RF) m
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 forecasting of the collective state of hydraulic support groups is paramount to ensuring operational safety and optimizing efficiency in longwall coal mining. Existing monitoring methods face four critical bottlenecks. Contact sensors commonly employed for position prediction are highly vulnerable to harsh underground conditions, resulting in unreliable measurements. Vision-based non-contact alternatives are often hindered by labor-intensive manual data annotation requirements. Furthermore, occlusion of underground cameras by coal dust frequently results in missing spatio-temporal dat
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: Heart failure (HF) poses a significant global health challenge, with early detection offering opportunities for improved outcomes. Abnormalities in heart rate (HR), particularly during daily activities, may serve as early indicators of HF risk. However, existing HR monitoring tools for HF detection are limited by their reliability on population-based averages. The estimation of individualized HR serves as a dynamic digital twin, enabling precise tracking of cardiac health biomarkers.
METHODS: This study introduces a novel physiological-model-based neural network (PMB
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.
Major depressive disorder (MDD) is a common mental disorder. Current clinical diagnosis primarily relies on subjective scales, underscoring an urgent need to develop objective neuroimaging diagnostic methods. Brain network analysis and deep learning techniques based on functional magnetic resonance imaging (fMRI) have been proven effective in uncovering abnormal spatial patterns associated with depression. However, the temporal dynamics of brain activity are also equally critical for understanding the neural mechanisms of MDD. Despite this importance, existing studies still suffer from insuffi
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 presents research on a Predictive and Uncertainty Assessment Framework (PUAF), providing a comparative analysis of two prominent methods, Monte Carlo (MC) Dropout and Bootstrap-based models, used in uncertainty estimation techniques of Neural Network predictions of human activity recognition using accelerometer data. Unlike traditional studies that optimize classification accuracy, this work emphasizes uncertainty quantification to enhance model reliability, particularly for critical health-related activities. Among the five activity classes of Sit, Sleep, Walk, Cough and Fall, this
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.
MedElevator
Войти в исследования