Breast cancer is a relatively common carcinoma among women worldwide and remains a considerable public health concern. Consequently, the prompt identification of cancer is crucial, as research indicates that 96% of cancers are treatable if diagnosed prior to metastasis. Despite being considered the gold standard for breast cancer evaluation, conventional mammography possesses inherent drawbacks, including accessibility issues, especially in rural regions, and discomfort associated with the procedure. Therefore, there has been a surge in interest in non-invasive, radiation-free alternative diag
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: Patients with metastatic bone disease are at risk of pathological femoral fractures and may require prophylactic surgical fixation. Current clinical decision support tools often overestimate fracture risk, leading to overtreatment. While novel scores integrating femoral strength assessment via finite element (FE) models show promise, they require 3D imaging, extensive computation, and are difficult to automate. Predicting femoral strength directly from single 2D radiographic projections using convolutional neural networks (CNNs) could address these limitations, but th
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.
BACKGROUND/OBJECTIVES: Developing a treatment strategy that effectively prolongs the lives of people with brain tumors requires an accurate diagnosis of the condition. Therefore, improving the preoperative classification of meningiomas is a priority. Machine learning (ML) has made great strides thanks to the development of convolutional neural networks (CNNs) and computer-aided tumor detection systems. The deep convolutional layers automatically extract important and dependable information from the input space, in contrast to more traditional neural network layers. One recent and promising adv
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 identification of cancer driver genes is crucial for understanding the complex processes involved in cancer development, progression, and therapeutic strategies. Multi-omics data and biological networks provided by numerous databases enable the application of graph deep learning techniques that incorporate network structures into the deep learning framework. However, most existing methods do not account for the heterophily in the biological networks, which hinders the improvement of model performance. Meanwhile, feature confusion often arises in models based on graph neural networks in suc
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.
Gene sequence prediction not only effectively identifies homologous genes but also provides crucial insights into gene function and evolutionary relationships, making it one of the significant research directions in the field of bioinformatics. Given the high sensitivity of bioinformatics data, particularly gene sequences, plaintext transmission and processing in cloud environments pose risks of privacy leakage. To address this, this study innovatively proposes an analytical method combining Mamba neural network-based gene sequence prediction with homomorphic encryption, enabling secure data t
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.
Generative Adversarial Networks (GANs) are widely applied for generating various types of data (e.g., images, text, audio). Accordingly, its excellent performance has led to the broad adoption of GAN-based adversarial attack methods in black-box scenarios. The importance of transferable black-box attacks lies in their ability to be effective across different models and settings, more closely aligning with real-world applications. However, traditional gradient-based transferable attacks are inefficiently optimized and prone to overfitting surrogate models, while existing GAN-based generative me
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.
Connectome, the complete wiring diagram of the nervous system of an organism, is the biological substrate of the mind. While biological neural networks are crucial to the understanding of neural computation mechanisms, recent artificial neural networks (ANNs) have been developed independently from the study of real neural networks. Computational scientists are searching for various ANN architectures to improve machine learning since the architectures are associated with the accuracy of ANNs. A recent study used the hermaphrodite Caenorhabditis elegans (C. elegans) connectome for image classifi
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.
Millions of individuals worldwide suffer from Alzheimer's disease (AD), a chronic, incurable neurological disorder. For the longevity of people, a computer-aided system can contribute to the maximum possible extent. Recently, Deep-learning algorithms have shown better results than machine learning techniques. Researchers have applied CNN models on MRI datasets in various recent studies and have obtained promising results for the early detection of AD. This study proposes a Neuro_CBAM-ADNet diagnostic model for early prediction of the four stages of AD, using MRI digital images. The results sho
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.
Histopathological whole slide images (WSIs) provide critical information for disease diagnosis, yet their interpretation remains a time-consuming and expertise-dependent process. Recent advances in deep learning have shown promise in automating and improving histopathological analysis; however, the performance of convolutional neural networks (CNNs) and Vision Transformers (ViTs) across multi-organ disease classification remains insufficiently explored. In this study, we applied CNN- and ViT-based classification models to WSIs of major human organs, including the heart, lung, liver, and pancre
СтатьяСравнительное исследованиеПолный 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.
INTRODUCTION: Brain tumor classification using magnetic resonance imaging (MRI) is important for computer-aided medical image analysis. However, different brain tumor types may exhibit highly similar grayscale patterns, textures, and boundaries. Conventional convolutional neural networks rely primarily on spatial-domain convolution and do not explicitly model frequency-domain information. Moreover, high-frequency details, such as edges and textures, are often weakened by multi-stage downsampling, while interaction between spatial- and frequency-domain features remains limited. Consequently, fi
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.
BackgroundIn this research, we explore the application of Convolutional Neural Networks (CNNs) for the development of an automated cancer detection system, particularly for MRI images. By leveraging deep learning and image processing techniques, we aim to build a system that can accurately detect and classify tumors in medical images. The system's performance depends on several stages, including image enhancement, segmentation, data augmentation, feature extraction, and classification. Through these stages, CNNs can be effectively trained to detect tumors in MRI images with high accuracy. This
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.
Melanoma is among the deadliest forms of malignant skin cancer, with the number of cases increasing dramatically worldwide. Its early and accurate diagnosis is crucial for effective treatment. However, automatic melanoma detection has several significant challenges. These challenges include the lack of a balanced dataset, high variability within melanoma lesions, differences in the locations of skin lesions in images, the similarity between different skin lesions, and the presence of various artifacts. In addition, the previous deep-learning techniques for diagnosing melanoma cannot recognize
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.
Intracranial aneurysms are pathological dilations of cerebral arteries affecting 3-5% of the population. Their rupture can cause subarachnoid hemorrhage, a severe form of stroke with high mortality and morbidity. Endovascular treatments, such as coiling and flow diversion, aim to induce thrombosis within the aneurysmal sac. Clinicians face challenges in predicting clot formation due to the complex interplay of blood flow, platelet transport, and biochemical reactions. Computational Fluid Dynamics models can provide valuable hemodynamic insights but are computationally prohibitive for real-time
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.
Memory is a crucial cognitive function that deteriorates with age. However, this ability is normally assessed using cognitive tests instead of the architecture of brain networks. Here, we use reservoir computing, a recurrent neural network computing paradigm, to assess the linear memory capacities of neural-network reservoirs extracted from brain anatomical connectivity data in a lifespan cohort of 636 individuals. The computational memory capacity emerges as a robust marker of aging, being associated with resting-state functional activity, white matter integrity, locus coeruleus signal intens
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 paper presents a new neural network methodology for modelling of soft tissue deformation for surgical simulation. The proposed methodology formulates soft tissue deformation and its dynamics as the neural propagation and dynamics of cellular neural networks for real-time, realistic, and stable simulation of soft tissue deformation. It develops two cellular neural network models; based on the bioelectric propagation of biological tissues and principles of continuum mechanics, one cellular neural network model is developed for propagation and distribution of mechanical load in soft tissues;
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
Artificial neural networks (ANN) in medicine are presented as a decision-making support method that allows obtaining more optimal solutions in terms of time and resource management. In this article, an ANN-aided decision support method has been developed to classify and quantify low back disease, specifically vertebrae and disc characterization, and spinal stenosis from MRI. A set of 1960 slices from 200 patients extracted from T2-weighted lumbar spine MRI has been used to train and evaluate neural networks. The segmentations of the discs and vertebrae have been accomplished using U-nets. Expe
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: Accurate classification of brain tumors is of utmost importance in early diagnosis and treatment, which can be further enhanced through advanced deep learning techniques. This work introduces HyPerNet-a Hybrid Perception Network for brain tumor classification that integrates cutting-edge methods to maximize classification accuracy, interpretability, and efficiency. HyPerNet leverages multi-modal fusion, combining Magnetic Resonance Imaging (MRI), Computed Tomography (CT), and Positron Emission Tomography (PET) scans to extract complementary information from different imaging modalit
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 paper explores the use of optimized convolutional neural networks (CNNs) to classify diseases affecting potato leaves using TensorFlow-2. The dataset, sourced from Kaggle's Plant Village repository, includes 152 images of healthy potato leaves and 1000 images each of early and late blight. The methodology covers data preparation, model architecture design, training, evaluation, and deployment. During data preparation, the data set was split into training sets (80%) and testing sets (20%), with images resized to 128x128 pixels. The Deep Learning (DL) models built using CNN with 4 different
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.
Acute Lymphoblastic Leukemia (ALL) is an aggressive blood cancer that requires rapid and accurate diagnosis. Manual review of blood and bone marrow smears is time-consuming and observer-dependent, underscoring the need for automated methods. This study presents a deep learning framework with attention mechanisms for automated detection and subtyping of ALL from microscopic bone marrow images, including healthy samples. The model combines a Convolutional Block Attention Module (CBAM) with a VGG19 backbone, forming a hybrid CBAM-VGG19 network that hierarchically enhances key morphological featur
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: Accurate discrimination between Fasciola hepatica and Fasciola gigantica is essential for surveillance and control of fascioliasis in endemic areas. ITS1 (internal transcribed spacer 1) is a widely used molecular marker, but computational approaches to ITS-based identification must account for data quality issues in public repositories and ensure reliable decision support. PURPOSE: We developed a leakage-safe, decision-oriented pipeline for ITS1-based species identification. A curated GenBank dataset of 527 ITS1 sequences was standardized to 1,000 bp, sanitized (A/C/G/T/N only), an
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