Magnetic resonance imaging (MRI) is an indispensable tool for clinical knee examination, which often scans 2D stacked slices from multiple views. Radiologists typically locate lesion regions in one view, and then refer to other views to formulate a comprehensive diagnosis. However, existing computer-aided diagnosis methods fall short of identifying and fusing local regions in multi-view scans, leading to a decline in diagnostic performance and a heavy reliance on extensively annotated data. This paper introduces a novel framework that represents multi-view MRI scans as a knee graph, and conduc
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 characterization of thoracic malignancies on computed tomography (CT) remains challenging because histological subtype differentiation and nodule malignancy assessment require different visual cues, ranging from localized structural abnormalities to broader contextual patterns. This study presents a controlled comparative evaluation of convolutional neural network (CNN) and Vision Transformer (ViT) architectures for two CT-based thoracic oncology tasks: four-class histological subtyping and three-class lung cancer classification. A total of 30 contemporary architectures, including 15
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.
Convolutional Neural Networks (CNNs) require a larger amount of input samples and computing resources to learn discriminative features for accurate identification of multiple retinal conditions, making the development and deployment of such models challenging on limited computing resources. This study presents a robust CNN (called LiteFeatNet) that requires fewer trainable parameters, computational resources, and processing time for accurate prediction. To enhance robustness and reduce computational time, a pre-trained NASNetMobile backbone is employed, and a method for time-efficient discrimi
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.
Laryngeal cancer imaging research lacks standardised public datasets to enable reproducible deep learning (DL) model development. We present LaryngealCT, a curated benchmark of 1,029 computed tomography (CT) scans aggregated from six collections from The Cancer Imaging Archive (TCIA). Uniform 1 mm isotropic volumes of interest encompassing the larynx were extracted using a weakly supervised parameter search framework validated by clinical experts. Six 3D DL architectures (custom 3D CNN, ResNet18/50/101, DenseNet121 and MedicalNet-pretrained ResNet50) were benchmarked on (i) early (Tis-T2) vs.
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.
Atractylodes macrocephala Rhizoma (AMR) is a frequently used medicinal herb for treating gastrointestinal disorders, with its quality influenced by factors such as origin and cultivation duration. Traditional quality control methods for AMR are time-consuming and invasive, making the development of faster and more efficient alternatives urgently needed. This study aims to utilize electronic nose (E-nose) and electronic tongue (E-tongue) to achieve the acquisition of odor-taste two-dimensional information of AMR. Integrating this approach with machine learning (ML) enables intelligent transform
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 study aimed to construct an artificial neural network (ANN) diagnostic model for rheumatoid arthritis (RA) based on a neutrophil inflammation- and cell death-associated gene signature derived from a previously reported neutrophil extracellular traps (NETs)-related gene set, and to explore its association with immune infiltration and inflammatory pathways. The GEO dataset GSE110169 was used as the training dataset to identify differentially expressed genes between RA patients and healthy controls. Genes derived from a previously published NETs-related gene set were used as the initial cand
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 knowledge graph-based drug repurposing model for predicting potential therapeutic drugs for triple-negative breast cancer (TNBC).
METHODS: Drug-target interaction (DTI) affinity data were collected from the BindingDB database and filtered (including data of Kd, Ki, EC50 and IC50). The proposed KGNN model integrates graph convolutional network (GCN)‑extracted drug molecular graph features, ProtBERT-pretrained protein sequence representations, and STRING-derived protein-protein interaction (PPI) knowledge graphs. Multi-head attention mechanisms and gated fusion module
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.
The estimation of the Length of Stay (LOS) is a critical factor in clinical and managerial decision-making, helping healthcare professionals optimize hospital efficiency. For patients with orthopedic trauma, particularly those with lower limb fractures, LOS prediction becomes essential for resource planning and improving patient care. This study aims to analyze and predict LOS for patients with lower limb fractures admitted to the A.O.R.N. "Antonio Cardarelli" hospital in Naples. To achieve this, five neural network-based classifiers were implemented, and their performances were compared with
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.
PURPOSE: Retinal diseases are leading causes of blindness worldwide, necessitating accurate diagnosis and timely treatment. Optical coherence tomography (OCT) has become a universal imaging modality of the retina in the past 2 decades, aiding in the diagnosis of various retinal conditions. However, the scarcity of comprehensive, annotated OCT datasets, that are labor-intensive to assemble, has hindered the advancement of artificial intelligence (AI)-based diagnostic tools.
METHODS: To address the lack of annotated OCT segmentation datasets, we introduce OCTAVE, an extensive 3D OCT dataset wit
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.
The healthcare industry is generating a massive volume of data, promising a potential goldmine of information that can be extracted through machine learning (ML) techniques. The Intensive Care Unit (ICU) stands out as a focal point within hospitals and provides a rich source of data for informative analyses. This study examines the cardiac surgery ICU, where the vital topic of patient ventilation takes center stage. In other words, ventilator-supported breathing is a fundamental need within the ICU, and the limited availability of ventilators in hospitals has become a significant issue. A cruc
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.
BACKGROUND: Several commercial programs incorporate artificial intelligence in diagnosis, but very few dental professionals have been surveyed regarding its acceptability and usability. Furthermore, few have explored how these advances might be incorporated into routine practice.
METHODS: Our team developed and implemented a deep learning (DL) model employing semantic segmentation neural networks and object detection networks to precisely identify alveolar bone crestal levels (ABCLs) and cemento-enamel junctions (CEJs) to measure change in alveolar crestal height (ACH). The model was trained
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: To develop an artificial intelligence model based on convolutional neural network for detecting and measuring periodontal radiographic bone loss (RBL).
MATERIALS AND METHODS: Keypoint annotations were carried out in 595 digital bitewing radiographic images using a Computer Vision Annotation Tool. The dataset was splitted: 416 of these images were trained using the You Only Look Once version 8 architecture with pose estimation (YOLO-v8-pose), 119 images were destined for the validation set, and 60 images were used for the test set, resulting in a model capable of detecting keypoints
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.
Accurate detection of brain tumors remains a significant challenge due to the diversity of tumor types along with human interventions during diagnostic process. This study proposes a novel ensemble deep learning system for accurate brain tumor classification using MRI data. The proposed system integrates fine-tuned Convolutional Neural Network (CNN), ResNet-50 and EfficientNet-B5 to create a dynamic ensemble framework that addresses existing challenges. An adaptive dynamic weight distribution strategy is employed during training to optimize the contribution of each networks in the framework. T
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 AND OBJECTIVE: Motor diagnosis, monitoring and management of Parkinson's disease (PD) focuses mainly on observational methods and, clinical scales, resulting in a subjective evaluation. Inertial sensors combined with artificial intelligence have emerged as a promising solution to help physicians perform early, differential, and objective quantification of motor symptoms over time. We hypothesize that a long short-term memory-deep neural network (LSTM) architecture could be an appropriate solution for producing three models to provide a holistic assessment of patients with PD from 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.
Freezing of gait (FoG) is a debilitating symptom of Parkinson's disease that severely impacts patients' mobility and quality of life. To minimize the risk of falls and injuries associated with FoG, it is crucial to develop highly accurate FoG detection systems for portable wearable devices that enable continuous and real-time monitoring. However, achieving high accuracy in deep learning (DL) models typically requires a large number of parameters and integrating multiple sensors, posing challenges for deployment on resource-constrained wearable devices. To address these challenges, we propose 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.
Musculoskeletal pain is a significant health concern affecting individuals across various demographics and professions, often leading to reduced productivity and impaired quality of life. This study proposes a framework leveraging Particle Swarm Optimization (PSO) to evaluate and assess musculoskeletal pain risk based on a comprehensive dataset encompassing demographic, professional, physical, and lifestyle characteristics. The dataset includes detailed information on individuals' pain experiences across multiple body regions, providing a robust foundation for identifying correlations and risk
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.
The COVID-19 pandemic caused a major public health crisis, with severe impacts on global health and the economy. Machine learning (ML) has been crucial in developing new technologies to address challenges posed by the pandemic, particularly in identifying high-risk COVID-19 patients. This identification is vital for efficiently allocating hospital resources and controlling the virus's spread. Comprehensive validation of these intelligent approaches is necessary to confirm their clinical usefulness and help create future strategies for managing viral outbreaks. Here we present a prospective stu
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.
INTRODUCTION: Retinal diseases, a significant global health concern, often lead to severe vision impairment and blindness, resulting in substantial functional and social limitations. This study explored a novel goal of developing and comparing the performance of multiple state-of-the-art convolutional neural network (CNN) models for the automated detection and classification of retinal diseases using optical coherence tomography (OCT) images.
METHOD: The study utilized several models, including DenseNet121, ResNet50, Inception V3, MobileNet, and OCT images obtained from the WATBORG Eye Clinic
СтатьяСравнительное исследованиеПолный 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 tumors are among the most fatal diseases, Often leading to a reduction in life expectancy. Early and accurate diagnosis is essential to guide effective treatment and enhance survival rates. Advances in artificial intelligence, particularly deep learning with Convolutional Neural Networks (CNNs), have revolutionized medical imaging analysis by enabling automated and precise diagnostic tools. This study investigates the effectiveness of deep transfer learning for brain tumor classification using a publicly available 7023 image Brain Tumor MRI Dataset (Figshare, SARTAJ, Br35H), and split in
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.
Codonopsis Radix (CR), an important species of "medicine-food homology", exhibits broad market prospects, underscoring the urgency and importance of research on its quality. This study specifically measured the alcohol-soluble extract and polysaccharide extract of 77 samples from mainstream producing areas of CR, which serve as key fractions for assessing its quality. Additionally, to gain a comprehensive understanding of the sensory characteristics of samples, the study employed electronic tongue technology to obtain sweetness values, used a colorimeter to determine yellowness values, and cap
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