Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 922 с найденным полным текстом
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
This study presents a novel machine learning-driven drug repositioning pipeline to identify potential drug candidates for the Classical Subtype of pancreatic ductal adenocarcinoma (PDAC). Our approach integrates the Graph Attention Neural Network version 2 (GATv2) model as the backbone to predict target genes of PDAC, achieving a high area under the curve (AUC) of 0.911. A robust two-step cross-validation workflow was also implemented to enhance model reliability and generalizability. Finally, PharmOmics network analysis was conducted for potential drug candidates' prediction. Through our pipe
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.
Athletes and coaches may seek to improve running performance through adjustments to running form. Running form refers to the biomechanical characteristics of a runner's movement, and can distinguish individual runners as well as groups of runners, such as long-distance and short-distance runners. Yet, in long-distance running it is still unclear whether certain running forms lead to better performance. In this study, we used a neural network to test the extent to which individual running forms, measured from foot kinematics, exist within long-distance runners and whether running forms can pred
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: Methane emissions from ruminant livestock pose a significant challenge to mitigating climate change. Genomic selection offers a promising approach to reduce methane emissions, but prediction accuracy remains low due to the high cost of measuring methane emissions. Integrating rumen microbiome composition (RMC) data may improve genomic prediction accuracy, yet the high dimensionality of RMC data presents computational challenges. This study aimed to (1) evaluate the effectiveness of principal component analysis (PCA) for reducing RMC data dimensionality while retaining essential inf
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.
Multimodal image registration is crucial in medical imaging, particularly for aligning Magnetic Resonance Imaging (MRI) and Transrectal Ultrasound (TRUS) data, which are widely used in prostate cancer diagnosis and treatment planning. However, this task presents significant challenges due to the inherent differences between these imaging modalities, including variations in resolution, contrast, and noise. Recently, conventional Convolutional Neural Network (CNN)-based registration methods, while effective at extracting local features, often struggle to capture global contextual information and
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.
The global spread of COVID-19, particularly through cough symptoms, necessitates efficient diagnostic tools. COVID-19 patients exhibit unique cough sound patterns distinguishable from other respiratory conditions. This study proposes an advanced framework to detect and predict COVID-19 using deep learning from cough audio signals. Audio data from the COUGHVID dataset undergo preprocessing through fuzzy gray level difference histogram equalization, followed by segmentation with a U-Net model. Key features are extracted via Zernike Moments (ZM) and Gray Level Co-occurrence Matrix (GLCM). The Enh
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.
Women should be aware of prenancy related health issues. A user-friendly model is developed in which the patients can use as well as clinicians to determine the risks associated with foetal development inside the womb, birth weight, whose effects are typically linked to the mother through biological relationships. Recent advances in computer vision and artificial intelligence offer new techniques for automated evaluation of medical images across a variety of fields, including ultrasound (US) images. Enhancing the detection of the estimated foetal weight (EFW) and mother-foetal disease computat
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.
Chronic Kidney Disease (CKD) is a progressive condition primarily caused by diabetes and hypertension, affecting millions worldwide. Early diagnosis remains a clinical challenge since traditional approaches, such as Glomerular Filtration Rate (GFR) estimation and kidney damage indicators, often fail to detect CKD in its initial stages. This study aims to enhance early CKD prediction by developing a deep neural network optimized with a novel hybrid metaheuristic that combines the Waterwheel Plant Algorithm (WWPA) with Grey Wolf Optimization (GWO). Using the UCI CKD dataset, rigorous preprocessi
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.
Distinguishing among maize seed varieties is often challenging because of their morphological similarity and genetic diversity. Traditional seed identification methods frequently fail to balance accuracy, speed, and practicality, creating the need for innovative solutions. Recent advances in artificial intelligence, particularly in deep learning, provide promising alternatives for the precise classification of crop varieties. This study aimed to classify five maize seed genotypes (KSC201, KSC260, KSC400, KSC703, and KSC705) using only RGB digital images acquired under standardized lighting con
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: Efficient and objective tools for self-assessment of microsurgical skills are needed to ensure high-quality microsurgical training and optimized use of surgeons' time and resources. In addition, the successful clinical integration of microsurgical robots in operating rooms will critically depend on effective training and evaluation strategies for microsurgeons, necessitating the development, usability testing, and validation of such assessment tools for both conventional and robotically assisted microsurgery.
METHODS: Two deep convolutional neural network-based computer algorithms
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.
PURPOSE: This study investigates the effectiveness of synthetic training data in predicting 2D landmarks for 3D intraoral reconstruction in cleft lip and palate patients. We take inspiration from existing landmark prediction and 3D reconstruction techniques for faces and demonstrate their potential in medical applications.
METHODS: We generated both real and synthetic datasets from intraoral scans and videos. A convolutional neural network was trained using a negative-Gaussian log-likelihood loss function to predict 2D landmarks and their corresponding confidence scores. The predicted landmar
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.
Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)2025eng
PURPOSE: This study aims to enhance carbon-ion range estimation using a Compton camera, improved through artificial neural network (ANN)-based event classification.
METHODS: A Monte Carlo simulation was developed in Geant4. Carbon ions irradiated to a PMMA phantom and 511 keV gamma-rays emitted were detected by silicon/cadmium telluride (Si/CdTe) Compton cameras. An ANN was trained to identify true Compton events. Following event selection, the annihilation photon distribution was reconstructed using the list-mode maximum-likelihood expectation-maximization algorithm. The beam range was estim
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.
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.
Sporotrichosis, a zoonotic mycosis with a growing public health impact, requires innovative methods to map risk areas. This study applied machine learning techniques, Artificial Neural Networks (ANN), and Decision Trees (DT) to integrate sociodemographic, epidemiological, environmental, and urban data from Contagem, Minas Gerais, Brazil. Both models exhibited high predictive capacity, with complementary performances: the ANN stood out in class discrimination (mean accuracy of 0.9106, AUC of 0.939, MSE of 0.4040, RMSE of 0.6313, R2 of 0.5955), while the DT demonstrated greater consistency and l
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.
Visceral leishmaniasis (VL) is a climate-driven disease with a complex epidemiological pattern and is difficult to predict, especially in regions like eastern Sudan, where disease patterns vary substantially from season to season. In this study, our objective was to forecast the monthly incidence of VL in Gedaref State based on key climatic drivers-precipitation, temperature, and humidity. To capture the complex dynamics of disease transmission, we propose a new hybrid model based on wavelet transforms and state-of-the-art deep learning models to decompose multi-scale patterns and learn linear
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 techniques have recently found application in biodiversity research. Mayflies (Ephemeroptera), stoneflies (Plecoptera) and caddisflies (Trichoptera), often abbreviated as EPT, are frequently used for freshwater biomonitoring due to their large numbers and sensitivity to environmental changes. However, the morphological identification of EPT species is a challenging but fundamental task. Morphological identification of these freshwater insects is therefore not only extremely time-consuming and costly, but also often leads to misjudgments or generates datasets with low taxonomic re
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: Secondary caries lesions adjacent to restorations, a leading cause of restoration failure, require accurate diagnostic methods to ensure an optimal treatment outcome. Traditional diagnostic strategies rely on visual inspection complemented by radiographs. Recent advancements in artificial intelligence (AI), particularly deep learning, provide potential improvements in caries detection. This study aimed to develop a convolutional neural network (CNN)-based algorithm for detecting primary caries and secondary caries around restorations using bitewings.
METHODS: Clinical data from 7 g
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.
Individuals with lower limb impairment after a stroke or spinal cord injury require rehabilitation, but traditional methods can be challenging for both patients and therapists. Robotic systems have been developed to help; however, they currently cannot detect the continuous gait phase in real time, hindering their effectiveness. To address this limitation, researchers have attempted to develop gait phase detection in general using fuzzy logic algorithms and neural networks. However, there is a paucity of research on real-time and continuous gait phase detection. In light of this gap, we propos
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.
Over 50 million people globally suffer from Alzheimer's disease (AD), emphasizing the need for efficient, early diagnostic tools. Traditional methods like Magnetic Resonance Imaging (MRI) and Computed Tomography (CT) scans are expensive, bulky, and slow. Microwave-based techniques offer a cost-effective, non-invasive, and portable solution, diverging from conventional neuroimaging practices. This article introduces a deep learning approach for monitoring AD , using realistic numerical brain phantoms to simulate scattered signals via the CST Studio Suite. The obtained data is preprocessed 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.
In the last decade, artificial intelligence (AI) has significantly impacted ophthalmology, particularly in managing corneal diseases, a major reversible cause of blindness. This review explores AI's transformative role in the corneal subspecialty, which has adopted advanced technology for superior clinical judgment, early diagnosis, and personalized therapy. While AI's role in anterior segment diseases is less documented compared to glaucoma and retinal pathologies, this review highlights its integration into corneal diagnostics through imaging techniques like slit-lamp biomicroscopy, anterior
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.
Diabetic retinopathy is one of the leading causes of blindness around the world. This makes early diagnosis and treatment important in preventing vision loss in a large number of patients. Microaneurysms are the key hallmark of the early stage of the disease, non-proliferative diabetic retinopathy, and can be detected using OCT angiography quickly and non-invasively. Screening tools for non-proliferative diabetic retinopathy using OCT angiography thus have the potential to lead to improved outcomes in patients. We compared different configurations of ensembled U-nets to automatically segment m
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.
MedElevator
Войти в исследования