Rapid and accurate detection of water-borne bacteria is critical for safeguarding public health and preventing the spread of infections. Conventional bacterial identification techniques are often time-consuming, resource-intensive, and require specialized personnel, limiting their suitability for automated water-quality monitoring. This study presents an optical detection and classification framework that uses some pre-trained architectures to automatically classify optically acquired images of water-borne bacterial pathogens. The system distinguishes among four classes: Escherichia coli (E. c
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 introduces a novel convolutional neural network model with an attention mechanism to advance Alzheimer disease (AD) classification using Magnetic Resonance Imaging (MRI). The model architecture is meticulously crafted to enhance feature extraction and selectively focus on crucial regions within brain images, thereby improving diagnostic accuracy. A unique component, the MRI Segmentation Block (MSB), is introduced to manage the skull stripping task effectively, highlighting the model ability to learn from complex, multilayered information. We have incorporated a detailed experimental
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.
Recent improvements in biomedical image analysis using deep learning based neural networks could be exploited to enhance the performance of Computer Aided Diagnosis (CAD) systems. Considering the importance of breast cancer worldwide and the promising results reported by deep learning based methods in breast imaging, an overview of the recent state-of-the-art deep learning based CAD systems developed for mammography and breast histopathology images is presented. In this study, the relationship between mammography and histopathology phenotypes is described, which takes biological aspects into a
СтатьяОбзорПоиск 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: Lung ultrasonography (LUS) is a valuable diagnostic tool, but there is a shortage of LUS experts with extensive knowledge and significant experience in the field. Convolutional neural networks (CNNs) have the potential to mitigate this issue by facilitating computer-aided diagnosis.
METHODS: We propose computer-aided system by a CNN-based method for LUS diagnosis. As the first consideration, we investigated pleural line and lung sliding. The pleural line indicates the position of pleura in an ultrasound image, and LUS is performed after first confirming the position of pleural lin
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.
Identifying plant health conditions is an emerging precision-agriculture and food-security challenge, intensified by deploying deep-learning models on memory- and power-constrained edge devices. We present a TinyMLOps pipeline spanning model design, optimization, quantization, and deployment across diverse edge devices, evaluated under controlled laboratory conditions. Using a dataset derived from the PlantVillage benchmark, 39 fine-grained classes are aggregated into three superclasses: healthy leaf, unhealthy leaf, and no leaves. The resulting system therefore performs plant health-status cl
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.
Cancer occurs when healthy cells in the body grow abnormally and out of control. Leukemia is a type of cancer that affects White Blood Cells (WBCs) and can cause a lethal infection and early death. Identification and classification of different types of leukemia are performed manually and automatically. The doctors analyze blood samples under a microscope and consider any changes in the number and structure of WBCs as a sign of cancer in the manual method. It is a time-consuming, inaccuracy-prone process that depends on the expertise and skill of the physician and the type of laboratory equipm
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.
Currently, the number of people who have been investigated for skin cancer has increased significantly worldwide. For prior diagnosis, dermatologists can typically visually inspect skin lesions for abnormalities. However, an expert is required, and the similarity of some skin lesions remains challenging. This study aimed to address the challenge of classifying multiple images of skin conditions, including both Benign and Malignant groups, using the hierarchical method. Instead of directly performing multi-class classification using a single model, multiple binary classification models were org
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 large language models (LLMs) that process text and images are increasingly discussed for medical imaging, yet their diagnostic performance on radiographs remains poorly characterized. We evaluated three commercially available multimodal LLMs (GPT-4o, Claude 3.5 Sonnet, Gemini 1.5 Pro) in a strict zero-shot setting for pediatric wrist fracture detection and compared them with a domain-trained Inception v3 convolutional neural network (CNN) on the same GRAZPEDWRI-DX dataset. We constructed a balanced patient-level test cohort of 1,000 children (2,298 radiographs; 500 fracture, 500 non
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: Postural instability greatly reduces quality of life in people with Parkinson's disease (PD). Early and objective detection of postural impairments is crucial to facilitate interventions. Our aim was to use a convolutional neural network (CNN) to differentiate people with early to mid-stage PD from healthy age-matched individuals based on spectrogram images obtained from their body sway. We hypothesized the time-frequency content of body sway to be predictive of PD, even when impairments are not yet clinically apparent.
METHODS: 18 people with idiopathic PD and 15 healthy controls
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.
Parkinson's disease (PD) is a complex neurodegenerative disorder lacking effective disease-modifying treatments. In this study, we integrated large-scale protein-protein interaction networks with a multi-modal graph neural network (GNN) to identify and prioritize multi-target drug repurposing candidates for PD. Network analysis and advanced clustering methods delineated functional modules, and a novel Functional Centrality Index was employed to pinpoint key nodes within the PD interactome. The GNN model, incorporating molecular descriptors, network topology, and uncertainty quantification, pre
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.
Traditionally, statistical and machine learning (ML) algorithms have been used to develop risk prediction models for adverse clinical events, such as atrial fibrillation (AF) after stroke. However, these algorithms often fail to encapsulate or exploit possible connections between patients, assuming each patient is fully independent. This study builds a graph of patients interlinked by their medical histories to create a graph-based risk prediction model for AF. We investigate the ability of Graph Convolutional Networks (GCN) and Graph Attention Networks (GAT) to predict AF risk in critically i
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: In lung radiotherapy, infrared cameras can track reflective objects on the chest to estimate tumor motion due to breathing. However, treatment system latencies hinder radiation beam precision. Real-time recurrent learning (RTRL), the conventional online learning approach for training recurrent neural networks (RNNs), is a potential solution that can learn patterns within non-stationary respiratory data but has high complexity. This research assesses the capabilities of resource-efficient online algorithms for RNNs-unbiased online recurrent optimization (UORO), sparse
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: Hand, foot, and mouth disease (HFMD) is recognized as a climate-sensitive disease, yet the precise influence of meteorological factors on its incidence remains underexplored. This study leverages Causal Convolutional Neural Networks (Causal CNNs) to investigate the epidemiological characteristics of HFMD in Ningbo City, China, from 2014 to 2019, and to assess the predictive role of meteorological factors, offering novel insights for real-time surveillance and control.
METHODS: Daily meteorological data and HFMD incidence data for Ningbo from 2014 to 2019 were obtained from the Chi
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.
This study investigates how architectural design influences the behavior of lightweight convolutional neural networks in multilabel classification of retinal diseases using the ocular disease intelligent recognition-5 K dataset. Rather than focusing solely on predictive performance, we analyze multiple complementary dimensions, including accuracy, stability across training runs, inter-model agreement, error complementarity, and image-level consensus. Results show that no single architecture consistently achieves both optimal performance and stability. Moreover, different architectures exhibit
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.
Here we introduce BehaveAI, a biologically inspired video analysis framework that integrates static and motion information through a novel color-from-motion encoding strategy. This method translates object movement-direction, speed, and acceleration-into color gradients, enabling both human annotators and pre-trained convolutional neural networks (CNNs) to infer motion patterns while retaining high-resolution spatial detail. Using a range of case studies, we demonstrate how the increased salience of motion information allows for the robust detection of objects that are challenging or impossibl
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 aims to develop and validate a deep learning-based model to accurately predict gamma pass rate (GPR) in treatment plans for volumetric modulated arc therapy (VMAT). A dataset comprising 360 VMAT treatment plans was utilized to train and validate the deep learning models. The 3D fluence maps, along with complexity metrics of the treatment planning, were extracted from each treatment plan as input features. Convolutional neural networks were utilized to establish the relationship between input features and GPR. The performance of the 3D fluence-based model (3D Fluence model) was compa
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.
Cytokine receptors play a pivotal role in mediating the immune response and are critical in cytokine storms, which underlie the pathogenesis of conditions such as acute respiratory distress syndrome (ARDS) and autoimmune disorders. Identifying cytokine receptors is essential for understanding their biological functions, exploring therapeutic targets, and guiding clinical interventions. Traditional biochemical methods to identify cytokine receptors are labor-intensive, costly, and time-consuming, prompting the need for more efficient alternatives. Recent advances in computational biology have e
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.
Pituitary adenomas, ranging from subtle microadenomas to mass-effect macroadenomas, pose diagnostic challenges for radiologists due to increasing scan volumes and the complexity of dynamic contrast-enhanced MRI interpretation. A hybrid CNN-LSTM model was trained and validated on a multi-center dataset of 2,163 samples from Tehran and Babolsar, Iran. Transfer learning and preprocessing techniques (e.g., Wiener filters) were utilized to improve classification performance for microadenomas (< 10 mm) and macroadenomas (> 10 mm). The model achieved 90.5% accuracy, an area under the receiver operati
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.
Vision is a fundamental sense that profoundly impacts daily life and independence. For visually impaired people (VIP), the absence or impairment of this sense presents significant challenges, particularly in navigating their environment and identifying objects independently. A considerable challenge for visually impaired individuals is the inability to navigate independently and identify objects, which restricts their daily activities and routines. Various investigations have been conducted in the domain of real-time object detection (OD) using deep learning (DL). DL-based techniques are shown
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.
Mycobacteria, including Mycobacterium tuberculosis (MTB) and non-tuberculosis mycobacteria (NTM), are important causes of infectious disease and cause significant mortality and morbidity globally. Fast detection is extremely important to reduce transmission and mortality associated with these infectious agents. Manual smear microscopy is a cost-effective tool for diagnosing and monitoring of these organisms; however, it is labor-intensive and requires highly-trained personnel. We present the development of an artificial intelligence computer vision process using a deep 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.
MedElevator
Войти в исследования