Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 922 с найденным полным текстом
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
BACKGROUND: Accurate and fast patient-specific dose prediction is crucial to improve the quality and efficiency of radiation treatment planning. Recently, deep learning-based approaches have achieved remarkable results in dose predictions across various cancer types. However, they typically require a large set of training examples to ensure robust generalization.
METHODS: To the end, our proposed FS-UNet leverages the U-Net framework and enhances dose prediction performance from limited training data using the discriminative power of few-shot learning. To achieve this, our FS-UNet is decompos
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.
IntroductionLung cancer has the highest mortality rate among all cancer types globally, largely due to delayed or ineffective diagnosis and treatment. Radiomics is commonly used to diagnose lung cancer, especially in later stages or during routine screenings. However, frequent radiological imaging poses health risks, and while advanced diagnostic alternatives exist, they are often costly and accessible only to a limited, privileged population. Leveraging clinical data using machine learning (ML) and artificial intelligence (AI) enables a safer, more inclusive, and affordable solution. Due to 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.
Electroencephalography is a widely used non-invasive method for monitoring brain electrical activity, critical for diagnosing and managing neurological disorders such as epilepsy. While clinical standards use 21 electrodes to capture comprehensive neural signals, a personalized approach can enhance performance by selecting patient-specific channels, reducing noise and redundancy. This study introduces an innovative, lightweight deep learning system optimized for real-time seizure detection in personalized wearable devices. The system uses an efficient Convolutional Neural Network that processe
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.
Fetal congenital heart disease (FCHD) represents a serious and prevalent congenital malformation. However, there exist notable regional disparities in the detection rates of fetal heart abnormalities. To enhance the diagnostic capabilities of ultrasound physicians in primary hospitals regarding fetal heart structures, the adoption of artificial intelligence technology to assist in acquiring high-quality, standard fetal echocardiographic images is of paramount importance. Currently, primary hospitals face challenges in recognizing standard views in fetal echocardiography, particularly under res
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.
Cardiac rhythm disorders can manifest in various ways, such as the heart rate being too fast (tachycardia) or too slow (bradycardia), irregular heartbeats (like atrial fibrillation-AF, ventricular fibrillation-VF), or the initiation of heartbeats in different areas from the norm (extrasystole). Arrhythmias can disrupt the balanced circulation, leading to serious complications like heart attacks, strokes, and sudden death. Medical devices like electrocardiography (ECG) and Holter monitors are commonly used for diagnosing and monitoring cardiac rhythm disorders. However, in recent years, the dev
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 use of microcomputed tomography (Micro-CT) for imaging biological samples has burgeoned in the past decade, due to increased access to scanning platforms, ease of operation, and the advance of software platforms that enable accurate microstructure quantification. However, manual data analysis of Micro-CT images can be laborious and time intensive. Deep learning offers the ability to streamline this process but historically has included caveats, such as the need for a large amount of training data, which is often limited in many Micro-CT studies. Here we show that accurate 3D deep learning
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 application of Artificial Intelligence (AI) in forensic science offers new opportunities for the automated detection of injuries in postmortem analysis. This study focuses on the semantic segmentation of two significant types of injuries-bruises and abrasions. A dataset of postmortem injury images was collected, followed by the development of appropriate data preprocessing and annotation techniques to train and evaluate AI models. Three deep learning architectures-U-Net, FPN, and LinkNe-were implemented, using EfficientNetB3 and ResNet50 as backbone networks. An optimisation strategy was e
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
Deep neural network (DNN)-based approaches have demonstrated high accuracy in surface electromyography (sEMG)-driven gesture recognition under controlled conditions. However, estimation performance is known to degrade substantially when exposed to perturbations commonly encountered in the real-world. Here, we investigate the impact of typical noises on an autoencoder augmented recurrent neural network gesture estimator driven by engineered features and feature sets. High-density sEMG (HD-sEMG) signals offering rich information particularly suited to DNN-based algorithms were collected from thi
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
Microneurography data provides valuable insights into peripheral nerve responses critical for understanding sensory functions. This paper presents a unique approach by utilizing a neural network solution to detect spike events in microneurography data, employing the weighted Hermite Variable Projection Neural Network model to capture distinct neurophysiological patterns. Addressing the inherent challenges of low signal-to-noise ratios and extreme class imbalance, the proposed pipeline integrates a knowledge-augmented model, data balancing techniques and explainable AI methods to ensure both ac
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.
Ossification of the posterior longitudinal ligament is a degenerative disease that severely impacts the spine, with a complex pathogenesis involving the interplay of multiple genes. This study utilizes a combination of graph neural networks and deep neural networks to systematically analyze genes associated with OPLL, leveraging genomics and bioinformatics techniques. By integrating gene data from the DisGeNET and HumanNetV2 databases, we constructed a GNN model to identify potential pathogenic genes for OPLL and validated the expression characteristics and mechanisms of these genes in differe
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 differentiation between rheumatoid arthritis (RA) and knee synovitis (KS) is essential for guiding optimal treatment, yet conventional histopathology often relies on subjective interpretation and offers limited insight into tissue biochemistry. Here, we introduce TransCNN, a novel multimodal framework that integrates hyperspectral imaging (HSI) with deep learning to achieve objective, high-precision diagnosis. Reflectance-mode HSI across the 400-1000 nm spectrum was performed on 95 synovial tissue specimens. Spectral data were denoised using Savitzky-Golay filtering and distilled via
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.
Optical coherence tomography (OCT) enables acquisition of image volumes of the optic nerve head (ONH) in vivo. These image volumes provide structural and biomechanical information about the ONH. The individual tissues in these images must be segmented to obtain tissue-specific information, but doing so manually is time consuming. We present a method which uses a deep learning model to semi-automatically segment the following tissue boundaries of the ONH: the anterior lamina cribrosa surface (ALCS), Bruch's membrane (BM), and choroid-scleral interface (CS). We trained a convolutional neural net
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.
Due to their similar clinical presentations, the scarcity of competent dermatologists, and the urgency of diagnosis, the accurate diagnosis of dermatological conditions such as Psoriasis and Lichen Planus is challenging. This study introduces a novel approach leveraging deep learning and numerical simulations of skin biomechanical properties to enhance diagnostic precision. By utilizing ABAQUS software, this study incorporates 1000 numerical simulations for data generation to combat the limitations of datasets in these ailments. Utilizing the ResNet-50 convolutional neural network (CNN), 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.
The thyroid gland is prone to various diseases, including thyroid nodules. Ultrasound is the primary diagnostic tool, but classification accuracy is often limited by radiologist expertise. Integrating Artificial Intelligence, particularly Deep Learning, offers the potential to enhance diagnostic reliability. This study investigates whether transfer-learning Convolutional Neural Networks (CNNs) can reliably classify TNs using a publicly available, biopsy-verified ultrasound dataset of 483 images (197 benign, 286 malignant). Nine pre-trained CNNs (ResNet50, ResNet101, VGG16, VGG19, DenseNet121,
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 utilization of motor imagery-based brain-computer interfaces (MI-BCI) has been shown to assist stroke patients activate motor regions in the brain. In particular, the brain regions activated by unilateral upper limb multi-task are more extensive, which is more beneficial for rehabilitation, but it also increases the difficulty of decoding. In this paper, self-attention convolutional neural network based partial prior transfer learning (SACNN-PPTL) is proposed to improve the classification performance of patients' MI multi-task. The backbone network of the algorithm is SACNN, which accords
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.
Fluorescence polarization (Fpol) imaging of methylene blue (MB) is a promising quantitative approach to thyroid cancer detection. Clinical translation of MB Fpol technology requires reduction of the data analysis time that can be achieved via deep learning-based automated cell segmentation with a 2D U-Net convolutional neural network. The model was trained and tested using images of pathologically diverse human thyroid cells and evaluated by comparing the number of cells selected, segmented areas, and Fpol values obtained using automated (AU) and manual (MA) data processing methods. Overall, t
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.
PURPOSE: Semantic segmentation plays a pivotal role in many applications related to medical image and video analysis. However, designing a neural network architecture for medical image and surgical video segmentation is challenging due to the diverse features of relevant classes, including heterogeneity, deformability, transparency, blunt boundaries, and various distortions. We propose a network architecture, DeepPyramid+, which addresses diverse challenges encountered in medical image and surgical video segmentation.
METHODS: The proposed DeepPyramid+ incorporates two major modules, namely "
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.
Malaria is a deadly disease that is transmitted through mosquito bites. Microscopists use a microscope to examine thin blood smears at high magnification (1000x) to identify parasites in red blood cells (RBCs). Estimating parasitemia is essential in determining the severity of the Plasmodium falciparum infection and guiding treatment. However, this process is time-consuming, labor-intensive, and subject to variation, which can directly affect patient outcomes. In this retrospective study, we compared three methods for measuring parasitemia from a collection of anonymized thin blood smears of p
СтатьяСравнительное исследованиеПоиск 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 high burden of lung diseases on healthcare necessitates effective detection methods. Current Computer-aided design (CAD) systems are limited by their focus on specific diseases and computationally demanding deep learning models. To overcome these challenges, we introduce CNN-O-ELMNet, a lightweight classification model designed to efficiently detect various lung diseases, surpassing the limitations of disease-specific CAD systems and the complexity of deep learning models. This model combines a convolutional neural network for deep feature extraction with an optimized extreme learning mach
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.
Single-cell RNA sequencing (scRNA-seq) is a potent advancement for analyzing gene expression at the individual cell level, allowing for the identification of cellular heterogeneity and subpopulations. However, it suffers from technical limitations that result in sparse and heterogeneous data. Here, we propose scVSC, an unsupervised clustering algorithm built on deep representation neural networks. The method incorporates the variational inference into the subspace model, which imposes regularization constraints on the latent space and further prevents overfitting. In a series of experiments ac
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.
MedElevator
Войти в исследования