The global burden of lung diseases is a pressing issue, particularly in developing nations with limited healthcare access. Accurate diagnosis of lung conditions is crucial for effective treatment, but diagnosing lung ailments using medical imaging techniques like chest radiograph images and CT scans is challenging due to the complex anatomical intricacies of the lungs. Deep learning methods, particularly convolutional neural networks (CNN), offer promising solutions for automated disease classification using imaging data. This research has the potential to significantly improve healthcare acce
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.
OBJECTIVES: This study aimed to develop and evaluate an artificial intelligence (AI) framework for detecting dental restorations and prosthesis devices on panoramic radiographs (PRs). Detecting these elements is essential for enhancing automated reporting, improving the accuracy of dental assessments, and reducing manual examination time.
METHODS: A fast region-based convolutional neural network (Fast R-CNN) was trained using 186 PRs for the training set and 42 for validation. The model's performance was assessed on an external test dataset of 1133 PRs. Seven dental restorations and prosthesi
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.
With the advancement of high-precision remote sensing equipment and precision measurement technology, object detection based on remote sensing images (RSIs) has been widely used in military and civilian fields. Different from traditional general-purpose environments, remote sensing presents unique challenges that significantly complicate the detection process. Specifically: (1) RSIs cover extensive monitoring areas, resulting in complex and textured backgrounds; and (2) objects often exhibit cluttered distributions, small sizes, and considerable scale variations across categories. To effective
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.
While automation has transformed many areas inside clinical laboratories, microbiology still relies heavily on manual tasks, particularly the culture of samples on agar plates and their subsequent manual review for microorganism identification and antibiotic susceptibility profiling. Bacterial colony detection and classification require trained professionals, making the process time-consuming and prone to human error. Developing deep learning models to automate these tasks could improve microbiology workflows and accelerate clinical decision-making. In this study we trained and evaluated five
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.
To find the cause of infectious diseases such as urinary tract infections, a the diagnostic patterning test was used. In this method, the whole blood and serum samples for every person were dried on a glass substrate to create a special pattern due to formation of central and peripheral regions. This process was performed during 1 h at 25 °C which is much shorter than the classical and instrumental methods. The resulting patterns can be observed by an optical microscope. The study aimed to classify the UTI patients and healthy controls (N=600). In addition, the images of dried patterns were ca
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.
Alzheimer's disease (AD) is one of the primary causes of dementia in the older population, affecting memories, cognitive levels, and the ability to accomplish simple activities gradually. Timely intervention and efficient control of the disease prove to be possible through early diagnosis. The conventional machine learning models designed for AD detection work well only up to a certain point. They usually require a lot of labeled data and do not transfer well to new datasets. Additionally, they incur long periods of retraining. Relatively powerful models of deep learning, however, also are ver
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: Traditional deep learning models for multivariate time-series data often fall short in capturing long-range temporal dependencies critical for early prediction of the onset of acute respiratory distress syndrome (ARDS). To address this gap, we introduce Graph-spa, a dynamic Spatiotemporal Graph Neural Network (STGNN) based framework that not only improves ARDS prediction by modeling evolving interactions among clinical variables but also enhances interpretability through model-agnostic feature attribution.
METHODS: Graph-spa at its core integrates temporal convolution layers with 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.
The artificial design and high-throughput screening (HTS) of synthetic yeast promoters are crucial for gene expression and metabolite biosynthesis in synthetic biology. It is essential to expand the screening scope and enhance the product identification in promoter engineering. Here, we develop a branch convolutional neural network (B-CNN), learning the sequence composition and structural properties of natural promoters, to comprehensively predict their relative strength and redesign the core region. It is combined with a genetic algorithm to identify mutant regions/sites of the alcohol oxidas
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.
This study presents a deep learning-based approach for assessing infant pain through facial expression analysis using Convolutional Neural Networks (CNNs). Given infants' inability to verbally articulate pain, reliable assessment methods are crucial in clinical nursing. To address this need, we developed a CNN model utilizing the COPE (Classification of Pain Expression) database. Our model achieved a test accuracy of 90.24%, with an average precision and recall of 87.58%, and an F1 score of 0.8758. Additionally, the model demonstrated high performance with an area under the curve of 0.9818 on
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.
Adolescent idiopathic scoliosis (AIS) is a three-dimensional lateral and torsional deformity of the spine, affecting up to 5% of the population. Traditional scoliosis screening methods exhibit limited accuracy, leading to unnecessary referrals and exposure to ionizing radiation from x-ray examinations. The 3D markerless surface topography (ST) technique quantifies trunk asymmetry and can be a potential scoliosis screening tool. However, differences in trunk asymmetry between individuals with scoliosis and those with a typically developing spine have yet to be thoroughly studied. Using the ST m
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.
Face detection is a multidisciplinary research subject that employs fundamental computer algorithms, image processing, and patterning. Neural networks, on the other hand, have been widely developed to solve challenges in the domains of feature extraction, pattern detection, and the like in general. The presented study investigates the DNN (deep neural networks) use in the creation of facial detection operating systems. In this study, a novel optimized deep network has been presented to face detection. In this paper, after using some preprocessing stages for contrast enhancement and increasing
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.
INTRODUCTION: Early detection of diabetic foot complications is essential for effective management and prevention of complications. Artificial intelligence (AI) technology based on digital image analysis offers a promising noninvasive method for diabetic foot screening. This systematic review aims to identify a study on the development of an AI model for diabetic foot screening using digital image analysis.
METHODOLOGY: The review scrutinized articles published between 2018 and 2023, sourced from PubMed, ProQuest, and ScienceDirect. The keyword-based search resulted in 2214 relevant articles
СтатьяСистематический обзорПолный 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.
Diabetic retinopathy (DR) is an age-related macular degeneration eye disease problem that causes pathological changes in the retinal neural and vascular system. Recently, fundus imaging is a popular technology and widely used for clinical diagnosis, diabetic retinopathy, etc. It is evident from the literature that image quality changes due to uneven illumination, pigmentation level effect, and camera sensitivity affect clinical performance, particularly in automated image analysis systems. In addition, low-quality retinal images make the subsequent precise segmentation a challenging task for 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.
Thyroid disease classification is a critical challenge in medical diagnostics, requiring accurate differentiation between hyperthyroidism, hypothyroidism, and normal thyroid function. This study introduces an advanced machine learning approach that integrates generative adversarial networks (GANs) for data augmentation and Kolmogorov-Arnold networks (KANs) for classification. Various machine learning models including logistic regression, random forest, support vector machines, multilayer perceptrons, and KANs were trained and evaluated. The results indicate that the application of GAN-based da
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.
RESEARCH QUESTION: Is abnormal gene module expression in the eutopic endometrium related to the occurrence of endometriosis?
DESIGN: Nine datasets of normal and eutopic endometrium were searched and collected through the National Center for Biotechnology Information Gene Expression Omnibus, which included genome-wide expression studies of 71 normal cases and 142 endometriosis cases. Surrogate variable analysis was used for dataset integration. The network module and hub genes were selected by weighted gene co-expression network analysis. Machine learning was used to establish a diagnostic mod
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2024eng
Scoliosis is a lateral deformity of the spine, usually diagnosed in patients with a Cobb angle (CA) greater than 10°. Accurate measurements of the CA are necessary for timely intervention and subsequent effective treatment of scoliosis. However, the existing gold standard to calculate the CA requires individual vertebrae pairs to be manually identified, which is a laborious process. The segmentation of vertebrae on X-ray images can be ridden with various challenges including image artifacts and varying intensity and contrasts. Generative Adversarial Networks have been applied to a variety of s
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.
Currently, neural network code editing is employed directly, without any theoretical analysis of its stability. This practice can lead to network instability and unnecessary resource consumption. To address these issues, this paper makes the following innovative contributions. First, we introduce a method for evaluating the stability of neural networks. Since this evaluation does not require gradient computation, it is applicable to a wide range of complex architectures. By applying this method, algorithm optimization can be performed prior to training, which helps identify potential performan
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.
Spiking Neural Networks are widely studied for their brain-inspired ability to process sequential information, yet their memory limitations often hinder the extraction of long-term dependencies. Reservoir computing, and in particular liquid state machines (LSM), has gained attention within this context for its ability to separate the recurrence and classification components into a recurrent reservoir liquid followed by a feedforward layer. However, existing LSM hardware suffers from significant design trade-offs, including large memory demands or performance degradation due to restrictive conn
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.
Phage therapy has become an important strategy against the crisis of antibiotic resistance for its potential to specifically target pathogenic bacteria. However, the narrow host range of phage makes the screening of precise matches of clinical strains inefficient, while existing computational tools are difficult to capture the dynamics of phage-host interactions due to their reliance on single modal features (genome or proteins). In this paper, we propose FusionPHI, a phage-host interaction prediction model that adopts a fully connected neural network architecture and takes multi-modal feature
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.
Drug repositioning is critical to drug development. Previous drug repositioning methods mainly constructed drug-disease heterogeneous networks to extract drug-disease features. However, these methods faced difficulty when we are using structurally simple models to deal with complex heterogeneous networks. Therefore, in this study, the researchers introduced a drug repositioning method named DRDSA. The method utilizes a deep sparse autoencoder and integrates drug-disease similarities. First, the researchers constructed a drug-disease feature network by incorporating information from drug chemic
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