The PET/CT imaging technology combining positron emission tomography (PET) and computed tomography (CT) is the most advanced imaging examination method currently, and is mainly used for tumor screening, differential diagnosis of benign and malignant tumors, staging and grading. This paper proposes a method for breast cancer lesion segmentation based on PET/CT bimodal images, and designs a dual-path U-Net framework, which mainly includes three modules: encoder module, feature fusion module and decoder module. Among them, the encoder module uses traditional convolution for feature extraction of
Аннотация на английскомСтатьяПоиск 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: We develop an efficient deep-learning based dual-domain reconstruction method for sparse-view CT reconstruction with small training parameters and comparable running time. We aim to investigate the model's capability and its clinical value by performing objective and subjective quality assessments using clinical CT projection data acquired on commercial scanners.
METHODS: We designed two lightweight networks, namely Sino-Net and Img-Net, to restore the projection and image signal from the DD-Net reconstructed images in the projection and image domains, respectively.
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.
Carotid artery (CA) stenosis (CAS) constitutes a significant factor to ischaemic cerebrovascular events which exhibiting no overt symptoms in the early stages. Early detection of CAS can prevent ischaemic stroke and improve patient prognosis. In this study, we developed a non-invasive CAS automatic assessment method based on deep learning, intended for the early detection of CAS with CT imaging. The method proposed in this paper consists of three main components. First, we utilised thresholding and the Hessian-based Frangi filter to eliminate irrelevant tissue and enhance vascular structures.
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.
Manual microscopic inspection of fixed and stained blood smears has remained the gold standard for Plasmodium parasitemia analysis for over a century. Unfortunately, smear preparation consumes time and reagents, while manual microscopy is skill-dependent and labor-intensive. Here, we demonstrate that deep learning enables both life stage classification and accurate parasitemia quantification of ordinary brightfield microscopy images of live, unstained red blood cells. We tested our method using both a standard light microscope equipped with visible and near-ultraviolet (UV) illumination, and a
СтатьяПоддержка исследования: вне правительства СШАВалидационное 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 rapid emergence of drug resistance in viral infections represents a significant global health challenge, threatening the efficacy of treatments for multiple diseases. Machine learning models have emerged as valuable tools for predicting antiviral drug resistance from genomic data, with HIV-1 protease serving as a well-characterized model system due to its extensive experimental data and clinical relevance. Here, we systematically evaluate multiple previously published HIV-1 protease inhibitor (PI) resistance prediction models across three distinct data sets with different preprocessing and
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.
Deep neural networks in medical and edge environments often face computational and memory constraints, which necessitate effective model compression. Neural network pruning is a widely used solution, but conventional methods often rely on magnitude-based or random criteria that can remove entire functional groups of neurons and reduce model performance. This study introduces Graph-Community Cluster Pruning (GCCP), a structured pruning framework that constructs neuron activation similarity graphs and employs Louvain community detection to identify functionally cohesive groups. Within each commu
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.
Micro-structural parameters of the thoracic or lumbar spine generally carry insufficient accuracy and precision for clinical in vivo studies when assessed on quantitative computed tomography (QCT). We propose a 3D convolutional neural network with specific loss functions for QCT noise reduction to compute micro-structural parameters such as tissue mineral density (TMD) and bone volume ratio (BV/TV) with significantly higher accuracy than using no or standard noise reduction filters. The vertebra-phantom study contained high resolution peripheral and clinical CT scans with simulated in vivo CT
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.
The computation-through-dynamics perspective argues that biological neural circuits process information via the continuous evolution of their internal states. Inspired by this perspective, Latent Factor Activity using Dynamical systems (LFADS, [1]) identifies a generative model consistent with the neural activity recordings. LFADS models neural dynamics with a recurrent neural network (RNN) generator, which results in excellent fit to the data. However, it has been difficult to understand the dynamics of the LFADS generator. In this work, we show that this poor interpretability arises in part
СтатьяПрепринтПолный 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.
In secondary hyperparathyroidism (SHPT) disease, preoperatively localizing hyperplastic parathyroid glands is crucial in the surgical procedure. These glands can be detected via the dual-modality imaging technique single-photon emission computed tomography/computed tomography (SPECT/CT) since it has high sensitivity and provides an accurate location. However, due to possible low-uptake glands in SPECT images, manually labeling glands is challenging, not to mention automatic label methods. In this work, we present a deep learning method with a novel fusion network to detect hyperplastic parathy
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.
Spiking neural networks were introduced to understand spatiotemporal information processing in neurons and have found their application in pattern encoding, data discrimination, and classification. Bioinspired network architectures are considered for event-driven tasks, and scientists have looked at different theories based on the architecture and functioning. Motor tasks, for example, have networks inspired by cerebellar architecture where the granular layer recodes sparse representations of the mossy fiber (MF) inputs and has more roles in motor learning. Using abstractions from cerebellar c
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.
AIM: Depression is associated with social dysfunction, but the mechanisms linking affective symptoms to disrupted close relationships remain understudied. It is also unclear whether neural sensitivity to shared reward predicts social valuation during more complex interactions, with the possibility of depression altering the link between how people experience rewards shared with and trust reciprocated by close others. Thus, this preregistered fMRI study tested whether neural sensitivity to shared reward cross-task predicts trust-related behavior and brain responses, and whether these associatio
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.
SIGNIFICANCE: Oral cancer surgery requires accurate margin delineation to balance complete resection with post-operative functionality. Current in vivo fluorescence imaging systems provide two-dimensional margin assessment yet fail to quantify tumor depth prior to resection. Harnessing structured light in combination with deep learning (DL) may provide near real-time three-dimensional margin detection.
AIM: A DL-enabled fluorescence spatial frequency domain imaging (SFDI) system trained with in silico tumor models was developed to quantify the depth of oral tumors.
APPROACH: A convolutional
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.
BACKGROUND AND OBJECTIVE: Hepatocellular carcinoma is a common disease with high mortality. Through deep learning methods to analyze HCC CT, the screening classification and prognosis model of HCC can be established, which further promotes the development of computer-aided diagnosis and treatment in the treatment of HCC. However, there are significant challenges in the actual establishment of HCC auxiliary diagnosis model due to data imbalance, especially for rare subtypes of HCC and underrepresented demographic groups. This study proposes a GAN model aimed at overcoming these obstacles and im
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: The most difficult aspect of diagnosing lung cancer is early diagnosis. According to the American Cancer Society, each year, there are around 11 million newly diagnosed instances of cancer worldwide. Radiologists often turn to Computed Tomography (CT) scans to diagnose respiratory conditions, which can reveal if lung tissue remains normal or abnormal. However, there is an increased chance of inaccuracy and delay; therefore, radiologists are concerned with the physical segmentation of nodules.
OBJECTIVE: The objective of the research is to implement an advanced modified threshold 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.
Electroencephalography (EEG) plays an import role in monitoring the brain activities of patients with epilepsy and has been extensively used to diagnose epilepsy. Clinically reading tens or even hundreds of hours of EEG recordings is very time consuming. Therefore, automatic detection of seizure is of great importance. But the huge diversity of EEG signals belonging to different patients makes the task of seizure detection much challenging, for both human experts and automation methods. We propose three deep transfer convolutional neural networks (CNN) for automatic cross-subject seizure detec
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.
Essential tremor with resting tremor (rET) and tremor-dominant Parkinson's disease (tPD) share many similar clinical symptoms, leading to frequent misdiagnoses. Functional connectivity (FC) matrix analysis derived from resting-state functional MRI (Rs-fMRI) offers a promising approach for early diagnosis and for exploring FC network pathogenesis in rET and tPD. However, methods relying solely on a single connection pattern may overlook the complementary roles of different connectivity patterns, resulting in reduced diagnostic differentiation. Therefore, we propose a multi-pattern connection Gr
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.
Attention-deficit hyperactivity disorder (ADHD) is a common neurodevelopmental disorder with lifelong impairments. ADHD-related behaviors have been observed as early as toddlerhood for children who later develop ADHD. Children with ADHD have disrupted connectivity in neural circuitry involved in executive control of attention, including the prefrontal cortex (PFC) and dorsal attention network (DAN). It is not known if these alterations in connectivity can be identified before the onset of ADHD. Children (N = 51) 1.5-3 years old were assessed using functional near-infrared spectroscopy while en
СтатьяПоддержка NIH: внешняя программаПоддержка 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.
Many people experience mild stress in modern society which raises the need for an improved understanding of psychophysiological responses to stressors. Heart rate variability (HRV) may be associated with a flexible network of intricate neural structures which are dynamically organized to cope with diverse challenges. HRV was obtained in thirty-three healthy participants performing a cognitive task both with and without added stressors. Markers of neural autonomic control and neurovisceral complexity (entropy) were computed from HRV time series. Based on individual anxiety responses to the expe
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.
It is assumed widely that the clinical expression of Parkinson's Disease (PD), both motor and cognitive, is subtended by topographically distributed brain networks. However, little is known about the functional neuroanatomy of executive dysfunction in PD. Our objective was to validate further in a PD group the use of network analysis to assess the relationship between executive processes and pathological disorganization of frontostriatal networks. We studied 15 patients with idiopathic PD, and 7 age-matched normal controls, using resting [(18)F]fluorodeoxyglucose (FDG) and high-resolution posi
СтатьяПоддержка исследования: вне правительства СШАПолный 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 opioid epidemic is a pervasive health issue and continues to have a drastic impact on the healthcare system. This is primarily because opioids cause respiratory suppression and can lead to respiratory failure. Opioid administration can affect the frequency and magnitude of inspiratory motor drive by activating µ-opioid receptors, located throughout the respiratory control network in the brainstem. However, the precise neural mechanisms that suppress breathing are not fully understood. Previous research suggests opioids affect medullary and pontine inspiratory neuron activity by disrupting
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