Local composition theory postulates that the immediate molecular environment of a component differs from the bulk mixture composition. Classical local composition models describe this by using fixed algebraic expressions in the form of Boltzmann-like distributions which in turn results in explicit pairwise enumeration of components in multicomponent mixtures. Recent hard-constrained neural networks relax this functional form but remain tied to pairwise enumeration through geometric projection. Here, we propose DeepThermoMix, a local-composition-based graph neural network that predicts multicom
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 network (DNN)-based in silico models show great promise in predicting the properties and bioactivities of novel compounds, including small molecules. Among traditional approaches, structure-based drug design (SBDD) remains a fundamental approach for drug discovery using molecular docking, scoring functions, and molecular dynamics simulations. However, these approaches are often constrained by limited flexibility, resolution, and generalizability. Geometric deep learning (GDL) offers a transformative alternative by enabling models to learn directly from non-Euclidean molecular repre
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.
INTRODUCTION: Vertical root fractures (VRFs) are diagnostically challenging lesions with significant clinical implications. Artificial intelligence (AI) models have emerged as a potential diagnostic aid. This systematic review assessed the diagnostic performance of AI-based models for VRF detection across various imaging techniques.
METHODS: Databases including PubMed, Scopus, and Web of Science were thoroughly searched until Jan 2025. Studies that reported on diagnostic accuracy, sensitivity, and specificity were included. Articles in languages other than English were excluded. Study quality
СтатьяСистематический обзорПоиск 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.
Given its complexity within the upper limb, the shoulder joint presents a major design challenge in the creation of humanoid robots, driving the need for bio-inspired mechanisms that achieve both dexterity and stability. This study deals with the bio-inspired design, mechanical modeling and neural network-enhanced control of a novel cable-driven shoulder mechanism. The design of the cable-driven biomimetic shoulder mechanism is informed by the identification of a core muscle subset, which is determined by establishing the muscular simplification strategy through the analysis of muscle function
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.
This study presents an integrated methodology for pre-operative cryosurgical planning of irregularly shaped brain tumors using two-dimensional MRI data. Tumor regions were first segmented from MRI slices using a 2D U-Net architecture trained on annotated datasets, enabling accurate geometric reconstruction of the affected tissue. The segmented masks were then employed to determine cryoprobe placement using spatial probe-placement strategies, specifically K-Medoids clustering, Gaussian Mixture Models (GMM), and the Bubble Packing Algorithm (BPA), each of which predicted both the optimal number
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.
Accurate segmentation of the placenta in Magnetic Resonance (MR) images is required for quantitative techniques such as texture and shape analysis, which have been proposed to improve placenta accreta spectrum (PAS) diagnostic rates. However, it is challenging due to the low contrast, image noise, blurred boundaries, and manual annotation variability. Hence, we proposed an enhanced U-Net architecture named BiGC U-Net, to automatically segment placental MR images. This deep learning (DL) structure incorporates a bidirectional gated convolutional module (BiGC) to capture complementary spatial de
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.
Accurate detection of premature atrial contractions (PACs) and premature ventricular contractions (PVCs) in single-lead electrocardiograms (ECGs) is crucial for early identification of patients at risk for atrial fibrillation, cardiomyopathy, and other adverse outcomes. In this work, we present a fully convolutional one-dimensional U-Net that reframes beat classification as a segmentation task and directly detects normal beats, PACs, and PVCs from raw ECG signals. The architecture employs a ConvNeXt V2 encoder with simple decoder blocks and does not rely on explicit R-peak detection, handcraft
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 emergence of Autonomous and Connected Autonomous Vehicles (CAVs) has transformed the automotive landscape drastically over the past few years by offering enhanced features in the vehicles for drivers' safety and convenience. These developments have introduced various features in AVs i.e., lane-keeping, cruise control, etc. These features are mainly powered by the Electronic Control Units (ECUs) that communicate using the Controller Area Network (CAN) bus protocol. The components in the AVs communicate with each other by sending and receiving messages via the CAN bus. However, despite incre
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: Visual interpretation of microbial colonies on agar plates is an essential task for experienced microbiologists. In high-throughput workflows and large-scale screening, automated image-based methods can provide decision-support capabilities in standardized laboratory imaging setups and consistency. Deep Learning (DL) can support automated identification, but comparative evidence across widely used Convolutional Neural Networks (CNNs) on the same dataset remains limited.
METHODS: This study performed a head-to-head comparison of six CNN architectures-AlexNet, SqueezeNet 1.1, ResNet
СтатьяСравнительное исследованиеОценочное 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.
INTRODUCTION: Artificial intelligence (AI) is increasingly prevalent. Patients and clinicians may use AI-based tools in many different languages.
OBJECTIVE: To investigate AI translation tools for descriptions of genetic conditions and how AI identification of genetic conditions is affected by translations.
MATERIALS AND METHODS: We used Neural machine translation (NMT) and large language-model (LLM) translation to translate descriptions of 40 genetic conditions into 191 and 93 languages, respectively. Excluding translations retaining English medical terms verbatim, we respectively focused o
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.
Atrial Fibrillation (AFib) is the most common sustained cardiac arrhythmia and is associated with substantial morbidity and mortality, including increased risk of stroke and heart failure. Accurate detection of AFib in long-term electrocardiographic (ECG) monitoring is essential for timely diagnosis and early clinical intervention, particularly in ambulatory settings using wearable devices. In this study, we evaluate the performance of a lightweight convolutional neural network (CNN) for automated AFib detection, initially trained on the CinC2021 dataset and subsequently fine-tuned with real-w
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.
Offline reinforcement learning constrains policy optimization within a given dataset, avoiding the high costs and unpredictable risks associated with online sampling in the real world. Model-based approaches provide a promising direction for offline reinforcement learning, as extensive policy explorations and evaluations can happen within the data-driven dynamics model, transcending the limitations imposed by the dataset boundaries. However, accurately predicting long-horizon sequential steps in the learned dynamics model remains a significant challenge. Model roll-out in previous methods reli
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.
Early and accurate detection of lymph node metastases is crucial for improving breast cancer patient outcomes. However, current clinical practices, including CT, PET imaging, and microscopic examination, are time-consuming and prone to errors due to low tissue contrast, varying lymph node sizes, and complex workflows. To address the limitations of existing approaches in lymph node segmentation, feature embedding, and classification, this study proposes a novel framework Graph-Pruned Lymph Node Detection Framework (GPLN-DF) that integrates a Dynamic Graph Convolution (DGC) autoencoder with Node
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.
Objective.Bone scan imaging for the detection of bone metastasis of breast cancer has been widely adopted; however, noise, anatomy superimposition, and small size for early lesions will severely affect its prediction performance. In this work, we propose a new framework with two major contributions to solve the main problems existing in current deep-learning-based approaches.Approach.In this study, we put forward a new model called the dual branch feature alignment network (DBFANet) for automated breast cancer bone metastases detection in bone scintigraphy. DBFA-net adopts a dual-branch CNN-Tr
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.
Globally, breast cancer is recognized as the leading form of malignant tumor in women, significantly impacting public health on an international scale. However, current breast cancer classification methods often overlook the imbalanced data distribution within breast cancer datasets. This leads to models being biased toward majority-class samples during classification, while underperforming on minority-class samples, thereby reducing overall classification accuracy. Moreover, multi-classification approaches can provide physicians with richer diagnostic information and better support the develo
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.
OBJECTIVE: Cardiotocography (CTG) is commonly used to monitor fetal heart rate (FHR) and assess fetal well-being during labor. However, its effectiveness in reducing adverse outcomes remains limited due to low sensitivity and high false-positive rates. This study aims to develop an interpretable deep learning model that fuses FHR time series with tabular clinical features to improve prediction of fetal compromise (umbilical artery pH $< $ 7.05).
METHODS: We introduce Fusion ResNet, a novel architecture combining residual convolutional networks for FHR signal processing with a parallel neural
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) detection is essential for timely treatment and better patient care. Magnetic Resonance Imaging (MRI) is a technique in which radio waves and magnetic fields are used to capture high-resolution, multi-dimensional representations of brain structures. This high-resolution imaging capability makes MRI a key tool for diagnosing neurological disorders such as Alzheimer's disease. However, the problem is to correctly classify the fresh MRI scans of patients. Researchers have proposed a deep learning-based method for Alzheimer's disease diagnosis using a Siamese Convolutional
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.
INTRODUCTION AND AIMS: Maxillary transverse deficiency (MTD) is conventionally evaluated using cone-beam computed tomography (CBCT), which entails increased radiation exposure, cost, and clinical workload. Frontal intraoral photographs are routinely obtained in orthodontic practice. Using CBCT-derived transverse measurements as reference standards, we developed, validated, and compared multiple deep learning (DL) models to assess the feasibility of identifying MTD from frontal intraoral photographs.
METHODS: This study included 826 internal and 192 external patients who underwent paired front
СтатьяСравнительное исследованиеПолный 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.
Thoracic radiotherapy for lung cancer patients followed by radiation pneumonitis (RP) has significant clinical side effects. Risk-adaptive treatment planning can be supported by accurate early RP prediction. Using thoracic CT scans, this study suggests an efficient deep learning algorithm for RP prediction. An analysis was conducted on a retrospective cohort of 548 patients with lung cancer who received thoracic radiotherapy between 2010 and 2021. According to established toxicity criteria, clinically significant RP was classified as Grade ≥ 2 and evaluated during post-treatment follow-up. Cli
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.
Manual evaluation of non-contrast CT scans (NCTS) for detecting subdural hematoma (SDH) is time consuming, potentially inaccurate, and subjective to the expert analyzing them. In recent years, two deep learning (DL) algorithms have been popularly studied in this respect, namely convolutional neural networks (CNN) and U-Net architectures, the latter being a specialized type of CNN. We performed the first meta-analysis comparing various DL models for SDH detection. MEDLINE, Cochrane, Scopus, and Embase databases were searched from inception through December 2025. Studies evaluating ML model perf
СтатьяМетаанализОбзорПоиск 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