BACKGROUND AND OBJECTIVE: Alzheimer's disease (AD) significantly threatens community well-being and healthcare resource allocation due to its high incidence and mortality. Therefore, early detection and intervention are crucial for reducing AD-related fatalities. However, the existing deep learning-based approaches often struggle to capture complex structural features of magnetic resonance imaging (MRI) data effectively. Common techniques for multi-scale feature fusion, such as direct summation and concatenation methods, often introduce redundant noise that can negatively affect model performa
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: This review aims to summarize the research progress of magnetic resonance imaging (MRI)-based deep learning ( DL) in meningiomas, analyze its advantages, limitations, and key issues in clinical translation, provide technical references for relevant medical researchers and clinicians, thereby promoting the faster and more standardized application of DL in clinical diagnosis and treatment, and ultimately benefiting patients.
BACKGROUND: The early detection and accurate grading and classification of meningiomas are crucial for formulating personalized treatment plans. DL has achieved
СтатьяОбзорПоиск 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.
Preoperative classification of brain tumors is critical to developing personalized treatment plans, however existing classification methods rely on manual intervention and often have problems with efficiency and accuracy, which may lead to misdiagnosis or delayed diagnosis in clinical practice and affect the therapeutic effect. We propose a fully automated approach to brain tumor magnetic resonance imaging (MRI) classification, consisted by a feature extractor based on the improved U-Net and a classifier based on convolutional recurrent neural network (CRNN). The encoder of the feature extract
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.
Alzheimer's disease (AD) is a progressive neurodegenerative disorder with increasing prevalence among the ageing population, necessitating early and accurate diagnosis for effective disease management. In this study, we present a novel hybrid deep learning framework, AlzhiNet, that integrates both 2D convolutional neural networks (2D-CNNs) and 3D convolutional neural networks (3D-CNNs), along with a custom loss function and volumetric data augmentation, to enhance feature extraction and improve classification performance in AD diagnosis. According to extensive experiments, AlzhiNet outperforms
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.
Ocular diseases can significantly affect vision and overall quality of life, with diagnosis often being time-consuming and dependent on expert interpretation. While previous computer-aided diagnostic systems have focused primarily on medical imaging, this paper proposes VisionTrack, a multi-modal AI system for predicting multiple retinal diseases, including Diabetic Retinopathy (DR), Age-related Macular Degeneration (AMD), Diabetic Macular Edema (DME), drusen, Central Serous Retinopathy (CSR), and Macular Hole (MH), as well as normal cases. The proposed framework integrates a Convolutional Neu
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: Artificial intelligence (AI) is poised to transform point-of-care practice by providing rapid snapshots of cardiac functioning. Although previous AI models have been developed to estimate left ventricular ejection fraction (LVEF), they have typically used video clips as input, which can be computationally intensive. In the current study, we aimed to develop an LVEF estimation model that takes in static frames as input.
METHODS: Using retrospective transthoracic echocardiography (TTE) data from Mayo Clinic Rochester and Mayo Clinic Health System sites (training: n=19 627; interval
СтатьяВалидационное исследованиеМногоцентровое исследованиеПоддержка 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.
In Europe, endometrial carcinoma was found to be the fourth most common tumor in the female population in 2022. The depth of myometrial invasion is a well-established and crucial prognostic risk factor in endometrial cancer patients and is important for choosing the most appropriate management for the patient. However, while the preoperative assessment of tumor invasion carried out using radiological imaging is very important, it is a subjective examination and its accuracy is based on the experience of the operator. In this scenario we proposed a radiomic-based model to predict myometrial inv
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.
Retinal diseases are among the leading causes of vision impairment worldwide, and early detection is essential for enabling personalized treatments and preventing irreversible vision loss. In this paper, we propose a method aimed to identify and localize retinal conditions, i.e., Age-Related Macular Degeneration, Diabetic Retinopathy, and Choroidal Neovascularization, using explainable deep learning. For this purpose, we consider seven fine-tuned convolutional neural networks: MobileNet, LeNet, StandardCNN, CustomCNN, DenseNet, Inception, and EfficientNet. Moreover, we develop a novel architec
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.
BACKGROUND: Accurate mortality risk prediction is crucial for effective cardiovascular risk management. Recent advancements in artificial intelligence (AI) have demonstrated potential in this specific medical field. Qwen-2 and Llama-3 are high-performance, open-source large language models (LLMs) available online. An artificial neural network (ANN) algorithm derived from the SWEDEHEART (Swedish Web System for Enhancement and Development of Evidence-Based Care in Heart Disease Evaluated According to Recommended Therapies) registry, termed SWEDEHEART-AI, can predict patient prognosis following 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.
Efficient behavior is supported by humans' ability to rapidly recognize acoustically distinct sounds as members of a common category. Within the auditory cortex, critical unanswered questions remain regarding the organization and dynamics of sound categorization. We performed intracerebral recordings during epilepsy surgery evaluation as 20 patient-participants listened to natural sounds. We then built encoding models to predict neural responses using sound representations extracted from different layers within a deep neural network (DNN) pretrained to categorize sounds from acoustics. This ap
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.
There is wide recognition of the threats posed by the open dumping of waste in the environment. However, tools to surveil interventions for reducing this practice are poorly developed. This study explores the use of drone imagery for environmental surveillance. Drone images of waste piles were captured in a densely populated residential neighborhood in the Republic of Malawi. Images were processed using the Structure for Motion (SfM) technique and partitioned into segments using Orfeo Toolbox mounted in QGIS software. A total of 509 segments were manually labeled to generate data for training
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.
Reliable feedback of gait variables, such as joint moments, is critical for designing controllers of intelligent assistive devices that can assist the wearer outdoors. To estimate lower extremity joint moments quickly and accurately outside the laboratory, a novel multimodal motion intent recognition system by fusing traditional deep learning models is proposed in this paper. The developed estimation method uses the joint kinematics data and individual feature parameters to estimate lower limb joint moments in the sagittal plane under different motion conditions: walking, running, and stair as
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/Objective: Understanding the training effect in high-level running is important for performance optimization and injury prevention. This includes awareness of how different running surface types (e.g., hard versus soft) may modify biomechanics. Recent studies have demonstrated that deep learning algorithms, such as convolutional neural networks (CNNs), can accurately classify human activity collected via body-worn sensors. To date, no study has assessed optimal signal type, sensor location, and model architecture to classify running surfaces. This study aimed to determine which comb
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.
Traditional cloudy goji berry beverages (CGBs) preparation methods often cause irreversible phase separation during sterilization and require high homogenization pressures. However, combined ultrasound and homogenization (US-HPH) technology achieves stability of CGBs at lower pressures with the combination of 200 W ultrasonic power and 40 MPa homogenizing pressure. US-HPH significantly reduces average particle size by 67.91 % and increases absolute zeta potential by 5.73 % compared to optimal ultrasound conditions. And it reduces particle size by 43.78 % and increases zeta potential by 20.63 %
СтатьяОценочное исследованиеПоиск 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.
Chronic kidney disease (CKD) is a global health concern with early detection playing a pivotal role in effective management. Machine learning models demonstrate promise in CKD detection, yet the impact on detection and classification using different sets of clinical features remains under-explored. In this study, we focus on CKD classification and creatinine prediction using three sets of features: at-home, monitoring, and laboratory. We employ artificial neural networks (ANNs) and random forests (RFs) on a dataset of 400 patients with 25 input features, which we divide into three feature sets
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.
We present the first dual-functional microwave electronic nose (E-nose) that enables wireless communication, VOC mixture detection, and reliable concentration estimation, designed for seamless integration with wireless sensor networks. The proposed E-nose features multiple-input multiple-output (MIMO) antenna system functionalized with molecularly imprinted polymer (MIP) and multiwalled carbon nanotube-based sensing materials for the selective detection of individual or mixed volatile organic compounds (VOCs). We addressed several novel challenges such as managing cross-reactivity under electr
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.
Groundwater arsenic (As), contamination is a significant issue worldwide including China and Pakistan, particularly in canal command areas. In this study, 131 groundwater samples were collected, and three machine learning models [Random Forest (RF), Logistic Regression (LR), and Artificial Neural Network (ANN)] were employed to predict As concentration. Descriptive statistics helped to conclude that all of the samples were inside the permitted limit of WHO for pH, Ca, Mg, Turbidity, Cl, K, Na, SO4, NO3, F and beyond limit of WHO for EC, HCO3, TDS, and As. RF suggested a median drop in Gini nod
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.
Natural deep eutectic solvents (NADESs) exhibit inherent eco-friendly characteristics and negligible pollution compared to traditional absorbents. However, identifying optimal NADESs for CO2 capture efficiently requires extensive experimental investigation, leading to significant time and resource consumption. Therefore, developing a robust predictive model to estimate CO2 solubility in NADESs accurately is crucial for advancing carbon capture technology. In this study, a novel machine learning model incorporating a self-attention neural network (SANN) based on the quantitative structure-prope
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.
In this study, in order to maximize the biological activity of the medicinal mushroom species Fomes fomentarius, extraction parameters were evaluated by Response Surface Methodology (RSM) and Artificial Neural Network-Genetic Algorithm (ANN-GA) hybrid optimization. The effects of extraction temperature, time and ethanol/water ratio on total antioxidant capacity (TAC) were modeled. As a result of the study, the optimum conditions were determined as 41.080 °C, 41.751 min and 49.149% ethanol/water ratio for RSM. For ANN-GA, the optimum conditions were determined as 39.848 °C, 39.689 min and 88.49
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: Fruit-derived medicinal materials (FDMM) are extensively utilized in daily life, yet the market is beset by substantial variety confusion, which undermines consumer rights and well-being. Consequently, accurate identification of these materials is essential for guaranteeing their quality, effectiveness, and safety.
OBJECTIVES: This study aimed to combine attenuated total reflection-Fourier transform infrared spectroscopy (ATR-FTIR) and machine learning (ML) techniques to differentiate and identify 55 kinds of FDMM.
MATERIALS AND METHODS: A total of 861 sample batches were colle
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.
MedElevator
Войти в исследования