MOTIVATION: Perineural invasion (PNI) is an important pathological phenotype associated with poor prognosis in multiple malignancies. The primary detection method is visual inspection of whole slide images (WSIs), which is labor-intensive, time-consuming, subjective, and prone to high inter-observer variability. Developing reliable, accurate deep learning models for PNI detection is constrained by the lack of pixel-level annotated WSIs.
RESULTS: We evaluated four backbone architectures and two different approaches to improve PNI detection in a multi-organ dataset of colon, prostate, and pancr
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.
Accurate detection, localization, and staging of breast cancer lymph node metastases are critical for guiding treatment decisions and predicting patient outcomes. This study presents a selective neighborhood attention-based deep learning framework that combines nuclei-level features with high-level tissue embeddings to detect, annotate and stage breast cancer metastases in whole-slide images (WSIs) of lymph node biopsy specimens precisely. The proposed framework leverages a dual-path feature extractor, incorporating both nuclei segmentation/classification outputs and transformer-based tissue f
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.
Hematoxylin and eosin (H&E) staining has long been a cornerstone of histopathology, typically applied to formalin-fixed, paraffin-embedded (FFPE) tissue sections to ensure stable and consistent sample preparation. However, the chemical staining procedure is inherently irreversible, making stained tissue unsuitable for subsequent analysis. Moreover, it is time-consuming, requires chemical handling, and incurs significant costs. While label-free microscopy, combined with deep learning, has been explored as an alternative, its clinical adoption remains limited due to slow imaging speeds, single-s
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.
Leukemia is a hematologic tumor that proliferates in bone marrow and seriously affects the survival of patients. Early and accurate diagnosis is crucial for effective leukemia treatment. Traditional diagnostic methods rely on experts' subjective analysis of bone marrow smears microscopic images. This approach is time-consuming and complex. Despite recent advances in deep learning, automated leukemia detection remains limited due to the scarcity of high-quality datasets, the prevailing focus on single-cell image classification rather than precise cell-level detection in whole slide images, alon
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.
Once deployed, medical image analysis methods are often faced with unexpected image corruptions and noise perturbations. These unknown covariate shifts present significant challenges to deep learning based methods trained on "clean" images. This often results in unreliable predictions and poorly calibrated confidence, hence hindering clinical applicability. While recent methods have been developed to address specific issues such as confidence calibration or adversarial robustness, no single framework effectively tackles all these challenges simultaneously. To bridge this gap, we propose LaDiNE
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.
Glaucoma is a chronic and widespread eye disease threatening humans' irreversible vision loss. The cup-to-disc ratio (CDR), one of the most important measurements used for glaucoma screening and diagnosis, requires accurate segmentation of optic disc and cup from fundus images. However, most existing techniques fail to obtain satisfactory segmentation performance because a significant number of pixel-level annotated data are often unavailable during training. To cope with this limitation, in this paper, we propose an effective joint optic disc and cup segmentation method based on semi-supervis
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.
Determining the dynamics of functional connectivity is critical for understanding the brain. Recent functional magnetic resonance imaging (fMRI) studies demonstrate that measuring correlations between brain regions in resting-state activity can be used to reveal intrinsic neural networks. To study the oscillatory dynamics that underlie intrinsic functional connectivity between regions requires high temporal resolution measures of electrophysiological brain activity, such as magnetoencephalography (MEG). However, there is a lack of consensus as to the best method for examining connectivity in r
СтатьяПоддержка NIH: внешняя программаПолный 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.
We develop a PC-based quantitative asymmetry analyzing system for facial palsy patients. To collect frequent data, the system is designed to maximize the chance of measure and minimize the variation of measuring. The system is based on the DirectX technology adopting white balance correction, lip segmentation, point-tracking techniques. The degree and pattern of asymmetry is estimated by tracking the bi-lateral lip points. Tracking performance is tuned up by changing the configuration of tracking compared to previous study. All data are able to be sent via FTP and reviewed by clinician. Direct
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.
CT-based bronchial tree analysis is a key step for the diagnosis of lung and airway diseases. However, the topology of bronchial trees varies across individuals, which presents a challenge to the automatic bronchus classification. To solve this issue, we propose the Bronchus Classification Network (BCNet), a structure-guided framework that exploits the segment-level topological information using point clouds to learn the voxel-level features. BCNet has two branches, a Point-Voxel Graph Neural Network (PV-GNN) for segment classification, and a Convolutional Neural Network (CNN) for voxel labeli
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 paper addresses the problem of converting a conventional video stream based on sequences of frames into the spike event-based representation known as the address-event-representation (AER). In this paper we concentrate on rate-coded AER. The problem is addressed as an algorithmic problem, in which different methods are proposed, implemented and tested through software algorithms. The proposed algorithms are comparatively evaluated according to different criteria. Emphasis is put on the potential of such algorithms for a) doing the frame-based to event-based representation in real time, an
Оценочное исследованиеСтатьяПоддержка 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.
PURPOSE: To evaluate the efficacy of low-dose CT (LDCT) with deep learning image reconstruction (DLIR) for the surveillance of pancreatic cystic lesions (PCLs) compared with standard-dose CT (SDCT) with adaptive statistical iterative reconstruction (ASIR-V).
METHODS: The study enrolled 103 patients who underwent pancreatic CT for follow-up of incidentally detected PCLs. The CT protocol included LDCT in the pancreatic phase with 40% ASIR-V, DLIR at medium (DLIR-M) and high levels (DLIR-H), and SDCT in the portal-venous phase with 40% ASIR-V. The overall image quality and conspicuity of PCLs we
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.
PURPOSE: This study aimed to compare the quality of abdominal CT angiography (CTA) images obtained using conventional reconstruction algorithms with those obtained using a novel iterative algorithm (forward projected model-based iterative reconstruction solution, FIRST) for evaluating arteries in the abdomen.
MATERIALS AND METHODS: Abdominal CTA images from 60 patients (M:F = 27:33; mean age, 62.4 ± 16.7 years) were reconstructed using three algorithms - filtered back projection (FBP), adaptive iterative dose reduction 3D (AIDR 3D), and FIRST. Image noise, signal-to-noise ratio (SNR), and con
Сравнительное исследованиеСтатьяПоиск 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.
Fundamental to the diagnosis of lung cancer in computed tomography (CT) scans is the detection and interpretation of lung nodules. As the capabilities of CT scanners have advanced, higher levels of spatial resolution reveal tinier lung abnormalities. Not all detected lung nodules should be reported; however, radiologists strive to detect all nodules that might have relevance to cancer diagnosis. Although medium to large lung nodules are detected consistently, interreader agreement and reader sensitivity for lung nodule detection diminish substantially as the nodule size falls below 8 to 10 mm.
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.
Improvements in software removal of scatter artifacts; reduced x-ray dose; and delivery of interpretive reports, analyses, appliances, and images will continue, and use of cone beam volumetric tomography will increase. Distributive networks will be introduced to simplify all of these tasks. Virtual articulators, computer assisted design and computer assisted manufacturing devices will improve, and online delivery of some of these services will increase concomitantly. Consequently, dentistry will improve and, along with it, patient care.
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.
Enlarged perivascular spaces (PVS) are imaging markers of cerebral small vessel disease (CSVD) that are associated with age, disease phenotypes, and overall health. Quantification of PVS is challenging but necessary to expand an understanding of their role in cerebrovascular pathology. Accurate and automated segmentation of PVS on T1-weighted images would be valuable given the widespread use of T1-weighted imaging protocols in multisite clinical and research datasets. We introduce segcsvdPVS, a convolutional neural network (CNN)-based tool for automated PVS segmentation on T1-weighted images.
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.
PURPOSE: The principles of signal-intensity-ratio (SIR) estimation were revisited to derive a set of generalizable equations to quantify liver iron concentration (LIC), extending the effective dynamic range of LIC-R2* estimation or detect when LIC- R2* estimation degenerates.
THEORY AND METHODS: Equations for LIC were derived for two techniques: (1) relaxometry of multi-echo gradient echo and (2) SIR of liver and muscle tissue in a single echo. MRI was completed at 1.5T and 3T in human subjects with a range of liver iron burdens. LIC was estimated by both techniques and compared to assess con
СтатьяПоддержка NIH: внешняя программаПолный 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.
OBJECTIVES: To investigate the use of the score-based diffusion model to accelerate breast MRI reconstruction.
MATERIALS AND METHODS: We trained a score-based model on 9549 MRI examinations of the female breast and employed it to reconstruct undersampled MRI images with undersampling factors of 2, 5, and 20. Images were evaluated by two experienced radiologists who rated the images based on their overall quality and diagnostic value on an independent test set of 100 additional MRI examinations.
RESULTS: The score-based model produces MRI images of high quality and diagnostic value. Both T1-
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.
BACKGROUND AND PURPOSE: Our aim was to use 2D convolutional neural networks for automatic segmentation of the spinal cord and traumatic contusion injury from axial T2-weighted MR imaging in a cohort of patients with acute spinal cord injury.
MATERIALS AND METHODS: Forty-seven patients who underwent 3T MR imaging within 24 hours of spinal cord injury were included. We developed an image-analysis pipeline integrating 2D convolutional neural networks for whole spinal cord and intramedullary spinal cord lesion segmentation. Linear mixed modeling was used to compare test segmentation results betwe
СтатьяПоддержка исследования: вне правительства СШАПоддержка 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.
A new method has been developed for fully automated segmentation of white matter lesions (WMLs) in cranial MR imaging. The algorithm uses information from T1-weighted (T1-w), inversion recovery (IR), proton density-weighted (PD), T2-weighted (T2-w) and fluid attenuation inversion recovery (FLAIR) scans. It is based on the K-Nearest Neighbor (KNN) classification technique that builds a feature space from voxel intensities and spatial information. The technique generates images representing the probability per voxel being part of a WML. By application of thresholds on these probability maps, bin
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.
Automated segmentation of breast lesions in ultrasound videos is critical for clinical applications but remains hindered by the reliance on expensive pixel-wise annotations. While scribble supervision offers a user-friendly alternative, its potential for ultrasound video segmentation remains underexplored. In this regard, we propose ScribSAM, a novel scribble-supervised framework built on the Medical Segment Anything Model (MedSAM) for robust ultrasound video segmentation. ScribSAM integrates two key innovations: a flow-guided scribble propagation module that leverages optical flow to efficien
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