Parkinson's disease (PD) is a common neurodegenerative disorder, and accurate identification of PD is critical for clinical diagnosis and disease management. Electroencephalography (EEG) sensors provide reliable real-time brain signal acquisition, making them practical biosensing modalities for PD detection. However, due to their non-stationarity, single time-domain or frequency-domain analysis methods are insufficient to extract robust discriminative features from EEG signals. To address this challenge, we propose a multi-domain feature fusion EEG classification model, termed Multi-Domain Fus
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.
Benign Paroxysmal Positional Vertigo (BPPV) is a prevalent vestibular disorder encountered in clinical settings. Diagnosis of this condition primarily relies on the observation of nystagmus, which involves monitoring the eye movements of patients. However, existing medical equipment for collecting and analyzing nystagmus data has notable limitations and deficiencies. To address this challenge, a comprehensive BPPV nystagmus data collection and intelligent analysis framework has been developed. Our framework leverages a neural network model, Egeunet, in conjunction with mathematical statistical
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 AND OBJECTIVE: Sleep disordered breathing (SDB) is one of the most common sleep disorders and has short-term consequences for daytime functioning while being a risk factor for several conditions, such as cardiovascular disease. Polysomnography, the current diagnostic gold standard, is expensive and has limited accessibility. Therefore, cost-effective and easily accessible methods for SDB detection are needed. Both cardiac and audio signals have received attention for SDB detection as they can be obtained with unobtrusive sensors, suitable for home applications.
METHODS: This paper
СтатьяПоддержка 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.
Sleep apnea, a prevalent respiratory disorder, poses significant health risks, including cardiovascular complications and behavioral issues, if left untreated. Traditional diagnostic methods like polysomnography, although effective, are often expensive and inconvenient. SleepNet addresses these issues by introducing a new multimodal approach tailored for precise sleep apnea detection. At its core, the framework utilizes a fusion of one-dimensional convolutional neural networks (1D-CNN) and bidirectional gated recurrent units (Bi-GRU) to analyze single-lead electrocardiogram (ECG) recordings, y
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.
The functional near-infrared spectroscopy-based brain-computer interface (fNIRS-BCI) systems recognize patterns in brain signals and generate control commands, thereby enabling individuals with motor disabilities to regain autonomy. In this study hand gripping data is acquired using fNIRS neuroimaging system, preprocessing is performed using nirsLAB and features extraction is performed using deep learning (DL) Algorithms. For feature extraction and classification stack and fft methods are proposed. Convolutional neural networks (CNN), long short-term memory (LSTM), and bidirectional long-short
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.
Segmentation accuracy and consistency directly affect the safety of treatment and the reliability of decision-making in tumor delineation, organ-at-risk protection, preoperative planning, and follow-up evaluation. The U-shaped convolutional network still has limitations in cross-regional modeling and adaptive cross-layer fusion, while the Transformer/hybrid architecture, although capable of encoding global context, is computationally expensive and has limited interpretability. To address these issues, we propose a multi-group rational KAN (MGR-KAN) and embed it into the U-shaped framework to 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.
The global incidence of lung diseases, particularly lung cancer, is increasing at an alarming rate, underscoring the urgent need for early detection, robust monitoring, and timely intervention. This study presents design aspects of an artificial intelligence (AI)-integrated microwave-based diagnostic tool for the early detection of lung tumors. The proposed method assimilates the prowess of machine learning (ML) tools with microwave imaging (MWI). A microwave unit containing eight antennas in the form of a wearable belt is employed for data collection from the CST body models. The data, collec
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.
This study aimed to develop a real-time, noninvasive hyperkalemia monitoring system for dialysis patients with chronic kidney disease. Hyperkalemia, common in dialysis patients, can lead to life-threatening arrhythmias or sudden death if untreated. Therefore, real-time monitoring of hyperkalemia in this population is crucial. We propose a wearable single-lead ECG monitoring system, offering enhanced comfort and feasibility for extended use. The key innovation of this system is the design of a compact, multi-channel convolutional neural network. This model offers high stability, strong performa
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.
This study was performed to propose and validate a fully automatic assessment of volume changes in the mandibular condyles following orthognathic surgery. Two sets of cone beam computed tomography scans were included: one with segmentations of complete mandibles and the other with pre- and postoperative segmentations of the mandibular rami. Two convolutional neural networks predicted a segmentation of the mandible and its ramus segments. Each preoperative ramus segment was registered to the postoperative mandible, and the pre- and postoperative condylar volumes were determined. For validation,
СтатьяВалидационное 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.
BACKGROUND: Motion sickness has been a key factor affecting user experience in Virtual Reality (VR) and limiting the development of the VR industry. Accurate detection of Virtual Reality Motion Sickness (VRMS) is a prerequisite for solving the problem.
NEW METHOD: In this paper, a dual-pathway model with channel attention for detecting VRMS is proposed. The proposed model has two pathways that both consist of CNN blocks and channel attention modules. The first pathway takes the EEG signal as inputs. The second pathway transforms the EEG signal into brain networks of six frequency bands using
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.
OBJECTIVES: This study explores the application of deep learning models for classifying the spatial relationship between mandibular third molars and the mandibular canal using cone-beam computed tomography images. Accurate classification of this relationship is essential for preoperative planning, as improper assessment can lead to complications such as inferior alveolar nerve injury during extractions.
MATERIALS AND METHODS: A dataset of 305 cone-beam computed tomography scans, categorized into three classes (not contacted, nearly contacted, and contacted), was meticulously annotated and val
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: Distal radius fractures account for 12%-17% of all fractures, with accurate classification being crucial for proper treatment planning. Studies have shown that in emergency settings, the misdiagnosis rate of hand/wrist fractures can reach up to 29%, particularly among non-specialist physicians due to a high workload and limited experience. While existing AI methods can detect fractures, they typically require large training datasets and are limited to fracture detection without type classification. Therefore, there is an urgent need for an efficient and accurate method that can both
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.
Accurate vertebrae segmentation is crucial for modern surgical technologies, and deep learning networks provide valuable tools for this task. This study explores the application of advanced deep learning-based methods for segmenting vertebrae in computed tomography (CT) images of adolescent idiopathic scoliosis (AIS) patients. In this study, we collected a dataset of 31 samples from AIS patients, covering a wide range of spinal regions from cervical to lumbar vertebrae. High-resolution CT images were obtained for each sample, forming the basis of our segmentation analysis. We utilized 2 popula
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: Osteoarthritis (OA), characterized by progressive degeneration of cartilage and reactive proliferation of subchondral bone, stands as a prevalent condition in orthopedic clinics. However, the precise mechanisms underlying OA pathogenesis remain inadequately explored.
METHODS: In this study, Random Forest (RF), Least Absolute Shrinkage and Selection Operator (LASSO), and Support Vector Machine-Recursive Feature Elimination (SVM-RFE) machine learning techniques were employed to identify hub genes. Based on these hub genes, an Artificial Neural Network (ANN) diagnostic model was cons
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.
The dorsal root ganglion (DRG) contains all primary sensory neurons, but its functional role in somatosensory and pain processing remains unclear. Recently, MR imaging techniques have been developed for objective in vivo observation of the DRG. In particular, DRG MR imaging endpoints such as DRG volume and DRG T2w signal are emerging as biomarkers with initial evidence of meaningful correlations with biochemical and genetic parameters as well as neuropathic pain as clinically relevant applications. However, the future validation and use of these novel imaging biomarkers critically depends on t
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.
BACKGROUND AND OBJECTIVE: People with autism spectrum disorder (ASD) often have cognitive impairments. Effective connectivity between different areas of the brain is essential for normal cognition. Electroencephalography (EEG) has been widely used in the detection of neurological diseases. Previous studies on detecting ASD with EEG data have focused on frequency-related features. Most of these studies have augmented data by splitting the dataset into time slices or sliding windows. However, such approaches to data augmentation may cause the testing data to be contaminated by the training data.
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 increasing prevalence of neurodegenerative diseases has recently heightened interest in research on early diagnosis of these diseases. Parkinson's disease (PD), among the most prominent of these conditions, is a neurological disorder causing the loss of nerve cells and significantly affecting movement control. Detection of PD in early stages is of critical importance to prevent the progression of the disease and improve treatment processes. The aim of the current study is to develop a deep learning model that can perform accurate classification for early diagnosis of PD from MRI images. In
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.
Neurodegenerative diseases severely impact the life of millions of patients worldwide, and their occurrence is more and more increasing proportionally to longer life expectancy. Electroencephalography has become an important diagnostic tool for these diseases, due to its relatively simple procedure, but it requires analyzing a large number of data, often carrying a small fraction of informative content. For this reason, machine learning tools have gained a considerable relevance as an aid to classify potential signs of a specific disease, especially in its early stages, when treatments can be
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.
Primary Central Nervous System tumors in the brain are among the most aggressive diseases affecting humans. Early detection and classification of brain tumor types, whether benign or malignant, glial or non-glial, is critical for cancer prevention and treatment, ultimately improving human life expectancy. Magnetic Resonance Imaging (MRI) is the most effective technique for brain tumor detection, generating comprehensive brain scans. However, human examination can be error-prone and inefficient due to the complexity, size, and location variability of brain tumors. Recently, automated classifica
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.
PURPOSE: A skin lesion refers to an area of the skin that exhibits anomalous growth or distinctive visual characteristics compared to the surrounding skin. Benign skin lesions are noncancerous and generally pose no threat. These irregular skin growths can vary in appearance. On the other hand, malignant skin lesions correspond to skin cancer, which happens to be the most prevalent form of cancer in the United States. Skin cancer involves the unusual proliferation of skin cells anywhere on the body. The conventional method for detecting skin cancer is relatively more painful.
METHODS: This wor
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