Chest X-ray (CXR) images play a crucial role in diagnosing COVID-19 by facilitating the rapid identification of lung damage. Recently, deep hashing technology has enhanced our capabilities for retrieving large CXR image databases, providing healthcare professionals with more comprehensive tools for pandemic analysis. However, current methods typically depend on single-scale features to represent CXR images, without modeling the multi-scale contextual information present in the original images. Additionally, lung segmentation and image classification from CXR offer anatomical and semantic insig
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.
The human ether-a-go-go-related gene (hERG) cardiac toxicity of a compound refers to its inhibitory effect on the hERG potassium channel. The hERG channel is crucial for cardiac depolarization, and its blockage can lead to prolongation of the QT interval, triggering arrhythmias and posing life-threatening risks. Therefore, assessing hERG cardiac toxicity is a vital consideration in drug development. Traditional assessment methods are complex and have low throughput, making the development of deep learning models to predict this toxicity essential for enhancing drug development efficiency, redu
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: Diabetes mellitus, characterized by chronic glucose dysregulation, significantly increases the risk of neurological disorders such as cognitive decline, seizures, and Alzheimer's disease. As neurons depend on glucose for energy, fluctuations in glucose levels can disrupt sodium (Na⁺) and potassium (K⁺) ion channel dynamics, leading to altered membrane potential. Modeling these ionic changes enables the simulation of neuronal responses under glycemic extremes, providing valuable insights for risk assessment and personalized treatment.
METHOD: The methodology utilizes Support Vector
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.
An advanced Artificial Intelligence (AI) model that leverages cutting-edge computer vision techniques to analyse embryo images and clinical data, enabling accurate prediction of clinical pregnancy outcomes in single embryo transfer procedures. Three AI models were developed, trained, and tested using a database comprised of a total of 1503 international treatment cycles (Thailand, Malaysia, and India): 1) A Clinical Multi-Layer Perceptron (MLP) for patient clinical data. 2) An Image Convolutional Neural Network (CNN) AI model using blastocyst images. 3) A fused model using a combination of bot
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.
The rapid development of deep learning has promoted its application in disease diagnosis, treatment, and prognosis prediction. Medical imaging plays a crucial role in the management of rifampicin-resistant tuberculosis/multidrug-resistant tuberculosis (RR-TB/MDR-TB). In particular, chest computed tomography (CT) scans offer detailed lung images that can reveal subtle features. In this study, we propose a Convolutional Neural Network-Long Short-Term Memory (CNN-LSTM) model to predict treatment outcomes in RR-TB/MDR-TB patients, aiming to support clinicians in timely adjustment of therapeutic st
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: Rehabilitation training based on the brain-computer interface of motor imagery (MI-BCI) can help restore the connection between the brain and movement. However, the performance of most popular MI-BCI system is coarse-level, which means that they are good at guiding the rehabilitation exercises of different parts of the body, but not for the individual component.
NEW METHODS: In this paper, we designed a fine-level MI-BCI system for unilateral upper limb rehabilitation assistance. Besides, due to the low discrimination of different sample classes in a single part, a classification
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.
OBJECTIVES: The C-shaped mandibular second molars (MSMs) may pose an endodontic challenge. The aim of this study was to develop a convolutional neural network (CNN)-based deep learning system for the diagnosis of C-shaped MSMs on panoramic radiographs.
MATERIALS AND METHODS: Panoramic radiographs and cone beam computed tomographic (CBCT) images were collected from a hospital in China and subsequently divided into two groups. In Group A, conventional panoramic images and CBCT images were derived from the same patients (n = 730 individuals), and the dataset consisted of conventional panoramic i
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.
OBJECTIVES: Deep networks have been preliminarily studied in caries diagnosis based on clinical X-ray images. However, the performance of different deep networks on caries detection is still unclear. This study aims to comprehensively compare the caries detection performances of recent multifarious deep networks with clinical dentist level as a bridge.
METHODS: Based on the self-collected periapical radiograph dataset in clinic, four most popular deep networks in two types, namely YOLOv5 and DETR object detection networks, and UNet and Trans-UNet segmentation networks, were included in the co
СтатьяСравнительное исследованиеПоддержка 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.
Hand motion detection is particularly important for managing the movement of individuals who have limbs amputated. The existing algorithm is complex, time-consuming and difficult to achieve better accuracy. A DNN is suggested to recognize human hand movements in order to get over these problems.Initially, the raw input EMG signal is captured then the signal is pre-processed using high-pass Butterworth filter and low-pass filter which is utilized to eliminate the noise present in the signal. After that pre-processed EMG signal is segmented using sliding window which is used for solving the issu
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.
Brain functional network (BFN) analysis has become a popular method for identifying neurological diseases at their early stages and revealing sensitive biomarkers related to these diseases. Due to the fact that BFN is a graph with complex structure, graph convolutional networks (GCNs) can be naturally used in the identification of BFN, and can generally achieve an encouraging performance if given large amounts of training data. In practice, however, it is very difficult to obtain sufficient brain functional data, especially from subjects with brain disorders. As a result, GCNs usually fail to
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.
PURPOSE: Electrocardiogram (ECG) data obtained from 12 leads are the most common and informative source for analyzing the cardiovascular system's (CVS) condition in medical practice. However, the large number of electrodes, specific placements on the body, and the need for specialized equipment make the ECG acquisition procedure complex and cumbersome. This raises the challenge of reducing the number of ECG leads by reconstructing missing leads based on available data.
METHODS: Most existing methods for reconstructing missing ECG leads rely on utilizing signals simultaneously from multiple kn
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: Regional Wall Motion Abnormality (RWMA) serves as an early indicator of myocardial infarction (MI), the global leader in mortality. Accurate and early detection of RWMA is vital for the successful treatment of MI. Current automated echocardiography analyses typically concentrate on peak values from left ventricular (LV) displacement curves, based on LV contour annotations or key frames during the heart's systolic or diastolic phases within a single echocardiographic cycle. This approach may overlook the rich motion field features available in multi-cycle cardiac data, which could e
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: To construct a machine learning diagnostic model integrating feature dimensionality reduction techniques and artificial neural network classifiers to develop the value of clinical routine blood indexes for the auxiliary diagnosis of ovarian cancer.
METHODS: Patients with ovarian cancer clearly diagnosed in our hospital were collected as a case group (n = 185), and three groups of patients with other malignant otolaryngology tumors (n = 138), patients with benign otolaryngology diseases (n = 339) and those with normal physical examination (n = 92) were used as an overall control gro
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: Osteonecrosis of the femoral head (ONFH) is a severe bone disease that can progressively lead to hip dysfunction. Accurately segmenting the necrotic lesion helps in diagnosing and treating ONFH. This paper aims at enhancing deep learning models for necrosis segmentation.
METHODS: Necrotic lesions of ONFH are confined to the femoral head. Considering this domain knowledge, we introduce a preprocessing procedure, termed the "subtracting-adding" strategy, which explicitly incorporates this domain knowledge into the downstream deep neural network input. This strategy first removes the vo
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: Improvement in survival in patients with advanced cancer is accompanied by an increased probability of bone metastasis and related pathologic fractures (especially in the proximal femur). The few systems proposed and used to diagnose impending fractures owing to metastasis and to ultimately prevent future fractures have practical limitations; thus, novel screening tools are essential. A CT scan of the abdomen and pelvis is a standard modality for staging and follow-up in patients with cancer, and radiologic assessments of the proximal femur are possible with CT-based digitally reco
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.
The early detection of acute myocardial infarction, which is caused by lifestyle-related risk factors, is essential because it can lead to chronic heart failure or sudden death. Echocardiography, among the most common methods used to detect acute myocardial infarction, is a noninvasive modality for the early diagnosis and assessment of abnormal wall motion. However, depending on disease range and severity, abnormal wall motion may be difficult to distinguish from normal myocardium. As abnormal wall motion can lead to fatal complications, high accuracy is required in its detection over time on
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.
BACKGROUND: Radiologic evidence of air trapping (AT) on expiratory computed tomography (CT) scans is associated with early pulmonary dysfunction in patients with cystic fibrosis (CF). However, standard techniques for quantitative assessment of AT are highly variable, resulting in limited efficacy for monitoring disease progression.
OBJECTIVE: To investigate the effectiveness of a convolutional neural network (CNN) model for quantifying and monitoring AT, and to compare it with other quantitative AT measures obtained from threshold-based techniques.
MATERIALS AND METHODS: Paired volumetric wh
СтатьяПоддержка NIH: внешняя программаПоддержка 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.
Sensory deprivation has long been known to cause hallucinations or "phantom" sensations, the most common of which is tinnitus induced by hearing loss, affecting 10-20% of the population. An observable hearing loss, causing auditory sensory deprivation over a band of frequencies, is present in over 90% of people with tinnitus. Existing plasticity-based computational models for tinnitus are usually driven by homeostatic mechanisms, modeled to fit phenomenological findings. Here, we use an objective-driven learning algorithm to model an early auditory processing neuronal network, e.g., in the dor
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.
To explore the diagnostic value of MRI image features based on convolutional neural network for tubal unobstructed infertility, 30 infertile female patients were first selected as the research objects, who admitted to the hospital from May 2018 to January 2020. They all underwent routine MRI examinations and CNN-based MR-hysteron-salpingography (HSG) examinations, in order to discuss the diagnostic accuracy of the two examinations. In the research, it was necessary to observe the patients' imaging results, calculate the diagnosis rate of the two examination results, and analyze the application
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.
The use of deep neural networks (DNNs) for analysis of complex biomedical images shows great promise but is hampered by a lack of large verified data sets for rapid network evolution. Here, we present a novel strategy, termed "mimicry embedding," for rapid application of neural network architecture-based analysis of pathogen imaging data sets. Embedding of a novel host-pathogen data set, such that it mimics a verified data set, enables efficient deep learning using high expressive capacity architectures and seamless architecture switching. We applied this strategy across various microbiologica
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.
MedElevator
Войти в исследования