Creative thinking drives the generation of novel and useful ideas, contributing to scientific progress and the resolution of social challenges. Evidence from the earliest stone tools, dating to approximately 3.3 million years ago, suggests that creativity among hominin ancestors played a key role in the emergence of human culture and civilization. Although creativity arises from brain activity, the underlying molecular mechanisms and neural substrates remain incompletely understood. Neurotransmitters involved in motivation, reward, and mood play crucial roles in promoting creative processes. R
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.
Charles Bonnet Syndrome (CBS) describes the experience of visual hallucinations that cannot be explained by any other cause in individuals with visual impairment. CBS remains underrecognized and is poorly understood, with limited knowledge of its underlying mechanisms. This review examines the neurobiological basis of CBS, discussing neuroimaging, neurophysiological, structural, and biochemical perspectives. The review identifies evidence on the roles of neural compensation and cortical hyperexcitability in the emergence of visual hallucinations following visual deprivation. Despite methodolog
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.
Deep learning, as a pivotal branch of machine learning, has demonstrated remarkable potential in advancing crop science by effectively integrating genomics and phenomics. This review systematically outlines the application of diverse deep learning architectures-such as convolutional neural networks, recurrent neural networks, and transformers-across key crop genomic tasks, including gene expression prediction, alternative splicing analysis, cis-regulatory element identification, epigenomic profiling, and genome-based trait prediction. In phenomics, these models facilitate high-throughput extra
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.
Analog crossbar arrays consisting of emerging memory devices can alleviate the computational strain required by vector matrix multiplications for neural network applications. The ability to produce spin orbit torque-magnetic random-access memory (SOT-MRAM) at wafer-scale positions SOT-MRAM as a strong memory candidate. In this work, we fabricate and measure 300 mm-compatible SOT-MRAM with 150% tunnel magnetoresistance (TMR) ratio, fast (2 ns) and low voltage (<1 V) operation, low energy dissipation (2 pJ), low write noise (0.1%), and low device-to-device variation of 10%. SOT-MRAM characterist
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.
There is increasing evidence that major trauma can adversely affect the brain and cognition. In some cases, trauma may lead to deficits in executive function (EF). The anterior insula may be a causal outflow hub acting to coordinate EF-related brain networks. To clarify the neural underpinnings of EF deficits (EFD) after trauma, we performed a resting-state functional magnetic resonance imaging (rs-fMRI) study of anterior insular subnetworks in adults who have lost their only child. A total of 167 participants completed various psychological and cognitive assessments to assess EF-related defic
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.
Taiwan is an area where chronic hepatitis is endemic. Liver cancer is so common that it has been ranked first among cancer mortality rates since the early 1980s in Taiwan. Besides, liver cirrhosis and chronic liver diseases are the sixth or seventh in the causes of death. Therefore, as shown by the active research on hepatitis, it is not only a health threat, but also a huge medical cost for the government. The estimated total number of hepatitis B carriers in the general population aged more than 20 years old is 3,067,307. Thus, a case record review was conducted from all patients with diagno
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.
Decision making often entails evidence accumulation, a process that is represented by neural activities in a network of multiple brain areas. Yet, it has not been identified where exactly the accumulation originates. We reason that a candidate brain area should both represent evidence accumulation and information that is used to compute evidence. Therefore, we designed a two-stage probabilistic reasoning task in which the evidence for accumulation had to be first determined from sensory signals orthogonal to decisions. With a linear encoding model, we decomposed the responses of posterior pari
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.
The problem of demarcating neural network space is formidable. A simple fully connected recurrent network of five units (binary activations, synaptic weight resolution of 10) has 3.2 *10(26) possible initial states. The problem increases drastically with scaling. Here we consider three complementary approaches to help direct the exploration to distinguish epileptic from healthy networks. [1] First, we perform a gross mapping of the space of five-unit continuous recurrent networks using randomized weights and initial activations. The majority of weight patterns (>70%) were found to result in ne
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.
Network compression is essential for deploying deep neural networks on resource-constrained devices, yet existing approaches often focus on either filter pruning or weight sharing in isolation. In this work, we propose a unified compression framework, SaP, that jointly leverages basis sharing and coefficient pruning to reduce redundancies in both convolutional filters and their resulting feature maps. By representing filters as linear combinations of a reduced set of shared basis filters and removing redundant coefficients, SaP achieves higher compression ratios while preserving discriminative
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.
Integration and analysis of multi-omics data provide valuable insights for improving cancer subtype classification. However, such data are inherently heterogeneous, high-dimensional, and exhibit complex intra- and inter-modality dependencies. Graph neural networks provide a principled framework for modeling these structures, but existing approaches often rely on prior knowledge or predefined similarity networks that produce either undirected or unweighted graphs, failing to capture task-specific directionality and interaction strengths. Interpretability at both the modality and feature levels
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.
Graph Neural Networks have emerged as a powerful paradigm for artificial intelligence driven drug discovery, offering molecular representation learning that surpasses many conventional approaches. Traditional experimental pipelines are both time and resource-intensive, modern computational strategies-particularly those that integrate curated libraries of FDA-approved drugs-can accelerate target identification and candidate prioritization. In this work we introduce a dual-branch GNN architecture that synergistically combines Graph Convolutional Neural Networks, the GraphSage framework, and Jump
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.
As a crucial agricultural crop in China, litchi exhibits a biennial bearing pattern with alternating high-yield and low-yield cycles, known as on-year and off-year respectively. Research has identified unstable floral initiation as the primary cause of irregular fruiting in mid-to-late maturing cultivars. Rapid and accurate quantification of female to male flower ratios during the flowering phase enables targeted management strategies to optimize floral development and enhance fruit-setting rates. This study proposes Flower Quantification and Gender Recognition Network (FQGR-Net), a three-bran
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.
Positron emission tomography (PET) imaging technology is widely used for diagnosing Alzheimer's disease (AD) in people with dementia. Although various computational methods have been proposed for diagnosis of AD using PET images, prediction of disease diagnosis by leveraging longitudinal PET imaging data has not been widely studied. In this paper, we propose novel implementations of deep learning models graph neural network (GNN) and transformer encoder (TE), to leverage longitudinal sequences of PET images in addition to cognitive scores for prediction of AD diagnosis and prediction of conver
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.
Inhibitory neurons are diverse across the brain, but for the visual system we lack the ability to functionally classify these neurons under complex natural stimuli. Here we take the approach of classifying retinal amacrine cell responses to natural scenes using optical recording and an interpretable neural network model. We fit mouse amacrine cell responses to a two-layer convolutional neural network model of a class shown previously to accurately capture salamander ganglion cell responses to natural scenes. Using an approach from interpretable machine learning, we determined for each stimulus
ПрепринтСтатьяПоиск 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.
Transient global amnesia (TGA) is a rare but well-described neurological disorder characterised by an acute self-limited episode of dense anterograde amnesia with retrograde amnesia of variable extent. Although the clinical phenomenology, neuropsychology, neuroimaging, prognosis, and precipitating and predisposing factors of TGA are well described, the pathogenesis is not currently understood. Existing proposals - epileptic seizure, stroke or transient ischaemic attack, migraine aura - all have shortcomings. Based on a computational neural network model of mnemonic function, a new model of TGA
СтатьяОбзорПолный 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.
Structural magnetic resonance imaging (sMRI) can capture the spatial patterns of brain atrophy in Alzheimer's disease (AD) and incipient dementia. Recently, many sMRI-based deep learning methods have been developed for AD diagnosis. Some of these methods utilize neural networks to extract high-level representations on the basis of handcrafted features, while others attempt to learn useful features from brain regions proposed by a separate module. However, these methods require considerable manual engineering. Their stepwise training procedures would introduce cascading errors. Here, we propose
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.
The human brain spontaneously generates neural oscillations with a large variability in frequency, amplitude, duration, and recurrence. Little, however, is known about the long-term spatiotemporal structure of the complex patterns of ongoing activity. A central unresolved issue is whether fluctuations in oscillatory activity reflect a memory of the dynamics of the system for more than a few seconds. We investigated the temporal correlations of network oscillations in the normal human brain at time scales ranging from a few seconds to several minutes. Ongoing activity during eyes-open and eyes-
Клиническое 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.
This paper provides an exploratory analysis of underwater video analysis techniques to enhance image quality and facilitate accurate classification of different marine species. Our methodology progresses through several steps, beginning with the quality of underwater images that might be reduced by variables such as decreased light intensity, color modification, and limited visibility. These attributes pose significant challenges to develop accurate object detection methods. This paper outlines the processing pipeline employed to enhance the quality of images from underwater videos and facilit
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.
David Marr's tri-level analysis has organized cognitive neuroscience for four decades. We argue that it has also constrained it. The framework rests on three assumptions: that cognitive goals can be specified a priori, that neural processes implement algorithms, and that physical substrates are interchangeable realizers of abstract functions. Each assumption was defensible in 1982. Each is now demonstrably false. Slime molds, planarian flatworms, bioelectric networks in non-neural tissue, and degenerate neural circuits pose a dilemma the framework cannot resolve: either extend computational de
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.
OBJECTIVE: We have used an artificial neural network in an attempt to classify and predict the progression of thyroid-associated ophthalmopathy (TAO) at the first clinical examination.
DESIGN: This retrospective comparative case series included a group of patients examined by the ophthalmologist only once because of the absence of signs of progressive disease (GR1), as subsequently monitored by an endocrinologist, and a group of patients on follow-up because of progressive disease (GR2).
PARTICIPANTS AND METHODS: We examined 242 patients, of whom 207 were women and 35 were men. GR1 included
Сравнительное 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.
MedElevator
Войти в исследования