It is common in nature to see aggregation of objects in space. Exploring the mechanism associated with the locations of such clustered observations can be essential to understanding the phenomenon, such as the source of spatial heterogeneity, or comparison to other event generating processes in the same domain. Log-Gaussian Cox processes (LGCPs) represent an important class of models for quantifying aggregation in a spatial point pattern. However, implementing likelihood-based Bayesian inference for such models presents many computational challenges, particularly in high dimensions. In this pa
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.
UNLABELLED: We introduce a brain-constrained neurocomputational model designed to simulate higher cognitive functions of the human brain, implemented using NEST, a widely used open-source simulator optimised for high-performance spiking neural network simulations. Previously implemented in the custom-built C-based Felix simulation library, transitioning the model to NEST enhances accessibility, reproducibility, and computational efficiency. At the cellular level, the model comprises spiking excitatory neurons and local inhibitory neurons, whereas at the network level, it replicates the structu
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.
This study aimed to develop and evaluate a compact spike decoding framework for classifying visual stimulus from retinal MEA recordings that may have the problem of poor electrode-tissue coupling. Specifically, we sought to establish a convolution-attention framework that can extract spike features and capture longer-range temporal dependencies in visually evoked retinal activities.
Approach: MEA recordings from ex vivo mouse retinas were acquired under controlled colour and shape stimulation paradigms. Spike trains were converted into spike-count sequences and used to train an artificial
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.
Electroanatomic mapping is the gold standard for the assessment of ventricular tachycardia. Acquiring high resolution electroanatomic maps is technically challenging and may require interpolation methods to obtain dense measurements. These methods, however, cannot recover activation times in the entire biventricular domain. This work investigates the use of graph convolutional neural networks to estimate biventricular activation times from sparse measurements. Our method is trained on more than 15,000 synthetic examples of realistic ventricular depolarization patterns generated by a computatio
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 antimicrobial resistance crisis urgently calls for antibiotics with novel modes of action (MoAs). While growth inhibition assays can identify antibiotic molecules, they miss promising compounds below inhibitory concentrations and cannot reveal their MoA. Imaging-based profiling of drug-treated bacteria can inform on MoA, but current approaches generally require fluorescent labelling and/or inhibitory concentrations and it remains unclear whether compounds with novel MoAs can be robustly detected. Here, we demonstrate a deep learning approach to recognise antibiotic MoAs from unlabelled ima
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.
Currently, the utilization of bioactive chemicals derived from natural products is on the rise across various sectors, including pharmaceuticals and the food industry. Our investigation identified the extraction procedures that yield the most biological activity of the medicinal fungus Hymenopellis radicata. The antioxidant, anticholinesterase, and antiproliferative properties of the extracts generated under these conditions were assessed. In this context, temperature, duration, and solvent ratio served as optimization parameters, which were obtained utilizing Response Surface Methodology (RSM
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.
Diabetic Retinopathy (DR) is a critical source of blindness that can be prevented globally, and accurate analysis of retinal fundus images enables early detection. Fundus images are often affected by multiple noise sources, which impair image quality and hinder the observation of delicate retinal structures, including microaneurysms and small blood vessels. Deep learning driven denoising models are computationally intensive and prone to overfitting on small medical datasets. In order to overcome these shortcomings, the present paper suggests a Quantum Denoising Autoencoder (QDAE), a hybrid qua
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.
Convolutional neural networks (CNNs) are widely recognized for their high precision in image classification. Nevertheless, the lack of transparency in these black-box models raises concerns in sensitive domains such as healthcare, where understanding the knowledge acquired to derive outcomes can be challenging. To address this concern, several strategies within the field of explainable AI (XAI) have been developed to enhance model interpretability. This study introduces a novel XAI technique, GASHAP, which integrates a genetic algorithm (GA) with SHapley Additive exPlanations (SHAP) to improve
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.
Accurate epidemic forecasting is critical for informing public health decisions and timely interventions. While physics-informed neural networks have shown promise in various scientific domains, their potential application to real-time epidemic forecasting remains underexplored. Here, we present SIR-INN, a hybrid forecasting framework that integrates the mechanistic structure of the classical Susceptible-Infectious-Recovered (SIR) model into a neural network architecture. Trained once on synthetic epidemic scenarios, the model is able to generalize across epidemic conditions without retraining
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 coronavirus is highly contagious, making rapid early diagnosis essential. Although deep learning-based diagnostic methods using CT or X-ray images have advanced significantly, they still face limitations in cost, processing time, and radiation exposure. In addition, for the possibility of real-time COVID-19 diagnosis, model lightweighting is required. This study proposes a lightweight deep learning model for COVID-19 diagnosis based on fluorescence images and demonstrates its applicability in embedded environments. To prevent data imbalance caused by noise and experimental variations, imag
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.
Due to the substantial impact of brain tumors on human health, precise identification of tumor types is vital for patient prognosis and guiding treatment decisions. Magnetic Resonance Imaging (MRI) technology, owing to its non-invasive nature and high resolution, is indispensable in accurately classifying brain tumor types. However, manual interpretation of MRI images is not only time-consuming and labor-intensive but also susceptible to subjective bias. Hence, many automatic brain tumor diagnosis systems utilizing deep learning techniques have been developed. This paper introduces an advanced
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.
Disproportionality analysis is used to detect safety signals for post-market surveillance from adverse events reported to regulatory bodies but is challenging when reports contain unstructured free-text. We implemented a proof-of-concept system combining natural language processing of free-text data with disproportionality analysis, using a known safety signal from pelvic mesh. Free-text reports in an Australian spontaneous adverse event report database between 2012 and 2017 were classified using topic modelling. 'Pain' was the most frequent clinical topic and was a known adverse event from pe
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.
Breast cancer is a life-threatening disease that is very common among women in the world. The early and correct diagnosis is necessary to enhance the rate of survival and treatment. The conventional techniques such as mammography, ultrasound and MRI usually fail to differentiate between the benign and malignancy tumors in the presence of limited resources, particularly in the resource-poor environments. This paper presents a new methodology of breast cancer classification, Shape-Aware Angular Feature Learning (SAAFL), that merges machine and deep learning methods. We propose a method of Speckl
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.
Micro-computed tomography and semantic segmentation provide insights into the structural hierarchy of biomineralized tissues, as exemplified by stony coral skeletons. Non-destructive imaging reveals mechanistic aspects of skeletal growth, including variations in porosity, density, and skeletal thickness across species and in the context of disease. Recent developments in semantic segmentation based on convolutional neural network models are poised to transform the streamlined analysis of large 3D tomography datasets, surpassing the performance of traditional segmentation methods. In this work,
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.
Hepatitis B virus (HBV) infection remains a leading cause of cirrhosis and hepatocellular carcinoma worldwide, and long-term control relies on sustained immunization and effective reduction of transmission. In high-burden settings, vaccination programs have expanded substantially, but there still exist differences in the immune response effect after vaccination and the phenomenon of post-vaccination immunity decline. In this paper, we propose a model incorporating the vaccination of newborns and susceptible and imperfect vaccination, and study how the two factors affect the transmission dynami
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: Early diagnosis of neurological dysfunctions, particularly epilepsy, is vital for early intervention and improvement of patients' quality of life. However, traditional seizure detection techniques suffer from low detection accuracy, high false positive rate, and high computational complexity, making it difficult to effectively capture the complex spatiotemporal characteristics of electroencephalography (EEG) signals. Despite the significant improvements in seizure detection accuracy brought by deep learning techniques, the current models suffer from inaccuracies, limited adaptabili
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 AND OBJECTIVE: Optical transmission imaging of biological tissues is often hindered by blurring caused by light absorption and scattering, limiting its accuracy in detecting early-stage abnormalities such as breast tumors. This study aims to enhance the resolution and quality of multi-spectral transmission images by integrating unstructured sinusoidal illumination with super-resolution reconstruction techniques.
METHODS: Multi-spectral transmission images of tissue-mimicking phantoms were acquired at four wavelengths (435 nm, 546 nm, 700 nm, and 860 nm) under 3.5 Hz unstructured si
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.
To address the challenges of false detection, insufficient feature representation, and limited real-time performance in image-based traffic police command gesture detection under different lighting conditions, this paper proposes a detection model named FDMB-YOLOv11 based on the YOLOv11n architecture. Firstly, the detection head was enhanced by introducing Frequency Adaptive Dilated Convolution (FADC), while the BiFormer attention mechanism was incorporated into the C2PSA module. Secondly, MobileNetV4 was adopted as the backbone network to reduce computational complexity. Finally, standard con
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.
INTRODUCTION: A key element of computational drug discovery is the precise prediction of drug-gene interactions, particularly when working with intricate biological systems where relational dependencies are essential. Because biological networks are graph-structured, traditional machine learning techniques frequently fall short. Graph Neural Networks (GNNs) have emerged as a viable approach for learning meaningful representations from this data type in response to this challenge. In this study, three state-of-the-art GNN architectures Graph Convolutional Networks (GCN), Graph Attention Network
СтатьяСравнительное 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.
RATIONALE: Mass spectrometry imaging (MSI) generates high-dimensional spatial-spectral data that requires efficient computational methods for tissue classification and candidate biomarker feature extraction. Deep learning offers a promising approach, yet the interpretability of model predictions and identification of biologically relevant spectral features remain challenging.
METHODS: A comprehensive computational pipeline was developed for automatic tissue layer classification of a public mouse urinary bladder MSI dataset. Building upon prior work that compared manual tissue layer labels wit
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