OBJECTIVES: This study aimed to develop an artificial intelligence (AI)-based image recognition system using the nnU-Net adaptive neural network to assist clinicians in detecting magnetic resonance imaging (MRI)-invisible prostate cancer. The motivation stems from the diagnostic challenges, especially when MRI findings are inconclusive (Prostate Imaging Reporting and Data System [PI-RADS] score ≤ 3).
METHODS: We retrospectively included 150 patients who underwent systematic prostate biopsy at Beijing Friendship Hospital between January 2013 and January 2023. All were pathologically confirmed
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.
Patches represent a significant dosage form within transdermal drug delivery systems. In the quality control of transdermal patches, thickness not only affects the drug loading per unit area and drug release behavior but also is associated with patient usability and product stability. Targeting curcumin patch, a method used for thickness distribution monitoring utilizing machine vision coupled with near infrared (NIR) spectroscopy was proposed. Twenty-nine batches of patches were prepared via the central composite design. The RGB color space data were extracted from the captured images of all
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.
This study details the development of a remote patient monitoring system with a primary focus on a novel, customized Deep Neural Network (DNN) for arrhythmia detection. The system integrates hardware for real-time data collection from biomedical sensors, where IoT-based sensor data is collected and encrypted in a central database for subsequent analysis. The novelty of the work lies in the proposed AI-based software component rather than the hardware assembly, which utilizes accessible components. The developed system is designed to function as a decision support system for healthcare personne
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.
When reporting on radiology follow-up examinations, radiologists should ensure that follow-up images and reference images are from the same patient to prevent misidentification errors. This is a nontrivial task when accounting for changes in the patient's condition and differences in image acquisition. Thus, we developed a system for automatic patient identification from radiographs using convolutional neural networks. Using deep metric learning, we trained multiple models to match radiographs of the chest, knees, pelvis, and hands. We also trained a model to match chest radiographs of multipl
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 continues to be a major global health challenge, leading to high morbidity and mortality rates. Despite advances in diagnosis and treatment, early prediction of hepatitis outcomes remains an essential area for improvement. This study seeks to address this gap by applying a range of advanced machine learning (ML) algorithms to predict hepatitis, contributing to global efforts to enhance public health outcomes. The study utilized the hepatitis dataset from the UCI repository, which includes 155 participants and 20 attributes related to demographics, clinical data, and laboratory result
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.
Painless and instant analysis of neurotransmitters from an abandoned body fluid, like urine, would facilitate point-of-care (PoC) detection of several neurological disorders. As a step towards developing a non-invasive, fast, and PoC analytical tool for detecting urinary catecholamines, planar electrochemical sensors have been modified with a spinel ferrite-based nanocomposite comprising copper ferrite (CF) and reduced graphene oxide (rGO), and subsequently used for selective detection of dopamine in simulated urine. The sensors exhibited dopamine sensitivity in the range of 0.1-300 μM with 74
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.
PURPOSE: Focal cortical dysplasia (FCD) is a common cause of pharmacoresistant epilepsy. However, it can be challenging to detect FCD using MRI alone. This study aimed to review and analyze studies that used machine learning and artificial neural networks (ANN) methods as an additional tool to enhance MRI findings in FCD patients.
METHODS: A systematic search was conducted in four databases (Embase, PubMed, Scopus, and Web of Science). The quality of the studies was assessed using QUADAS-AI, and a bivariate random-effects model was used for analysis. The main outcome analyzed was the sensitiv
СтатьяСистематический обзорМетаанализПолный 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: We aimed to propose a deep-learning neural network model for automatically detecting five landmarks during a two-dimensional (2D) ultrasonography (US) scan to develop a standard plane for developmental dysplasia of the hip (DDH) screening.
METHOD: A model of global and local networks was developed to detect five landmarks for DDH screening during 2D US. Patients (N = 532) who underwent hip US for DDH screening from January 2016 to December 2021 at a tertiary medical center were enrolled. All datasets were randomly split into training, validation, and test sets in a 70:10:20 ratio
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.
OBJECTIVE: To develop a multimodal artificial intelligence (AI) fusion model predicting abnormal fetal brain development from magnetic resonance imaging (MRI).
METHODS: Using fetal brain MRI data and clinical indicators from pregnant women (from January 2021 to December 2023), who were split 7:3 into training and validation sets. In the training set, key predictors were identified via univariate analysis and multivariate logistic regression, including both clinical indicators and continuous MRI biometric parameters. Three multimodal AI fusion models，including Convolutional Neural Network-Recu
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.
The widespread adoption of smartphones and smartwatches has enabled non-intrusive fall detection through built-in sensors and on-device computation. While these devices are widely used by older adults, existing systems still struggle to accurately detect soft falls in real-world settings. There is a notable drop in performance when fall-detection models trained offline on labeled accelerometer data are deployed and tested in real-world conditions using streaming, real-time data. To address this, our experimental study investigates whether incorporating additional sensor modalities, specificall
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
Early diagnosis of systemic sclerosis (SSc) is critical for early intervention and improved patient outcomes. This study explores the integration of near-infrared spectroscopy (NIRS) with deep learning for classification of SSc patients based on hand perfusion patterns. A probabilistic convolutional neural network (CNN) using MobileNetV2 with transfer learning was employed to analyze NIRS-derived oxygen saturation maps. The model achieved a test accuracy of 87.5%, demonstrating strong classification performance despite the limited data set. The Monte Carlo Dropout method was incorporated to ev
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: This study used inertial measurement unit (IMU)-based posture angle estimates to define proxy risk labels and investigated whether these labels can be predicted from demographic, anthropometric, and lifestyle variables through machine learning analysis.
METHODS: Thirty healthy individuals aged 18-25 years were included. Demographic and anthropometric data and information on daily living activities were collected. The IMU sensors were placed at vertebral levels C1, C7, T5, T12, and L5. Participants were instructed to stand in an upright posture, followed by a relaxed daily posture.
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.
Fetal ventriculomegaly (VM) and its severity and associated central nervous system (CNS) abnormalities are important indicators of high risk for impaired neurodevelopmental outcomes. Recently, a novel fetal brain age prediction method using a two-dimensional (2D) single-channel convolutional neural network (CNN) with multiplanar MRI sections showed the potential to detect fetuses with VM. This study examines the diagnostic performance of a deep learning-based fetal brain age prediction model to distinguish fetuses with VM (n = 317) from typically developing fetuses (n = 183), the severity of V
СтатьяПоддержка NIH: внешняя программаПоиск 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.
Ocular gene therapy offers a promising approach for treating various eye diseases, centered on the process of transfection, including delivery, cellular uptake and gene expression. This study addresses anatomical and physiological barriers, such as the eyelids, tear film, conjunctiva, cornea, sclera, choroid and retina, affecting therapeutic success. A three-step machine-learning approach is proposed. The first step predicts gene delivery efficacy by integrating molecular characteristics of the ocular gene therapy product, ocular barrier properties and patient demographics. The second step pre
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.
This article presents a deep learning approach for classifying the developmental stages (larvae, nymphs, adult females, and adult males) of Ixodes ricinus ticks, the most common tick species in Europe and a major vector of tick-borne pathogens, including Borrelia burgdorferi, Anaplasma phagocytophilum, and tick-borne encephalitis virus (TBEV). Each developmental stage plays a different role in disease transmission, with nymphs considered the most epidemiologically relevant stage due to their small size and high prevalence. We developed a convolutional neural network (CNN) model trained on a da
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.
Cervical cancer, predominantly caused by Human Papillomavirus (HPV) infection, remains a significant global health burden for women, contributing to elevated morbidity and mortality rates. Early and accurate prediction is critical in improving patient outcomes and optimizing healthcare resource allocation. While machine learning (ML) and deep learning (DL) methods-such as support vector machines, random forests, and convolutional neural networks-have demonstrated promise in disease prediction, model interpretability, computational efficiency, and rely on large, labeled datasets. Additionally,
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 Internet of Medical Things (IoMT) is poised to play a pivotal role in future medical support systems, enabling pervasive health monitoring in smart cities. Alzheimer's disease (AD) afflicts millions globally, and this paper explores the potential of electroencephalogram (EEG) data in addressing this challenge. We propose the Convolutional Learning Attention-Bidirectional Time-Aware Long-Short-Term Memory (CL-ATBiLSTM) model, a deep learning approach designed to classify different AD phases through EEG data analysis. The model utilizes Discrete Wavelet Transform (DWT) to decompose EEG 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.
BACKGROUND/AIMS: The aim of this study was to develop and evaluate digital ray, based on preoperative and postoperative image pairs using style transfer generative adversarial networks (GANs), to enhance cataractous fundus images for improved retinopathy detection.
METHODS: For eligible cataract patients, preoperative and postoperative colour fundus photographs (CFP) and ultra-wide field (UWF) images were captured. Then, both the original CycleGAN and a modified CycleGAN (C2ycleGAN) framework were adopted for image generation and quantitatively compared using Frechet Inception Distance (FID)
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.
BACKGROUND: Iatrogenic ureteral injury is a serious complication of abdominopelvic surgery. Identifying the ureters intraoperatively is essential to avoid iatrogenic ureteral injury. We developed a model that may minimize this complication.
IMPACT OF INNOVATION: We applied a deep learning-based semantic segmentation algorithm to the ureter recognition task and developed a deep learning model called UreterNet. This study aimed to verify whether the ureters could be identified in videos of laparoscopic colorectal surgery.
TECHNOLOGY, MATERIALS, AND METHODS: Semantic segmentation of the ureter
СтатьяVideo-Audio MediaПоиск 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 inferior colliculus (IC) of the midbrain is important for complex sound processing, such as discriminating conspecific vocalizations and human speech. The IC's nonlemniscal, dorsal "shell" region is likely important for this process, as neurons in these layers project to higher-order thalamic nuclei that subsequently funnel acoustic signals to the amygdala and nonprimary auditory cortices, forebrain circuits important for vocalization coding in a variety of mammals, including humans. However, the extent to which shell IC neurons transmit acoustic features necessary to discern vocalizations
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.
MedElevator
Войти в исследования