Anti-cancer peptide (ACP) sequence classification is crucial for cancer treatment development. Current neural network approaches achieve high accuracy but require substantial parameters and training data. Recent compression-based methods compress entire sequences, potentially missing fine-grained neighboring information critical for classification. We propose a novel approach integrating Gzip compression with an incremental k-mer strategy. Unlike conventional methods, we compress individual k-mers and incrementally build subsequence compressions, preserving amino acid-level context. Using Norm
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.
In recent years, the field of medical imaging has witnessed substantial progress due to the integration of advanced machine learning techniques, particularly in the diagnosis of critical conditions such as breast cancer. This study aims to improve the predictive accuracy of breast cancer diagnosis using ultrasound images by employing the cross-attention multi-scale vision transformer (CrossViT). The proposed methodology involves a dual-branch architecture in which each branch processes image patches of different sizes, thereby capturing both fine-grained and coarse-grained features. The model
СтатьяСравнительное 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: Kikuchi disease, lymphoma, lymphadenitis, and tuberculosis are common diseases affecting the head and neck. The causes and treatment methods differ; however, the initial symptoms of these diseases (fever, pain, and neck swelling) are generally similar; therefore, it is important to accurately determine the type of disease at its initial stage.
RESULTS: During the performance evaluation, the values of precision-recall area under the curve (PR AUC) were 0.785, 0.731, 0.920, and 0.821 for the four single-disease detection models for Kikuchi disease, lymphoma, lymphadenitis, and tuber
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 accurate diagnosis of lymph node metastasis in esophageal squamous cell carcinoma is crucial in the treatment workflow, and the process is often time-consuming for clinicians. Recent deep learning models predicting whether lymph nodes are affected by cancer in esophageal cancer cases suffer from challenging node delineation and hence gain poor diagnosis accuracy. This paper proposes an innovative multi-task and multi-scale attention network (M 2 ANet) to predict lymph node metastasis precisely. The network softly expands the regions of the node mask and subsequently utilizes the expande
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.
Retinal diseases are the leading causes of visual impairment, and early diagnosis is essential for treatment. Optical coherence tomography (OCT), a non-invasive imaging technique, provides high-resolution images for retinal disease classification; however, its complexity and the limitations of manual diagnosis require efficient automated classification methods. To enableearly clinical diagnosis, this paper proposes a Convolutional Block Attention Module (CBAM)- Automatic Mixing Precision (AMP) network (CANet) for automated classification of retinal images. The model categorizes diabetic macula
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.
Traditional depression detection methods typically rely on single-modal data, but these approaches are limited by individual differences, noise interference, and emotional fluctuations. To address the low accuracy in single-modal depression detection and the poor fusion of multimodal features from electroencephalogram (EEG) and speech signals, we have proposed a multimodal depression detection model based on EEG and speech signals, named the multi-head attention-GCN_ViT (MHA-GCN_ViT). This approach leverages deep learning techniques, including graph convolutional networks (GCN) and vision tran
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.
Despite the outstanding performance of deep learning (DL) models, their interpretability remains a challenging topic. In this study, we address the transparency of DL models in medical image analysis by introducing a novel interpretability method using projected gradient descent (PGD) to generate adversarial examples. We use adversarial generation to analyze images. By introducing perturbations that cause misclassification, we identify key features influencing the model decisions. This method is tested on Brain Tumor, Eye Disease, and COVID-19 datasets using six common convolutional neural net
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.
PURPOSE: Augmented Reality in Minimally Invasive Surgery has made tremendous progress in organs including the liver and the uterus. The core problem of Augmented Reality is registration, where a preoperative patient's geometric digital twin must be aligned with the image of the surgical camera. The case of the kidney is yet unresolved, owing to the absence of anatomical landmarks visible in both the patient's digital twin and the surgical images.
METHODS: We propose a landmark-free approach to registration, which is particularly well-adapted to the kidney. The approach involves a generic kidn
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: Few studies have evaluated peripheral artery disease (PAD) in patients with lower extremity wounds by a convolutional neural network (CNN)-based deep learning algorithm. We aimed to establish a framework for PAD detection, peripheral arterial occlusive disease (PAOD) detection, and PAD classification in patients with lower extremity wounds by the AlexNet, GoogleNet, and ResNet101V2 algorithms.
METHODS: Our proposed framework was based on a CNN-based AlexNet, GoogleNet, or ResNet 101V2 model devoted to performing optimized detection and classification of PAD in patien
СтатьяСравнительное исследованиеПолный 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.
Accurate brain tumor segmentation from multi-modal MRI is critical for clinical diagnosis and treatment planning. However, effectively exploiting the complementary information across different modalities remains challenging due to modality-specific noise, semantic inconsistency and inherent model uncertainty. To tackle these issues, we propose a Disentangled Fusion Network named DFuse-Net that integrates disentangled feature fusion with uncertainty-aware learning for reliable multi-modal brain tumor segmentation. Specifically, DFuse-Net explicitly disentangles modality-shared and modality-spec
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.
Physical fatigue significantly impacts safety and performance across industrial, athletic, and medical domains, yet its detection remains challenging due to individual variability and limited generalizability of existing methods. This study introduces a multimodal fatigue detection system integrating surface electromyography (sEMG) and inertial measurement unit (IMU) signals, processed through a hybrid convolutional neural network-long short-term memory-attention (CNN-LSTM-Attention) model. Fatigue was induced in 35 healthy participants via step-up-and-down exercises, with gait data collected
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.
Aortic valve calcification is a common cause of stenosis. Echocardiography, although being the preferred and most prevailing diagnostic technique for aortic valve diseases, lacks effective methods for accurately rating the degree of aortic valve calcification. In this study, a dual-channel cross-feature fusion neural network was developed to classify the degree of aortic valve calcification. The dual-channel input is designed to accept both end-systolic and end-diastolic ultrasound images of a patient, thereby maximizing the retention of vital information from both phases of the cardiac cycle.
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.
OBJECTIVES: Accurate localization of anatomical landmarks on the mandible is crucial for maxillofacial surgery and orthodontic treatment planning. This study aims to develop and validate a novel multi-view deep learning framework to enhance the accuracy and efficiency of landmark localization on CBCT-derived 3D mandibular surface models.
METHODS: We propose a multi-view stacked hourglass convolutional neural network (MVSH-CNN) that localizes 19 anatomical landmarks on 3D mandibular surface models reconstructed from cone beam computed tomography (CBCT) scans. A total of 140 mandibular scans fr
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.
Chronic kidney disease (CKD) is a leading cause of morbidity and mortality worldwide, with early detection being vital for effective treatment and management. Traditional diagnostic methods often struggle with the difficulty of CKD datasets, leading to delays in diagnosis and intervention. Despite advancements in machine learning, there remains a need for more effective and accurate models that can manage the intricacies of CKD data. This paper proposes an advanced AI-based system for early detection and diagnosis of CKD by developing an AI-based system that can efficiently handle complicated
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.
Polymicrogyria (PMG) is a multifaceted neurological disorder caused by abnormal cortical folding, mostly in children. It commonly results in developmental delays, seizures, and motor weakness. The mild features of PMG in neuroimaging often make its identification difficult, even for experts. In this paper, we assess the efficacy of various advanced image preprocessing strategies on the overall performance of Convolutional Neural Network (CNN) applied for PMG diagnosis in MRI brain scans. We employ a pre-processing sequence that includes Min-Max normalization, Contrast Limited Adaptive Histogra
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.
Hyperspectral imaging has shown significant applicability in the medical field, particularly for its ability to represent spectral information that can differentiate specific biomolecular characteristics in tissue samples. However, the complexity of analyzing HSI data, due to its high dimensionality and the large volume of information, presents significant challenges. At the same time, deep learning, particularly convolutional neural networks and recurrent neural networks, has become an essential tool in medical diagnostics, providing detailed analysis across various contexts. These techniques
СтатьяСравнительное 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.
In this study, we developed a lightweight and rapid convolutional neural network (CNN) architecture for chest X-ray images; it primarily consists of a redesigned feature extraction (FE) module and multiscale feature (MF) module and validated using publicly available COVID-19 datasets. Experiments were conducted on multiple updated versions of the COVID-19 Radiography Database, a publicly accessible dataset on Kaggle. The database contained images categorized into three classes: COVID-19 coronavirus, viral or bacterial pneumonia, and normal. The results revealed that the proposed method achieve
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.
Determining the fundamental characteristics that define a face as "feminine" or "masculine" has long fascinated anatomists and plastic surgeons, particularly those involved in aesthetic and gender-affirming surgery. Previous studies in this area have relied on manual measurements, comparative anatomy, and heuristic landmark-based feature extraction. In this study, we collected retrospectively at Cedars Sinai Medical Center (CSMC) a dataset of 98 skull samples, which is the first dataset of this kind of 3D medical imaging. We then evaluated the accuracy of multiple deep learning neural network
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.
Intervertebral disc disease, a prevalent ailment, frequently leads to intermittent or persistent low back pain, and diagnosing and assessing of this disease rely on accurate measurement of vertebral bone and intervertebral disc geometries from lumbar MR images. Deep neural network (DNN) models may assist clinicians with more efficient image segmentation of individual instances (discs and vertebrae) of the lumbar spine in an automated way, which is termed as instance image segmentation. In this work, we proposed SymTC, an innovative lumbar spine MR image segmentation model that combines the str
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.
OBJECTIVES: To evaluate the accuracy of fully automatic segmentation of pharyngeal volume of interests (VOIs) before and after orthognathic surgery in skeletal Class III patients using a convolutional neural network (CNN) model and to investigate the clinical applicability of artificial intelligence for quantitative evaluation of treatment changes in pharyngeal VOIs.
METHODS: 310 cone-beam computed tomography (CBCT) images were divided into a training set (n = 150), validation set (n = 40), and test set (n = 120). The test datasets comprised matched pairs of pre- and post-treatment images of
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