Despite recent progress in deep leaning for medical image analysis, there are still issues of reliability, interpretability, and uncertainty estimation that must be addressed for the safe adoption of deep learning into clinical practice. Conventional CNN- based models have achieved excellent accuracy but have also typically shown prediction confidence levels that are too extreme, limiting confidence in very high-stakes diagnostic environments. To tar- get these deficiencies, we propose a suitable competence-based uncertainty-aware infrastructure that combines Vision Transformers, BiLSTM modeli
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.
Accurate and real-time locomotion classification is crucial for exoskeletons to assist construction workers in completing multiple tasks. However, state-of-the-art algorithms for classifying multiple activities face multifaceted challenges in both accuracy and real-time capability. In addition, advanced studies typically provide a single solution based on certain sensor combinations, which may have an indirect impact on different assistive devices (e.g., an algorithm using feet IMUs is not suited for bilateral portable hip exoskeletons or unilateral knee exoskeletons), limiting its practicalit
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.
Accurate X-ray Computed tomography (CT) image segmentation of the abdominal organs is fundamental for diagnosing abdominal diseases, planning cancer treatment, and formulating radiotherapy strategies. However, the existing deep learning based models for three-dimensional (3D) CT image abdominal multi-organ segmentation face challenges, including complex organ distribution, scarcity of labeled data, and diversity of organ structures, leading to difficulties in model training and convergence and low segmentation accuracy. To address these issues, a novel multi-stage training and a deep supervisi
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 cerebellum, composed of numerous neurons, plays various roles in motor control. Although it is functionally subdivided, the cerebellar cortex has a canonical structural pattern in neuronal circuits including a recurrent circuit pattern formed by granule cells (GrCs) and Golgi cells (GoCs). The canonical circuital pattern suggests the existence of a fundamental computational algorithm, although it remains unclear. Modeling and simulation studies are useful for verifying hypotheses about complex systems. Previous models have shown that they could reproduced the neurophysiological data of the
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
This paper investigates methods for estimating interaction forces during the dynamic process of upper limb elevation. By collecting data from two modalities- electromyographic (EMG) signals of the unilateral forearm and joint angles-along with synchronized interaction force data, a deep learning methodology merging convolutional neural network and long short-term memory network (CNN-LSTM) is adopted to generate a predictive model for characterizing dynamic interactive force, ultimately achieving the task of dynamic force estimation. The comparative analysis of estimation performance using two
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 morphologies of vessel-like structures, such as blood vessels and nerve fibres, play significant roles in disease diagnosis, e.g., Parkinson's disease. Although deep network-based refinement segmentation and topology-preserving segmentation methods recently have achieved promising results in segmenting vessel-like structures, they still face two challenges: 1) existing methods often have limitations in rehabilitating subsection ruptures in segmented vessel-like structures; 2) they are typically overconfident in predicted segmentation results. To tackle these two challenges, this paper atte
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.
Fundus images are crucial for the detection and monitoring of retinal diseases such as diabetic retinopathy (DR). However, issues such as uneven illumination, low contrast, and noise often degrade image quality, impacting the accuracy of automated grading systems. This study introduces three novel preprocessing techniques Adaptive Sigmoid Enhancement, LAB-ACE Image Enhancement, and Multi-channel Image Enhancement designed to address these challenges. Adaptive Sigmoid Enhancement adaptively adjusts local contrast to highlight subtle lesions, LAB-ACE operates in the LAB color space to selectivel
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.
Within the healthcare sector, the application of machine learning is gaining prominence, notably enhancing the efficiency and precision of diagnostic procedures. This study focuses on this key area of diabetes prediction and aims to develop an innovative prediction method. Using the data set published by Kare, this paper constructs and compares various intelligent systems based on multilayer algorithms, and specifically introduces improved reptile search algorithm (IRSA) to optimize the weight and threshold initialization of traditional backpropagation (BP) neural networks. This improvement ai
Сравнительное исследованиеОценочное исследованиеСтатьяОтозванная публикацияПоиск 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 study evaluated the feasibility of HeartAssist, a novel automated tool designed for classification of fetal cardiac views, annotation of cardiac structures, and measurement of cardiac parameters. Unlike previous AI tools that primarily focused on classification, HeartAssist integrates classification, annotation and measurement capabilities, enabling a more comprehensive fetal cardiac assessment.Cardiac images from fetuses (gestational ages 20-40 weeks) were collected at Asan Medical Center between January 2016 and October 2018. HeartAssist was developed using convolutional neural networks
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: Image enhancement of the Hypoxic-Ischemic Encephalopathy (HIE) lesion region in neonatal brain MR images is a challenging task due to the diffuse (i.e., multi-focal) nature, small size, and low contrast of the lesions. Classifying the stages of HIE is also difficult because of the unclear boundaries and edges of the lesions, which are dispersed throughout the brain. Moreover, unclear boundaries and edges are due to chemical shifts, partial volume artifacts, and motion artifacts. Further, voxels may reflect signals from adjacent tissues. Existing algorithms perform poorly in HIE l
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.
Osteoarthritis is a degenerative condition that affects bones and cartilage, often leading to structural changes, including osteophyte formation, bone density loss, and the narrowing of joint spaces. Over time, this process may disrupt the glenohumeral (GH) joint functionality, requiring a targeted treatment. Various options are available to restore joint functions, ranging from conservative management to surgical interventions, depending on the severity of the condition. This work introduces an innovative deep learning framework to process shoulder CT scans. It features the semantic segmentat
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.
Chest computed tomography (CT) scans are essential for accurately assessing the severity of the novel Coronavirus (COVID-19), facilitating appropriate therapeutic interventions and monitoring disease progression. However, determining COVID-19 severity requires a radiologist with significant expertise. This study introduces a pioneering utilization of deep learning (DL) for evaluate COVID-19 severity using lung CT images, presenting a novel and effective method for assessing the severity of pulmonary manifestations in COVID-19 patients. Inception-Residual networks (Inception-ResNet), advanced h
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.
Множественный склероз (MS) — аутоиммунное воспалительное расстройство, вызывающее неврологические расстройства. Регулируемый липидный метаболизм способствует патогенезу MS. Цель этого исследования заключалась в выявлении генных маркеров, связанных с липидным метаболизмом, и в создании диагностической модели для MS. МЕТОДЫ: Геновые профили выражения для MS были получены из базы данных Gene Express Omnibus. Были выявлены и проведены анализ функционального обогащения генов, связанных с липидным метаболизмом (LMRG). Для проверки узловых генов использовался анализ наименьшего абсолютного сокращения
СтатьяПоиск полного текста в очередиМашинный перевод · не проверен
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: Training convolutional neural networks based on large amount of labeled data has made great progress in the field of image segmentation. However, in medical image segmentation tasks, annotating the data is expensive and time-consuming because pixel-level annotation requires experts in the relevant field. Currently, the combination of consistent regularization and pseudo labeling-based semi-supervised methods has shown good performance in image segmentation. However, in the training process, a portion of low-confidence pseudo labels are generated by the model. And the
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.
Objective.Electroencephalogram (EEG) signals exhibit temporal-frequency-spatial multi-domain feature, and due to the nonplanar nature of the brain surface, the electrode distributions follow non-Euclidean topology. To fully resolve the EEG signals, this study proposes a temporal-frequency-spatial multi-domain feature fusion graph attention network (GAT) for motor imagery (MI) intention recognition in spinal cord injury (SCI) patients.Approach.The proposed model uses phase-locked value (PLV) to extract spatial phase connectivity information between EEG channels and continuous wavelet transform
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.
Alzheimer's disease (AD) severely impacts the lives of many patients and their families. Predicting the progression of the disease from the early stage of mild cognitive impairment (MCI) is of substantial value for treatment, medical research and clinical trials. In this paper, we propose a novel dual attention network to classify progressive MCI (pMCI) and stable MCI (sMCI) using both magnetic resonance imaging (MRI) and neurocognitive metadata. A 3D CNN ShuffleNet V2 model is used as the network backbone to extract MRI image features. Then, neurocognitive metadata is used to guide the spatia
СтатьяПоддержка NIH: внешняя программаПоддержка правительства СШАПоддержка 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.
Skin cancer is a terrifying disorder that affects all individuals. Due to the significant increase in the rate of melanoma skin cancer, early detection of skin cancer is now more critical than ever before. Malignant melanoma is one of the most serious forms of skin cancer, and it is caused by abnormal melanocyte cell growth. In recent years, skin cancer predictive categorization has become more accurate and predictive due to multiple deep learning algorithms. Malignant melanoma is diagnosed using the Recurrent Convolution Neural Network-Long Short-Term Memory (RCNN-LSTM), which is one of the d
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.
Resting-state functional magnetic resonance imaging (fMRI) provides an efficient way to analyze the functional connectivity between brain regions. A comprehensive understanding of brain functionality requires a unified description of multi-scale layers of neural structure. However, existing brain network modeling methods often simplify this property by averaging Blood oxygen level dependent (BOLD) signals at the brain region level for fMRI-based analysis with the assumption that BOLD signals are homogeneous within each brain region, which ignores the heterogeneity of voxels within each Region
СтатьяПоддержка NIH: внешняя программаПолный 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.
Candida albicans is a pathogenic fungus that undergoes morphological transitions between hyphal and yeast forms, adapting to diverse environmental stimuli and exhibiting distinct virulence. Existing research works on antifungal blue light (ABL) therapy have either focused solely on hyphae or neglected to differentiate between morphologies, obscuring potential differential effects. To address this gap, we established a novel dataset of 150 C. albicans-infected mouse skin tissue slice images with meticulously annotated hyphae and yeast. Eleven representative convolutional neural networks were tr
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: Tendon segmentation is crucial for studying tendon-related pathologies like tendinopathy, tendinosis, etc. This step further enables detailed analysis of specific tendon regions using automated or semi-automated methods. This study specifically aims at the segmentation of Achilles tendon, the largest tendon in the human body.
METHODS: This study proposes a comprehensive end-to-end tendon segmentation module composed of a preliminary superpixel-based coarse segmentation preceding the final segmentation task. The final segmentation results are obtained through two dist
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.
MedElevator
Войти в исследования