OBJECTIVES: To evaluate the maxillary alveolar repositioning of the infants with bilateral cleft lip and palate (BCLP) undergoing computer-aided nasoalveolar molding (CAD-NAM).
METHODS: A total of 19 BCLP infants undergoing CAD-NAM were recruited as the treatment group, and 21 nonpresurgically treated BCLP patients served as controls. The upper alveolar morphology was measured and evaluated. Changes in all variables between pre- and post-CAD-NAM were compared.
RESULTS: By the end of CAD-NAM, significant difference was found in the P-A, P'-A', and L-ideal midline (P < 0.01); in the sagittal d
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.
SIGNIFICANCE: Diabetic retinopathy (DR) lesion segmentation provides pixel-level lesion localization in fundus images. However, such lesions are often tiny, sparsely distributed, low-contrast, morphologically diverse, and visually similar to vessels or surrounding retinal structures, making accurate localization difficult. Many existing methods emphasize multi-scale spatial representation learning and handle boundary ambiguity and subtle texture differences mainly through encoder-decoder fusion. We therefore examine boundary and frequency representations as explicit, complementary inputs to se
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.
PET-CT lesion segmentation remains challenging due to heterogeneous lesion appearance, small and dispersed lesions, physiological FDG uptake, and limited annotations. Existing self-supervised methods are mostly designed for unimodal imaging and therefore fail to fully exploit the complementary anatomical and metabolic information in PET-CT. Meanwhile, conventional multi-cancer segmentation strategies often treat different cancer types as a unified task, which weakens cancer-specific features, and existing prompt-based methods still have limited task adaptation and sensitivity to small lesions.
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.
Thyroid eye disease (TED) is a prevalent autoimmune orbital disorder that can severely impair visual function and significantly diminish patients' quality of life. In recent years, several studies have attempted to automate TED diagnosis using optical coherence tomography (OCT) images. However, existing approaches primarily rely on convolutional neural networks (CNNs) combined with attention mechanisms and are mostly trained using traditional cross-entropy loss. Although Transformers excel at modeling long-range dependencies, their quadratic computational complexity when processing high-resolu
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: Colon cancer diagnosis from histopathology is challenging due to limited annotated data and the lack of interpretability in deep models.
OBJECTIVE: We present a data-efficient framework combining few-shot learning and explainable AI for accurate and transparent diagnosis.
METHODS: A Prototypical Network with a ConvNeXt-Tiny backbone was trained on small colon-tissue image sets. Explanations from Grad-CAM and LIME were validated by a pathologist, and generalization was tested on an external dataset.
RESULTS: The model achieved 98.5 % accuracy in-domain and 90 % on the EBHI datase
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.
This research work focuses on developing an advanced diagnostic method for thyroid nodules using ultrasonography images. The core idea revolves around the observation that the presence and amount of calcium flecks in thyroid nodules can indicate their severity, potentially leading to severe thyroid cancer. A novel technique, named Bilateral Mean Clustering Strategy (Bi-MCS), is proposed, combining the strengths of Fuzzy C mean and K-mean clustering approaches. This technique enhances color sense-based segmentation accuracy by precisely identifying the edges of thyroid nodules, crucial for dete
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.
Tongue diagnosis is the kernel method of Traditional Chinese Medicine (TCM), and it has been proved that the condition of the tongue can serve as an indicator of a person's health status. To automatically recognize a person's latent diseases by computer vision technology, getting the tongue segmentation from a picture with high precision has significant importance. However, the precision of tongue segmentation images in most prior methods is not satisfactory, which will inevitably result in misjudging. In this paper, an effective method is proposed for highly precise tongue segmentation, which
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.
Retinopathy of prematurity (ROP) is a potentially blinding retinal disease that often affects low birth weight premature infants. Lesion detection and recognition are crucial for ROP diagnosis and clinical treatment. However, this task poses challenges for both ophthalmologists and computer-based systems due to the small size and subtle nature of many ROP lesions. To address these challenges, we present a Sequence encoding and Block balancing-based Segmentation Network (SeBSNet), which incorporates domain knowledge coding, sequence coding learning (SCL), and block-weighted balancing (BWB) tech
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.
Prostate cancer is the most prevalent solid tumor in males and one of the most common causes of male mortality. It is the most common type of cancer in men, a major global public health issue, and accounts for up to 7.3% of all male cancer diagnoses worldwide. To optimize patient outcomes and ensure therapeutic success, an accurate diagnosis must be made promptly. To achieve this, we focused on using ResNet50, a convolutional neural network (CNN) architecture, to analyze prostate histological images to classify prostate cancer. ResNet50, due to its efficiency in medical image classification, w
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: The aim of this study was to evaluate a deep convolutional neural network (DCNN) method for the detection and classification of nasopalatine duct cysts (NPDC) and periapical cysts (PAC) on panoramic radiographs.
STUDY DESIGN: A total of 1,209 panoramic radiographs with 606 NPDC and 603 PAC were labeled with a bounding box and divided into training, validation, and test sets with an 8:1:1 ratio. The networks used were EfficientDet-D3, Faster R-CNN, YOLO v5, RetinaNet, and SSD. Mean average precision (mAP) was used to assess performance. Sixty images with no lesion in the anterior ma
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.
CONTEXT: Telemedicine has been used for remote management of many medical problems. Given the ever-expanding demands to provide increasing service with increasingly limited resources, quality care and practice efficiency can be enhanced by telemedicine.
OBJECTIVE: This study was undertaken to explore the reliability of wound assessment using computer-transmitted digital imagery compared with a traditional bedside evaluation and also to assess its potential role in healthcare delivery.
DESIGN/SETTING/PATIENTS: In the hospital setting, rounding vascular surgeons and a surgical resident evaluat
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.
Synthesizing missing modalities in multi-parametric MRI (mpMRI) is vital for accurate tumor diagnosis, yet remains challenging due to incomplete acquisitions and modality heterogeneity. Diffusion models have shown strong generative capability, but conventional approaches typically operate in the image domain with high memory costs and often rely solely on noise-space supervision, which limits anatomical fidelity. Latent diffusion models (LDMs) improve efficiency by performing denoising in latent space, but standard LDMs lack explicit structural priors and struggle to integrate multiple modalit
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.
Glaucoma is a leading cause of irreversible blindness worldwide, with asymptomatic early stages often delaying diagnosis and treatment. Early and accurate diagnosis requires integrating complementary information from multiple ocular imaging modalities. However, most existing studies rely on single- or dual-modality imaging, such as fundus and optical coherence tomography (OCT), for coarse binary classification, thereby restricting the exploitation of complementary information and hindering both early diagnosis and stage-specific treatment. To address these limitations, we propose glaucoma lesi
СтатьяDatasetПоиск 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 analysis of tumor morphology, vascularity, and tissue stiffness under multimodal ultrasound imaging plays a critical role in the diagnosis of breast cancer. However, manual interpretation across multiple modalities is time-consuming and heavily dependent on the radiologist's expertise. Computer-aided classification offers an efficient alternative, yet remains challenging due to significant modality heterogeneity, inconsistent image quality, and redundant information across modalities. To address these issues, we propose a novel Multimodal Sparse Fusion Transformer Network (MSFT-Net).
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.
Due to anatomical variability and imaging heterogeneity, the choice of loss function for breast, fibroglandular tissue (FGT), and implant segmentation in magnetic resonance imaging (MRI) is a challenging task. This study compares three loss function strategies for image segmentation: a baseline model using the standard Dice + cross-entropy loss, the Skeleton Recall Loss (SRL) targeting fine structural details, and a novel Volume-Aware Loss (VAL) penalizing implausibly small or false-positive implant predictions. A total of 136 pre-contrast T1-weighted breast MRI volumes were used for 5-fold cr
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.
OBJECTIVE: Ischemic strokes constitute a significant global health issue, contributing to high death rates and chronic disability, which creates an urgent need for precise and efficient detection methods. Accurate segmentation and classification of ischemic stroke lesions from magnetic resonance imaging (MRI) remains a challenging task due to lesion heterogeneity, intensity variations, and limited annotated datasets. This study investigates the feasibility of integrating an antigen-antibody-inspired optimization strategy into a lesion segmentation framework for ischemic stroke MRI analysis.
M
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.
Clinically, bi-parametric MRI (bp-MRI), including T2-weighted imaging, diffusion-weighted imaging, and apparent diffusion coefficient map, offers essential prior localization of biopsy and focal therapy for suspicious clinically significant prostate cancer (csPCa), and accurate csPCa delineation from bp-MRI is crucial for better outcomes. However, due to the complexity and high variability in appearance, size, shape, and indistinct boundaries, delineating csPCa remains challenging, time-consuming, and heavily relies on the clinician's experience. To address these issues, we propose MT-SAM, a n
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.
Handheld ultrasound (HHUS) is indispensable for breast cancer screening but remains compromised by operator-dependent acquisition, subjective 2D interpretation and clock-face annotation. Existing spatial tracking systems for HHUS typically lack integration, adaptability, flexibility, and robust 3D representation. Additionally, current deep learning diagnostic methods are predominantly based on single ultrasound images, whereas video-based malignancy classification approaches suffer from limited temporal interpretability. In this study, we develop an intelligent navigation-guided breast ultraso
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.
Central lumbar spinal stenosis, a prevalent degenerative spinal disorder, severely impacts the quality of life for those affected. Axial and sagittal MRI images offer diverse information on tissue structure and lesions, which is crucial for accurate diagnosis. However, MRI-based diagnostic approaches still have poor lesion localization, insufficient cross-view alignment, underutilization of multi-view MRI information, and limited generalization across patient variability. To address these problems, we proposed an Encompassing Lumbar Central Spinal Stenosis Grading Model via Multi-view MRI Imag
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.
Cardiac shear wave elastography (SWE) is an emerging ultrasound-based technique that enables noninvasive assessment of myocardial mechanical properties beyond conventional motion- and deformation-based indices. By tracking the propagation of shear waves within the myocardium using ultrafast imaging, SWE provides stiffness-related information that may complement standard echocardiographic parameters in selected clinical settings. In this narrative review, we summarize the methodological principles of cardiac SWE, including acoustic radiation force-induced techniques, natural shear wave imaging
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.
MedElevator
Войти в исследования