Spatial transcriptomics enables the measurement of gene expression in intact tissues. Despite this, reconstructing anatomically accurate spatial domains remains challenging, primarily due to expression sparsity, complex tissue architecture that is characterized by sharp boundaries and long-range continuity, and weak spatial signals. Traditional pipelines typically rely on expression-driven clustering and spatial smoothing, which underperform at boundaries and in sparse regions while neglecting morphological information. To address these challenges, AugGCL is proposed, an augmented graph-convol
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.
Rapid and accurate detection of coronary plaques on CCTA is critical for timely CAD diagnosis but is limited by reader workload and interobserver variability. Our objective was to evaluate the effectiveness of machine learning (ML) based on automated segmentation of coronary plaques in coronary computed tomography angiography (CCTA). We retrospectively analyzed CCTA scans from 1,642 patients (4,711 training vessels, 1,112 test vessels, plus 1,613 negative vessels) using an nnU-Net 3D full resolution architecture. Hyperparameters (batch size, learning-rate scheduler, epochs) were optimized on a
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 presents the development of a low-cost, portable device for non-invasive skin monitoring that integrates both impedance sensing and imaging modalities to assess skin moisture levels and classify skin types. To enable real-time analysis on resource-constrained platforms, lightweight machine learning algorithms were employed for both regression and classification tasks. For the moisture prediction task, experimental results demonstrate that the Random Forest (RF) algorithm outperformed Linear Regression and Multilayer Perceptron (MLP), achieving the highest accuracy, with impedance-ba
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.
IMPORTANCE: The cord blood proteome, a repository of proteins derived from both mother and fetus, might offer valuable insights into the physiological and pathological state of the fetus. However, its association with birth weight and growth trajectories early in life remains unexplored.
OBJECTIVE: To identify cord blood proteins associated with birth weight and the birth weight ratio (BWR) and to evaluate the associations of these cord blood proteins with early growth trajectories.
DESIGN, SETTING, AND PARTICIPANTS: This cohort study included 288 mother-child pairs from the ongoing prospect
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: Photoplethysmography (PPG) is widely used for cardiovascular monitoring, but its analysis is challenged by signal variability, inconsistent acquisition settings, and limited interpretability. This study investigates the use of low-dimensional embeddings to support downstream tasks, including anomaly detection, activity classification, and signal authenticity verification across diverse PPG modalities.
METHODS: We developed a pipeline leveraging dimensionality reduction techniques, Autoencoder (AE), Fully Connected Neural Network (FCNN), and Uniform Manifold Approximation and Projec
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.
Diabetic Retinopathy (DR) is a prominent results of diabetes mellitus that causes abnormalities lesions in retina. If not identified at early, it may progress to complete loss of vision. Unfortunately, DR is an irreversible, and treatment only sustains existing vision. Timely detection and accurate treatment of DR can considerably decrease the chance of blindness. Manual diagnosis of DR in retinal fundus images (RFIs) by ophthalmologist is time consuming, costly and laborious tasks with a higher risk of misdiagnosis. Recently, Deep learning (DL) has gained popularity and shown remarkable perfo
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: Traditional wheelchair controls often limit independence and pose safety risks for motor-impaired users. To address these challenges, this study explores the potential of EEG-based control systems that allow users to operate powered wheelchairs through brain signals rather than physical movements. Materials and Methods: We developed a hybrid deep learning model that integrates Long Short-Term Memory (LSTM) and 1D-Convolutional Neural Networks (1D-CNN) with skip connections to capture both temporal and spatial EEG signal features. The model was trained and evaluated on a public EEG dat
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.
Wideband acoustic immittance (WAI) provides comprehensive frequency-dependent information for diagnosing middle ear pathologies. However, the scarcity of clinical data and complex response patterns significantly hinder automated diagnosis, particularly in data-limited scenarios. To address this issue, this study proposes a simulation-driven computer-aided diagnosis framework for WAI based on finite element (FE) modeling. Latin hypercube sampling was employed to systematically perturb key physiological parameters of the human ear FE models, generating a standardized virtual WAI dataset comprisi
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.
The rising incidence of pancreatic diseases, including acute and chronic pancreatitis and various pancreatic neoplasms, poses a significant global health challenge. Pancreatic ductal adenocarcinoma (PDAC) for example, has a high mortality rate due to late-stage diagnosis and its inaccessible location. Advances in imaging technologies, though improving diagnostic capabilities, still necessitate biopsy confirmation. Artificial intelligence, particularly machine learning and deep learning, has emerged as a revolutionary force in healthcare, enhancing diagnostic precision and personalizing treatme
СтатьяСистематический обзорПоддержка 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: Diabetes peripheral neuropathy (DPN), one of the most common complications in people with diabetes, can seriously undermine their quality of life. Early detection and treatment of DPN is of great significance to the diabetes population. Nerve conduction studies, the gold standard for diagnosing DPN, causes substantial discomfort for people and requires specialized personnel and expensive equipment, making it challenging to implement as a mass screening tool for DPN.
METHODS: Here, a novel, non-invasive and convenient screening method for DPN is proposed. In the proposed method, su
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.
PURPOSE: This study aimed to develop and evaluate a graphical user interface (GUI) for the automated segmentation of the hypothalamus and intracranial volume (ICV) in brain MRI scans. The interface was designed to facilitate efficient and accurate segmentation for research applications, with a focus on accessibility and ease of use for end-users.
METHODS: We developed a web-based GUI using the Gradio library integrating deep learning-based segmentation models trained on annotated brain MRI scans. The model utilizes a U-Net architecture to delineate the hypothalamus and ICV. The GUI allows use
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.
Ultrasound (US) is considered a key modality for the clinical assessment of hepatic steatosis (i.e., fatty liver) due to its noninvasiveness and availability. Deep learning methods have attracted considerable interest in this field, as they are capable of learning patterns in a collection of images and achieve clinically comparable levels of accuracy in steatosis grading. However, variations in patient populations, acquisition protocols, equipment, and operator expertise across clinical sites can introduce domain shifts that reduce model performance when applied outside the original training s
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.
Alzheimer's disease (AD) is a neurocognitive disorder that deteriorates memory and impairs cognitive functions. Mild Cognitive Impairment (MCI) is generally considered as an intermediate phase between normal cognitive aging and more severe conditions such as AD. Although not all individuals with MCI will develop AD, they are at an increased risk of developing AD. Diagnosing AD once strong symptoms are already present is of limited value, as AD leads to irreversible cognitive decline and brain damage. Thus, it is crucial to develop methods for the early prediction of AD in individuals with MCI.
СтатьяПоддержка NIH: внешняя программаПоиск 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.
Sleep disorders, particularly Obstructive Sleep Apnea (OSA), have a considerable effect on an individual's health and quality of life. Accurate sleep stage classification and prediction of OSA are crucial for timely diagnosis and effective management of sleep disorders. In this study, we develop a sequential network that enhances sleep stage classification by incorporating self-attention mechanisms and Conditional Random Fields (CRF) into a deep learning model comprising multi-kernel Convolutional Neural Networks (CNNs) and Transformer-based encoders. The self-attention mechanism enables the m
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.
Unsupervised domain adaptation (UDA) has achieved notable advances in medical image segmentation. However, the significant domain shifts between source and target data continue to pose fundamental challenges, driving an urgent demand for more robust cross-domain solutions. Current UDA methods often rely on static spatial alignment strategies that ignore the dynamic evolution of feature distributions during training, often resulting in blurred boundary delineation and loss of structural details. To address these issues, we propose a frequency-aware unsupervised domain adaptation network (FAUDA-
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.
We developed a computer-aided program for the diagnosis of ankle ligament injury. This study used the Heidelberg Foot Measurement Method (HFMM) to obtain the specific gait kinematic characteristics. To address the issue of insufficient available medical samples, an Attention Dual Generative Adversarial Network (Attention-DualGAN) is proposed to augment the gait feature set. We used a Convolutional Long Short-Term Memory (ConvLSTM) Network-based and Time Convolution Network (TCN)-based detection model to observe the impact of the extended dataset. The results show that the accuracy of the ConvL
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.
BACKGROUND: Childhood-onset chronic nonbacterial osteomyelitis (CNO) is an inflammatory bone disease that has become better defined in the last 2 decades and is frequently encountered in pediatric rheumatology. As the disease is still not well known and is often confused with malignancy and growth pains, it can easily be missed in clinical practice. We aimed to develop and evaluate a computer-aided, physician-friendly model for detecting CNO using closed-loop artificial intelligence (AI).
METHODS: Python software language, TensorFlow AI library, and Recurrent Neural Network were used to devel
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.
Endometrial cancer (EC) is the most common gynecologic malignancy, with a steadily increasing incidence worldwide. Abnormal vaginal bleeding, a hallmark symptom, enables early diagnosis, which is critical for improving clinical outcomes. Pelvic magnetic resonance imaging (MRI) serves as the primary imaging modality for EC evaluation, offering detailed visualization of endometrial and myometrial invasion.This study proposes DCS-Net, a multi-task deep learning framework for the automated detection and staging of early-stage EC in MRI. The framework incorporates an advanced object detection modul
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.
A persistent mental illness, schizophrenia has a complicated etiopathogenesis that includes both environmental and genetic elements. This study examined the possibility of diagnosing schizophrenia by utilizing computed tomography (CT) images of the orbit and its structures, which were then examined by artificial neural networks (ANNs) and machine learning (ML) algorithms. A retrospective analysis of the CT scans of 90 healthy people and 90 people with schizophrenia was conducted. Prior to measurement, all CT images underwent preprocessing steps to ensure align-ment and standardization. Height,
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: An accurate preoperative assessment of alveolar bone morphology is essential to the success of dental implant surgery. Although Cone Beam Computed Tomography (CBCT) provides high-resolution volumetric imaging for this purpose, interpreting it requires substantial expertise and remains inherently subjective. Integrating artificial intelligence (AI), specifically three-dimensional convolutional neural networks (3D-CNNs), could automate and standardize CBCT interpretation. However, there has been no systematic development of AI-driven preoperative tools capable of objectively predicti
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.
MedElevator
Войти в исследования