BACKGROUND: Classification of paediatric respiratory diseases is important for timely diagnosis and decision-making. Real-world clinical data is often compounded by challenges of data leaking, class imbalance, and high dimensional data modalities, which might compromise the reliability, methodological rigour, and interpretability of the model. METHODS: This research work introduces a leakage-controlled and explainable machine learning model for multiclass classification of respiratory diseases in children namely Bronchitis, Bronchopneumonia, Upper Respiratory Tract Infection (URTI), and Wheeze
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.
As the most ubiquitous and abundant viral community, bacteriophages (phages for short) play a vital role in regulating the ecological balance by infecting bacteria and archaea. Phages can be classified into two types based on their lifestyles: virulent phages and temperate phages, which are closely related to their functional characteristics and influence their interaction patterns with hosts. Therefore, identifying phage lifestyle is critical for understanding the mechanisms by which phages infect bacteria and represents a key step in mastering their functions and potential applications. In t
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 functional brain network (FBN) serves as an important tool for investigating neurological and mental disorders. Unlike many traditional networks whose structures are often known in advance, FBNs need to be estimated from neuroimaging or electrophysiological data, and their quality generally determines the performance of downstream tasks, particularly in disorder detection. Recent studies have shown that high-order FBNs tend to achieve better discriminative performance, while some other work indicates that increasing the order of FBN does not necessarily bring additional gains in discrimina
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: The rising global aging population has increased the prevalence of Alzheimer’s disease (AD), a condition with limited treatment options, making non-pharmacological interventions essential. While mobile health apps are increasingly common, there is currently a lack of theory-based, user-centered research to support the development of mobile health apps for family caregivers of persons living with AD. OBJECTIVE: This study aimed to design a theory-based and user-centered mobile application that supports family caregivers by leveraging non-pharmacological interventions to aid in the m
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.
Accurate segmentation of the placenta in Magnetic Resonance (MR) images is required for quantitative techniques such as texture and shape analysis, which have been proposed to improve placenta accreta spectrum (PAS) diagnostic rates. However, it is challenging due to the low contrast, image noise, blurred boundaries, and manual annotation variability. Hence, we proposed an enhanced U-Net architecture named BiGC U-Net, to automatically segment placental MR images. This deep learning (DL) structure incorporates a bidirectional gated convolutional module (BiGC) to capture complementary spatial de
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.
Auscultation is a fundamental clinical practice for detecting respiratory abnormalities, but accurate interpretation requires specialized medical expertise. With the increasing adoption of electronic stethoscopes, large-scale datasets have enabled active research on deep learning for the detection of abnormal lung sounds. However, electronic stethoscopes remain costly and impractical for widespread use in everyday care. Smartphones, by contrast, are ubiquitous and equipped with sensitive microphones, offering a promising alternative for accessible auscultation and remote patient monitoring (RP
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.
Strabismus is a prevalent ocular disorder that can impair visual development and cause psychological issues if not diagnosed early. Conventional clinical diagnosis primarily relies on the prism cover test (PCT), which is subjective, requires patient cooperation, and lacks standardization. Recent advances in virtual reality (VR) and deep learning offer promising solutions for automated and standardized diagnosis. However, practical deployment faces three key challenges: realistic VR simulation of clinical exams, addressing image degradation (reflections/occlusions) with limited annotated 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.
Accurate segmentation of the pancreas in CT images is notoriously difficult due to its deep-seated anatomical position, complex morphological variations, and low contrast against surrounding soft tissues. Although deep learning has significantly improved segmentation performance, state-of-the-art models often suffer from excessive parameter counts and high computational complexity, hindering their deployment in resource-constrained clinical settings. Crucially, the opaque black-box nature of existing models lacks transparent decision-making mechanisms, which erodes clinician trust and restrict
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.
Dementia represents a global public health concern, with the early detection of Alzheimer's disease, the most prevalent form of dementia, being of paramount importance. Given the limited availability of suitable biomarkers, research has shown that early cognitive impairment can be identified through patients' spoken language. This paper presents a multi-modal system for automatic Alzheimer's disease detection using speech. The system has been trained on spoken recordings of healthy individuals and Alzheimer's patients describing an image, a task requiring linguistic and cognitive skills. Built
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.
Obstructive sleep apnea (OSA) is one of the major sleep disorders, which has been demonstrated to be a high-risk factor for cardiovascular disease, hypertension, and motor vehicle accidents. Pressure sensors in a contactless manner are a promising way to monitor sleep conditions outside of the hospital. However, previous studies mainly based on limited sensors are often subjected to noise contamination and constrained by the sleeper position to pressure sensors. The acquired pressure signals are of poor quality or even lost, which are not appropriate for the downstream task of OSA event detect
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.
Lung ultrasound (LUS), valued for its portability and AI-driven analysis, has become an essential di agnostic tool in emergency medicine, critical care, and the screening of infectious diseases. However, the scarcity of annotated data and limited expert availability remain major barriers to large-scale deployment. In this study, we pro pose a Similarity-Guided Multi-Source Few-Shot Learning (SM-FSL) paradigm that shifts the focus from domain alignment to domain selection, enabling robust feature learning from multiple semantically relevant domains under limited data conditions. Based on this p
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.
The deep vision sensing has been a practical tool in early disease detection, and this work aims at an important branch of ocular disease recognition. Although a number of researchers had paid attention to it during past years, fine-grained ocular feature extraction always remains a challenge. To handle with this issue, this work benefits from comprehensive ability of the convolution-Transformer structure (Conformer), and proposes vision sensing-driven intelligent ocular disease detection using conformer-based dual fusion. On the one hand, the proposal combines technical advantages of convolut
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.
Brain-Computer Interfaces (BCI) have shown promise in facilitating upper limb rehabilitation following stroke. However, restoring fine hand functions, such as grasping, remains a significant challenge. To address this, we focus on decoding hand grasp attempts from electroencephalography (EEG) to enable BCI-driven hand rehabilitation. In this work, we propose several novel methods. First, inspired by the Small-World Brain Network Theory, we introduce a Small-world Hierarchical Interconnected Graph Neural Network (SHINE). SHINE captures transient power dynamics using multiscale convolution, over
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: Postoperative pneumonia is a significant complication, highlighting a patient's ongoing vulnerability. While traditional tools focus on short-term outcomes, the perioperative period offers a unique "stress test" window to identify high-risk patients. This study developed and validated a machine-learning-based prognostic framework to predict pneumonia risk up to one year after surgery.
METHODS: This retrospective study examined 11,655 surgical encounters at a tertiary hospital. Multiple machine learning algorithms, including random forest (RF), extreme gradient boosting, support ve
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.
Obstructive sleep apnea (OSA) is associated with psychophysiological impairments, and recent studies have shown the feasibility of using speech and craniofacial images during wakefulness for severity estimation. However, the inherent limitations of unimodal data constrain the performance of current methods. To address this, we proposed a novel hypergraph-based multimodal fusion framework (HMFusion) that integrates psychophysiological information from audio-visual data. Specifically, we employ long short-term memory (LSTM)-based encoders to extract modality-specific temporal dynamics from pre-t
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.
Alzheimer's disease progression prediction is critical for patients with early Mild Cognitive Impairment (MCI) to enable timely intervention and improve their quality of life. While existing progression prediction techniques demonstrate potential with multimodal data, they are highly limited by their reliance on labelled data and fail to account for a key element of future progression prediction: not all features extracted at the current moment may be relevant for predicting progression several years later. To address these limitations in the literature, we design a novel semi-supervised multi
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 diagnosis of peripheral artery disease (PAD) typically relies on specialized equipment such as ultrasound. The delayed PAD detection of these approaches may lead to amputation and even death. To achieve rapid and ubiquitous PAD screening, we propose a novel concept of camera-based plantar perfusion imaging (CPPI) for PAD diagnosis and severity classification. Specifically, we performed a simulation trial that used an RGB camera to record the plantar video of 20 subjects and a cuff with different pressures applied to the left leg to simulate different degrees of lower limb blockage. We gene
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.
Deep learning models in computational pathology often fail to generalize across cohorts and institutions due to domain shift. Existing approaches either fail to leverage unlabeled data from the target domain or rely on image-to-image translation, which can distort tissue structures and compromise model accuracy. In this work, we propose a semi-supervised domain adaptation (SSDA) framework that utilizes a latent diffusion model trained on unlabeled data from both the source and target domains to generate morphology-preserving and target-aware synthetic images. By conditioning the diffusion mode
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.
Sparse-view CT reconstruction aims to synthesize volumetric CT images from a limited number of X-ray projections, reducing radiation dose while maintaining diagnostic quality. However, the substantial cross-modal gap between 2D X-rays and 3D CT volumes presents significant challenges, including uneven distribution of information across different views, artifact issues, and excessive computational costs. Therefore, in this paper, we propose MAC-DiffCT, a multi-scale adaptive conditional diffusion model designed for accurate and efficient CT reconstruction from biplanar X-rays. Our approach firs
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.
Obstructive sleep apnea (OSA) and sleep fragmentation are closely linked physiological phenomena that play crucial roles in the diagnosis and management of sleep disorders. While numerous deep learning models have been developed for either OSA detection or sleep stage classification, few attempts have been made to address both tasks simultaneously. To this end, we propose MT-TASPPNet (Multi-Task Triple Atrous Spatial Pyramid Pooling Network), a unified multi-modal multi-task network that jointly performs automatic OSA event detection and sleep staging. The model integrates modality-specific fe
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