A novel intrusion detection system (IDS) using a deep neural network (DNN) is proposed to enhance the security of in-vehicular network. The parameters building the DNN structure are trained with probability-based feature vectors that are extracted from the in-vehicular network packets. For a given packet, the DNN provides the probability of each class discriminating normal and attack packets, and, thus the sensor can identify any malicious attack to the vehicle. As compared to the traditional artificial neural network applied to the IDS, the proposed technique adopts recent advances in deep le
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.
Dengue fever (DF) is an acute febrile viral disease frequently presented with headache, bone or joint and muscular pains, and rash. A significant percentage of DF patients develop a more severe form of disease, known as dengue haemorrhagic fever (DHF). DHF is the complication of DF. The main pathophysiology of DHF is the development of plasma leakage from the capillary, resulting in haemoconcentration, ascites, and pleural effusion that may lead to shock following defervescence of fever. Therefore, accurate prediction of the day of defervescence of fever is critical for clinician to decide on
СтатьяПоддержка исследования: вне правительства СШАПолный 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.
Colon cancer continues to be a major contributor to cancer-related deaths worldwide, highlighting the critical need for reliable and early detection methods. In response, this research introduces an advanced deep learning framework for the automated identification of colon cancer through histopathological image analysis. The framework integrates Convolutional Neural Networks (CNNs) with Bayesian optimization to efficiently fine-tune hyperparameters, enhancing classification accuracy while minimizing overfitting. The model was trained and tested using a publicly accessible dataset that merges 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.
UNLABELLED: This study aimed to establish a thorough proof of concept for an innovative, fully automated, non-destructive, and label-free approach for the identification of bacterial colonies directly on agar plates, integrating digital holography with artificial intelligence, and to evaluate its performance. High-resolution holographic images of individual bacterial colonies grown on translucent brain-heart agar plates were captured every 30 min over an 18-h incubation period (530 MPx per full plate). Imaging was performed using a large field 1× magnification system, a partially coherent LED
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: This study aimed to evaluate the efficacy of Mask regions with convolutional neural network (R-CNN) for the automated detection and segmentation of residual dental roots in panoramic radiographs and to compare its diagnostic performance against the semantic segmentation benchmark, U-shaped network (U-Net).
METHODS: A retrospective dataset comprising 224 patients with 505 annotated residual roots was utilized. Image preprocessing involved adaptive contrast enhancement using contrast limited adaptive histogram equalization in the Commission Internationale de l'Éclairage lab color sp
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.
Parkinson's disease (PD), a degenerative disorder of the central nervous system, is commonly diagnosed using functional medical imaging techniques such as single-photon emission computed tomography (SPECT). In this study, we utilized two SPECT data sets (n = 634 and n = 202) from different hospitals to develop a model capable of accurately predicting PD stages, a multiclass classification task. We used the entire three-dimensional (3D) brain images as input and experimented with various model architectures. Initially, we treated the 3D images as sequences of two-dimensional (2D) slices and fed
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.
Artificial intelligence (AI)-driven intraoperative navigation in urological surgery can enhance surgical precision through real-time structure identification and tracking. This study describes a novel AI solution that enables real-time fluorescence-like navigation (FLN) for robot-assisted radical cystectomy (RARC) with an initial focus on ureter, potentially enhancing outcomes and training efficacy. We established a new AI model using convolutional neural network (CNN) to achieve real-time intraoperative ureter recognition using 730 images from 17 RARC cases. Quantitative and qualitative analy
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.
Retinal haemorrhage stands as an early indicator of diabetic retinopathy, necessitating accurate detection for timely diagnosis. Addressing this need, this study proposes an enhanced machine-based diagnostic test for diabetic retinopathy through an updated UNet framework, adept at scrutinizing fundus images for signs of retinal haemorrhages. The customized UNet underwent GPU training using the IDRiD database, validated against the publicly available DIARETDB1 and IDRiD datasets. Emphasizing the complexity of segmentation, the study employed preprocessing techniques, augmenting image quality an
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.
Alzheimer's disease (AD) is a degenerative neurologic condition that results in the deterioration of several brain processes (e.g. memory loss). The most notable physical alteration in AD is the impairment of brain cells. An accurate examination of brain pictures may help to find the disease earlier because early diagnosis is crucial to enhancing patient care and treatment outcomes. Therefore, an easy and error-free system for AD diagnosis has recently received much research attention. Conventional image processing techniques sometimes cannot observe the significant features. As a result, the
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.
This study uses convolutional neural networks (CNNs) and cardiotocography data for the real-time classification of fetal status in the mobile application of a pregnant woman and the computer server of a data expert at the same time (The sensor is connected with the smartphone, which is linked with the web server for the woman and the computer server for the expert). Data came from 5249 (or 4833) cardiotocography traces in Anam Hospital for the mobile application (or the computer server). 150 data cases of 5-minute duration were extracted from each trace with 141,001 final cases for the mobile
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.
Parkinson's Disease (PD) is often characterized by abnormal gait patterns, which can be objectively and quantitatively diagnosed using Vertical Ground Reaction Force (VGRF) signals. Previous studies have demonstrated the effectiveness of deep learning in VGRF signal analysis. However, the inherent graph structure of VGRF signals has not been adequately considered, limiting the representation of dynamic gait characteristics. To address this, we propose a Multi-Scale Adaptive Directed Graph Neural Network (MS-ADGNN) approach to distinguish the gaits between Parkinson's patients and healthy contr
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 high nominal accuracy achieved by deep learning models in predicting malignant skin lesions is frequently undermined by their susceptibility to operational uncertainty. Image acquisition conditions, such as lighting, device settings, and skin characteristics, introduce variations in optical parameters that compromise the model's reliability in real-world clinical settings. This instability produces an unquantified diagnostic risk, which makes the safe clinical implementation of these powerful systems difficult. With this critical gap in mind, this paper proposes and utilizes global sensiti
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.
Accurate continuous prediction of lower-limb joint angles from surface electromyography (sEMG) remains challenging because of the nonlinear, non-stationary, and subject-specific nature of sEMG signals, which can reduce robustness and lead to degraded prediction accuracy during highly dynamic gait phases. In this study, we propose RTGNet, a dual-branch deep learning framework for lower-limb joint-angle prediction from multichannel sEMG. The method constructs two feature views from the same sEMG stream: recurrence-plot (RP)-based representations for nonlinear texture characterization and time-se
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.
Remote and continuous biometric signal monitoring has become increasingly crucial for the prompt diagnosis of physiological disorders. However, traditional contact sensors might pose the risk of virus spread and cause discomfort, thereby impeding the continuous monitoring process. Furthermore, the enhancement of diagnostic performance using deep neural networks necessitates the use of large models, which could be a burden when developing embedded edge devices. Thus, we propose a multitask learning model to estimate the remote photoplethysmogram (PPG) and respiratory rate simultaneously based o
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 aim was to develop an artificial intelligence (AI)-based identification system using a deep learning method based on convolutional neural networks to analyze pathological kidney images. We constructed a rat chronic kidney disease (CKD) model and used different drug interventions to study the pathological changes in the kidneys, which is convenient for machine in-depth learning and the construction of a recognition system. The reliability and credibility of the system were assessed by a blind comparative analysis. Microscopic image recognition and classification: Five pathological groups we
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 employs Convolutional Neural Networks (CNNs) as feature extractors with appended regression layers for the non-invasive prediction of Cobb Angle (CA) from Surface Topography (ST) scans in adolescents with Idiopathic Scoliosis (AIS). The aim is to minimize radiation exposure during critical growth periods by offering a reliable, non-invasive assessment tool. The efficacy of various CNN-based feature extractors-DenseNet121, EfficientNetB0, ResNet18, SqueezeNet, and a modified U-Net-was evaluated on a dataset of 654 ST scans using a regression analysis framework for accurate CA predict
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2024eng
In carotid arteries, plaque can develop as localized elevated lesions. The Jellyfish sign, marked by fluctuating plaque surfaces with blood flow pulsation, is a dynamic characteristic of these plaques that has recently attracted attention. Detecting this sign is vital, as it is often associated with cerebral infarction. This paper proposes an ultrasound video-based classification method for the Jellyfish sign, using deep neural networks. The proposed method first preprocesses carotid ultrasound videos to separate the movement of the vascular wall from plaque movements. These preprocessed video
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: Head-on-head impacts are a risk factor for concussion, which is a concern for sports. Computer vision frameworks may provide an automated process to identify head-on-head impacts, although this has not been applied or evaluated in rugby.
METHODS: This study developed and evaluated a novel computer vision framework to automatically classify head-on-head and non-head-on-head impacts. Tackle events from professional rugby league matches were coded as either head-on-head or non-head-on-head impacts. These included non-televised standard-definition and televised high-definition video c
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.
Parkinson’s disease affects both motor and non-motor functions, including vocal features that may indicate underlying mental health conditions such as depression. This work proposes a novel framework for simulated depression risk classification using vocal biomarkers derived from the UCI Parkinson’s dataset. A Self-Attention-Enhanced Multilayer Perceptron-MLP architecture is used model interactions between key acoustic features, particularly Harmonic-to-Noise Ratio and Jitter, which serve as the basis for generating binary depression risk labels. The proposed model outperforming traditional an
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