Knee osteoarthritis (KOA) is a prevalent musculoskeletal disorder, often diagnosed using X-rays due to its cost-effectiveness. While Magnetic Resonance Imaging (MRI) provides superior soft tissue visualization and serves as a valuable supplementary diagnostic tool, its high cost and limited accessibility significantly restrict its widespread use. To explore the feasibility of bridging this imaging gap, we conducted a feasibility study leveraging a diffusion-based model that uses an X-ray image as conditional input, alongside target depth and additional patient-specific feature information, to
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.
Rehabilitation exercises are essential in restoring lost physical functions of patients suffering from various diseases (e.g., Parkinson's, back pain). Carrying out these rehabilitation exercises, often prescribed by health experts, is costly, unavailable, and requires expert supervision. The availability of RGBD images and movement/position data of joints along with expert annotation of exercise data has prompted the use of automatic assessment of the quality of rehabilitation exercises, which is cost-effective and can be carried out at home. However, existing approaches do not extract releva
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.
The application of artificial intelligence (AI) in clinical diagnostics has shown substantial potential; however, conventional centralized learning frameworks often encounter critical limitations related to patient data privacy, data heterogeneity, and limited generalizability. To address these challenges, we propose a novel Federated Deep Learning (FDL) framework tailored for privacy-preserving, AI-driven clinical decision support. The proposed architecture integrates Vision Transformers (ViT) with DINOv2-based self-supervised learning to enable effective representation learning in the absenc
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.
Cervical spondylosis, a complex and prevalent condition, demands precise and efficient diagnostic techniques for accurate assessment. While MRI offers detailed visualization of cervical spine anatomy, manual interpretation remains labor-intensive and prone to error. To address this, we developed an innovative AI-assisted Expert-based Diagnosis System1 that automates both segmentation and diagnosis of cervical spondylosis using MRI. Leveraging multi-center datasets of cervical MRI images from patients with cervical spondylosis, our system features a pathology-guided segmentation model capable o
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.
Diagnosis and prognosis of lung cancer via PET/CT imaging have long been major clinical concerns. However, existing multimodal approaches often focus on feature aggregation rather than cross-modal interactive collaboration, failing to capture the structural-metabolic correlations and multi-scale synergy essential for characterizing complex lesions. Therefore, this study proposes TriFuse-Net, a tri-branch PET/CT fusion pyramid network (FPN) enhanced by lesion-guided structural-metabolic attention (LSMA) to improve both diagnosis and prognosis prediction tasks. The model is composed of two ident
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: Mortality among hospitalized COVID-19 patients changed markedly across successive epidemic waves as circulating variants shifted, population immunity increased, and health-system pressures fluctuated. These increasingly heterogeneous conditions raise concerns about whether prediction models developed during early phases remain reliable in later epidemic contexts.
OBJECTIVE: To develop a wave-aware machine-learning framework that differentiates between stable physiological predictors of mortality and context-dependent predictors whose importance changed across waves.
METHODS: We a
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: Adolescent idiopathic scoliosis (AIS) affects 2-3% of adolescents. Current screening relies on X-rays, which limits large-scale application due to radiation exposure and equipment requirements. This study aimed to develop a radiation-free, efficient screening method using bare-back images and an efficient dilated residual network (EDRNet).
METHODS: In this study, 300 adolescent patients with scoliosis and 300 adolescent patients without spinal diseases were selected from among those treated at the Department of Orthopedics of Ningxia Medical University General Hospital and the Dep
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.
Idiopathic scoliosis (IS) is a prevalent spinal deformity that impairs posture and psychosocial health. Physiotherapeutic scoliosis-specific exercise (PSSE) is an effective conservative treatment that needs long-term and regular training. However, academic demands, geographic barriers, and time constraints limit frequent clinic visits, making home-based PSSE the mainstay of care. Also, the lack of supervision makes correct execution and sustained adherence difficult, posing a major challenge in spinal rehabilitation. To address this issue, we innovatively equate the spine as an open-chain spat
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.
Osteoporosis poses a significant global public health challenge, and timely detection and treatment are crucial for preventing fragility fractures in the elderly. However, opportunistic screening remains challenging. Despite rapid deep learning development, its potential in clinical data classification has yet to be fully realized, with traditional machine learning dominating. Therefore, deepening research on deep learning for clinical data recognition in osteoporosis screening holds practical significance. This study utilizes the latest artificial intelligence technology to develop the OPDoct
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: Osteoporosis is a common chronic condition in older adults, characterized by reduced bone mineral density and increased fracture risk. Dual-energy X-ray absorptiometry is the diagnostic gold standard, but its cost and limited availability restrict large-scale screening in primary and community care. There is a need for auxiliary diagnostic systems that use routinely collected clinical data to identify individuals at high risk of osteoporosis. METHODS: Data from the 2017–2020 National Health and Nutrition Examination Survey were analysed. Adults aged 50 years or older with valid dua
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.
The growing availability of multi-institutional medical imaging data, facilitated by emerging 6G networks, enables large-scale 3D segmentation studies. However, voxel-wise annotation remains costly and scarce, and existing semi-supervised methods, which rely mainly on output-level consistency, often neglect semantic cues in encoder representations, resulting in weak supervision in uncertain regions and over-smoothed boundaries. To address these challenges, we propose a Dual-View Differential Feedback (DVDF) semi-supervised framework for 3D medical image segmentation, which leverages a feature-
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.
Oral cancer represents a critical global public health concern, where accurate and timely early detection is paramount. While deep learning on non-invasive tongue and lip images shows potential, single-magnification models fail to capture both macro-level context and micro-level features. Existing multi-magnification fusion methods often suffer from feature misalignment, high computational cost, and poor noise robustness. To overcome these limitations, we propose a novel, computationally efficient deep learning framework for robust multi-magnification fusion in oral lesion screening. Our frame
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.
Prostate cancer is a highly prevalent malignancy, and deep learning has significantly advanced di agnostic models based on multi-parametric MRI (mpMRI). However, the robustness of these models is threatened by adversarial attacks, potentially leading to fatal misdiagnoses and impeding clinical translation. Unlike natural images, the vulnerability of medical images lies within anatomical details and multi-modal variations, creating an "efficiency-imperceptibility" dilemma for existing black-box attacks. Low-precision strategies (e.g., Square Attack, sign Hunter) lack fine-grained anatomical awa
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: Despite emerging research on clinical predictors of cognitive frailty (CF), no studies have yet leveraged radiomic methods to characterize this high-risk geriatric syndrome, creating a critical gap in neurostructural biomarker integration for early detection. This study aims to develop and validate machine learning models for predicting cognitive frailty in the elderly using MRI radiomics and clinical risk factors. METHODS: This retrospective study analyzed 173 patients undergoing brain MRI at our institution (April 2016–December 2021), categorized into cognitive frailty (CF, n = 8
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.
Auditory brainstem response (ABR) is an important tool for newborn hearing screening and neurological assessment. However, its signals are often difficult to be accurately resolved due to noise interference and weak waveforms, and the need for repeated measurements under multiple sound intensity conditions results in time-consuming data acquisition. Therefore, there is an urgent need to develop an automatic classification model with high accuracy, robustness and good interpretability to achieve stable and effective recognition performance with minimal ABR data. This study presents FIGNet, a ne
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.
Spatial transcriptomics (ST) technologies integrate high-throughput transcriptomic profiling with preserved spatial cellular organization. However, many of these technologies fail to achieve single-cell resolution, hindering the identification of cell-type-specific spatial patterns and gene expression variation. We propose Graph Contrastive learning for Inferring spatial cell composition from integrated single-cell RNA sequencing (scRNA-seq) and Spatial transcriptomics (GCIRS). GCIRS constructs spot-cell heterogeneous graphs and applies metapath-based reasoning to uncover potential inter-spot
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: Prognostic prediction following gastric cancer surgery plays a pivotal role in postoperative management, helping to optimize therapeutic strategies and improve patient survival. Standard clinicopathological indicators, including tumor differentiation and lymph node metastasis, continue to serve as the basis for outcome evaluation; however, they do not adequately represent the host's systemic inflammatory response and immunonutritional status, both of which significantly affect tumor progression and postoperative recovery. Systemic inflammatory markers, such as the Neutrophil-to-Lym
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: Endometriosis is a chronic gynecological disease characterized by the growth of endometrial-like tissue outside the uterus, leading to pelvic pain, infertility, and other major health complications. Though some studies have tried to determine the factors that influence endometriosis and its clinical manifestations, the predictive modeling approaches have many limitations. Most of the models are based on complex algorithms that are not interpretable in a clinical setting, and therefore, practitioners cannot easily apply the findings. Moreover, much of the previous research often foc
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.
The high cost of medical image annotation severely restricts the clinical application of prostate precise multi-regional segmentation technologies. To address existing bottlenecks in semi-supervised learning methods, including insufficient alignment of local anatomical structures and pseudo-label noise accumulation, this paper proposes a labeled patch guidance (LPG) for patch-level interactive enhancement module that optimizes pseudo-label quality for unlabeled data by dynamically mining anatomical prior knowledge from labeled data. Specifically, 1) A labeled patch mutual correction (LPMC) mec
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 delineation of organs at risk (OARs) is critical for effective radiotherapy in head and neck cancer, and different deep learning methods have been proposed for this task. Although these methods can effectively segment large organs, they all face challenges in segmenting different small organs with high accuracy, due to large numbers, complex distributions, and diverse shapes of small organs in the head and neck region. To address this challenge, this paper proposes a novel segmentation framework that incorporates spatial distribution information of all organs and shape priors of small
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