PURPOSE: Endoscopically identifying eosinophilic esophagitis (EoE) is difficult due to its rare incidence and subtle morphology. We aimed to develop a robust and accurate convolutional neural network (CNN) model for EoE identification and classification in endoscopic images.
MATERIALS AND METHODS: We collected 548 endoscopic images from 81 patients with EoE and 297 images from 37 normal patients. These datasets were labeled according to the four eosinophilic esophagitis endoscopic reference score (EREFS) features: edema, rings, exudates, and furrows. A multi-task U-Net with an auxiliary class
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.
Climate change is a critical global challenge driven by rising greenhouse gas emissions, particularly carbon dioxide CO 2 . Accurate forecasting of CO 2 emissions is essential for developing effective mitigation strategies. This study focuses on modeling and forecasting CO 2 emissions in Iraq based on data from 1937 to 2023, incorporating climatic variables such as temperature and precipitation as exogenous variables to enhance forecast accuracy using multiple models, including traditional time series ARIMAX, Feedforward Neural Networks (FNN), Recurrent Neural Networks (RNN), and hybr
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.
Respiratory-induced motion complicates accurate irradiation of thoraco-abdominal tumors during radiotherapy, as treatment-system latency entails target-location uncertainties. This work addresses frame forecasting in dynamic chest and liver MRI to compensate for such delays. We investigate RNNs trained with online learning algorithms, enabling adaptation to changing respiratory patterns via on-the-fly parameter updates, and transformers, increasingly common in time-series forecasting for their ability to capture long-term dependencies. Experiments were conducted using twelve sagittal thoracic
СтатьяСравнительное исследованиеПоиск 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.
Human activity recognition (HAR) based on smartphone and wearable sensor data is commonly addressed using statistical learning methods and deep neural networks that often provide strong predictive performance, but at the expense of limited interpretability and substantial computational and energy requirements. Such limitations reduce their suitability for deployment in practical sensing environments where model decisions must be transparent, verifiable and executable on resource-constrained devices. In this work, we investigate the Convolutional Tsetlin Machine (CTM) for multimodal HAR using 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.
Parkinson's disease (PD) is a neurodegenerative disorder with an increasing incidence rate that significantly affects patients' motor functions and quality of life. Involuntary upper limb tremors (ULTs) commonly manifest unilaterally, affecting either the left or right upper limb. Clinically, ULT frequencies can be categorized into three distinct classes: low-frequency (<4.0 Hz), mid-frequency (4.0-7.0 Hz), and high-frequency (>7.0 Hz) tremors. These tremor motions are characterized by oscillatory or rotational (angular displacement) movements, commonly referred to as the micro-Doppler effect
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 and reliable brain tumor diagnosis from magnetic resonance imaging (MRI) remains a challenging task, particularly in multi-class settings where inter-class ambiguity and miscalibration may degrade predictive performance. In this work, we propose a Class-wise Quantum Relational Calibration Network (CQRCNet), a hybrid quantum-classical framework that integrates quantum relational modeling into a classical convolutional neural network backbone. Our approach employs a parameter-shared and low-qubit quantum circuit to explicitly model pairwise interactions between class-specific evidences,
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.
Accurate segmentation of brain tumors from multimodal Magnetic Resonance Imaging (MRI) plays a critical role in diagnosis, treatment planning, and disease monitoring in neuro-oncology. Traditional methods of tumor segmentation, often manual and labour-intensive, are prone to inconsistencies and inter-observer variability. Recently, deep learning models, particularly Convolutional Neural Networks (CNNs), have shown great promise in automating this process. However, these models face challenges in terms of generalization across diverse datasets, accurate tumor boundary delineation, and uncertain
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.
Eggs, a key dietary staple globally, are valued for their high nutritional content. However, the safety of eggshells is often compromised by microbial contamination. In this study, we developed a reliable, noninvasive method for detecting the aerobic plate count on eggshells through hyperspectral imaging (HSI) combined with a deep learning approach. Visible-near infrared HSI data (450-1100 nm) were collected for 108 egg samples. To address the high dimensionality of HSI data, three wavelength selection methods-competitive adaptive reweighted sampling, selectivity ratio, and variable importance
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.
Bladder cancer diagnosis is a challenging task because of its intricacy and variation of tumor features. Moreover, morphological similarities of the cancerous cells make manual diagnosis time-consuming. Recently, machine learning and deep learning methods have been utilized to diagnose bladder cancer. However, manual feature requirements for machine learning and the high volume of data for deep learning make them less reliable for real-time application. This study developed a hybrid model using CNN (Convolutional Neural Network) and less attention-based ViT (Vision Transformer) for bladder les
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.
RATIONALE AND OBJECTIVES: Training Convolutional Neural Networks (CNN) requires large datasets with labeled data, which can be very labor-intensive to prepare. Radiology reports contain a lot of potentially useful information for such tasks. However, they are often unstructured and cannot be directly used for training. The recent progress in large language models (LLMs) might introduce a new useful tool in interpreting radiology reports. This study aims to explore the use of the LLM to classify radiology reports and generate labels. These labels will be utilized then to train a CNN to detect 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.
Osteoporosis is a disease characterized by decreased bone density and increased fracture risk. This study proposes a convolutional neural network (CNN) method for detecting changes in bone density using spectrograms or scalograms generated from ultrasonic backscatter signals of 55 human cancellous bone specimens from the proximal femur. After applying a simple grid search to optimize three CNN hyperparameters (learning rate, batch size, and number of epochs), the CNN model was able to accurately determine bone density from the ultrasound data. Linear regression analysis revealed strong correla
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: Traditional diagnostic tools for scoliosis screening necessitate a substantial number of specialized personnel and equipment, leading to inconvenience that can result in missed opportunities for early diagnosis and optimal treatment. We have developed a deep learning-based image segmentation model to enhance the efficiency of scoliosis screening.
METHODS: A total of 350 patients with scoliosis and 108 healthy subjects were included in this study. The dataset was created using their bare back images and standing full-length anteroposterior spinal X-rays. An attention mechanism was
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.
Correct identification of blood-sucking bugs, such as triatomines, is important because they are vectors of Chagas' disease. Identifying these insects is often difficult for non-specialists. Deep learning is emerging as a solution for automated identification. This study evaluates the performance of three convolutional neural networks (CNNs) - AlexNet, MobileNetV2 and ResNet-50 - to identify bugs categorized by their feeding habits: 'blood-suckers', 'phytophagous' and 'predators'. A dataset of 707 dorsal view pictures was divided into training, validation, and test subsets (70 %, 10 %, and 20
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2024eng
Alzheimer's Disease (AD), the most prevalent form of dementia, requires early prediction for timely intervention. Leveraging data from the Alzheimer's Disease Neuroimaging Initiative (ADNI), our study employs Graph Neural Networks (GNNs) for multi-class AD classification. Initial steps involve creating a patient-clinical graph network considering latent relationships among cognitive normal (CN), mild cognitive impairment (MCI), and AD patients, followed by training several GNN-based techniques for building prediction models. Incorporating comorbidity data from electronic health records into th
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.
Computer vision techniques are increasingly applied to medical imaging and may provide valuable assistance in upper limb orthopaedics, a field where radiographs, CT, MRI, and ultrasound are central to diagnosis and treatment planning. The development of deep learning has made automated interpretation of orthopaedic imaging both feasible and increasingly accurate. This review maps and characterises the current use of computer vision in upper limb orthopaedics, describing the clinical problems addressed, the imaging modalities used, and the methodological approaches reported in the literature. O
СтатьяОбзорПолный 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.
Diaphorina citri Kuwayama (Hemiptera: Liviidae) vector bacteria (Candidatus Liberibacter asiaticus) that cause huanglongbing, an economically devastating disease of citrus. Management of D. citri infestations is primarily through insecticides, but alternative control methods remain under consideration including the co-opting and disruption of D. citri mating-duet vibrational communication signals. This study applies generative adversarial network and convolutional neural network methods to distinguish among female and male duetting signals when the sex of the signaler is not visually verifiabl
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.
Artificial intelligence (AI) is a commonly used term in daily life, and there are now two subconcepts that divide the entire range of meanings currently encompassed by the term. The coexistence of the concepts of strong and weak AI can be seen as a result of the recognition of the limits of mathematical and engineering concepts that have dominated the definition. This presentation reviewed the concept, history, and the current application of AI in daily life. Applications of AI are becoming a reality that is commonplace in all areas of modern human life. Efforts to develop robots controlled by
СтатьяОбзорПоиск 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.
In this paper, we address the problem of identifying brain haemorrhage which is considered as a tedious task for radiologists, especially in the early stages of the haemorrhage. The problem is solved using a deep learning approach where a convolutional neural network (CNN), the well-known AlexNet neural network, and also a modified novel version of AlexNet with support vector machine (AlexNet-SVM) classifier are trained to classify the brain computer tomography (CT) images into haemorrhage or nonhaemorrhage images. The aim of employing the deep learning model is to address the primary question
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.
Accurate prediction of drug-target interactions is pivotal for accelerating drug discovery and drug repurposing. However, existing advanced methods often fail to effectively characterize the many-to-many interactions between drugs and targets. Furthermore, they struggle to fully mine the structural features of drugs and proteins. To address these limitations, we propose IHLO-DTI, a novel prediction model based on an improved hypergraph neural network and Laplacian matrix optimization. First, we construct drug, protein, and drug-protein pair hypergraphs, where shared-drug and shared-target rela
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: Artificial Intelligence is reshaping dental diagnostics through automated interpretation of images. While Convolutional Neural Networks (CNNs) demonstrate high accuracy via domain-specific training, multimodal Large Language Models (LLMs) such as ChatGPT-4o and Gemini 2.5 Flash have recently acquired visual-reasoning capabilities without task-specific fine-tuning.
OBJECTIVE: This study compared the diagnostic performance of these LLMs with a custom CNN for detecting and localizing dental caries on intraoral images.
METHODS: This cross-sectional diagnostic accuracy study used 22 o
СтатьяСравнительное исследованиеПоиск 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