In a recent paper published in Cell, Krishnan et al. present a generative deep learning platform that combines graph neural network (GNN)-based fragment screening with de novo molecular design to identify NG1 and DN1, two lead compounds with potent in vivo activity against multidrug-resistant N. gonorrhoeae and methicillin-resistant Staphylococcus aureus.
СтатьяКомментарийПолный 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.
Infertility has emerged as a significant public health concern, with assisted reproductive technology (ART) is a last-resort treatment option. However, ART's efficacy is limited by significant financial cost and physical discomfort. The aim of this study is to build Machine learning (ML) decision-support models to predict the optimal range of embryo numbers to transfer, using data from infertile couples identified through literature reviews. Binary classification models were developed to classify cases into two groups: those transferring two or fewer embryos and those transferring three or fou
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 Forced Swim Test (FST) is a widely used preclinical model for assessing antidepressant efficacy, studying stress response, and evaluating depressive-like behaviours in rodents. Over the last 10 years, more than 5500 scientific articles reporting the use of the FST have been published. Despite its widespread use, the FST behaviours are still manually scored, resulting in a labor-intensive and time-consuming process that is prone to human bias and variability. Despite eliminating some biases, existing automated systems are costly and typically only able to distinguish between immobility and
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.
In recent years, with the constant rise in the number of infertility patients, the rapid and accurate assessment of sperm quality has become a key challenge in reproductive medicine. Currently, traditional methods for sperm classification suffer from limitations in efficiency, subjectivity, and cost-effectiveness, and hence fail to meet clinical needs. With the introduction of artificial intelligence (AI), innovative approaches have been offered to address these issues. Herein, we systematically reviewed the latest progress in AI applications in the field of male infertility, focusing on the r
СтатьяОбзорАннотация на английскомПолный 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.
Obstructive sleep apnea (OSA) is a common sleep disorder that affects 1-5 % of children, with a notably higher prevalence among those with cleft lip/palate and dentofacial deformities. Early diagnosis in these populations is essential; however, access to polysomnography is often limited due to its high cost, technical complexity, and associated discomfort. Here, we introduce a wireless, soft, and breathable bioelectronic system for detecting OSA. This wearable device features a perforated, deformable structure that improves skin conformity, facilitates sweat removal, and minimizes motion artif
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.
European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery2025eng
BACKGROUND: Voice disorders (VD) are often linked to vocal fold structural pathologies (VFSP). Laryngeal imaging plays a vital role in assessing VFSPs and VD in clinical and research settings, but challenges like scarce and imbalanced datasets can limit the generalizability of findings. Denoising Diffusion Probabilistic Models (DDPMs), a subtype of Generative AI, has gained attention for its ability to generate high-quality and realistic synthetic images to address these challenges.
PURPOSE: This study explores the feasibility of improving VFSP image classification by generating synthetic ima
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.
BACKGROUND AND OBJECTIVE: Patients with spinal cord injury (SCI), are prone to pressure injury (PI) in the soft tissues of buttocks. Early prediction of PI holds the potential to reduce the occurrence and progression of PI. This study proposes a machine learning model to predict soft tissue stress/strain and evaluate PI risk in SCI patients.
METHODS: Based on the standard database from parametric models of buttock, the biomechanical response of soft tissues and risk factors affecting PI were analyzed. A comprehensive assessment of multiple machine-learning methods was performed to predict the
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.
INTRODUCTION: Obstructive type of urination requires accurate and timely diagnosis to prevent complications and improve the quality of life of patients. Traditional diagnostic methods such as uroflowmetry, although they remain the standard, have their limitations. In this context, videography of urine stream followed by image analysis is a more cost-effective and promising approach that allows for a more detailed picture of urination, accessible not only to urologists, but also to patients.
AIM: To establish the possibility of recognizing and classifying graphs of the urination using neural n
Аннотация на английскомСтатьяПоиск 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.
Low back pain (LBP) constitutes a persistent and burdensome condition, frequently intricately intertwined with negative emotional states. The focus of this study is to discern distinct patterns of negative emotions among individuals experiencing Acute Low Back Pain (ALBP) and Chronic Low Back Pain (CLBP), in comparison to a pain-free control group. The study endeavors to harness the potential of artificial intelligence (AI) models in evaluating the discriminatory capacity of these emotions within the groups, thus addressing the issue of pain chronicity. The participant cohort consisted of 54 c
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.
Fine motor dysfunction of the hand severely impacts activities of daily living in stroke survivors. Accurate decoding of motion intentions from surface electromyography (sEMG) is critical for enabling survivors to participate actively in robot-assisted rehabilitation. Motion intention recognition methods using motor unit spike trains (MUSTs) derived from sEMG decomposition have demonstrated superior performance compared to conventional sEMG-based methods. However, these methods inadequately leverage the inherent spatiotemporal sparse coding efficiency of MUSTs and the full potential of sEMG de
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.
BACKGROUND: Predictive modeling has the potential to improve preoperative planning and resource allocation in lumbar fusion surgery. This study aimed to identify the 20 most important variables for predicting prolonged postoperative length of stay (pLOS) using machine learning (ML).
METHODS: The ACS-NSQIP database was queried for lumbar fusion procedures performed between 2012 and 2022, including ALIF, PlatIF, PLIF, and combined PLIF+PlatIF. Variable selection was performed using MUVR and Boruta, followed by hierarchical clustering and 5-fold cross-validation to ensure feature robustness. The
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.
Spinocerebellar ataxia type 2 (SCA2) is a neurodegenerative disorder marked by progressive brainstem and cerebellar atrophy, leading to gait ataxia. Quantifying this atrophy in magnetic resonance imaging (MRI) is critical for tracking disease progression in both symptomatic patients and preclinical subjects. However, manual segmentation of brainstem subregions (mesencephalon, pons, and medulla) is time-consuming and prone to human error. This work presents an automated deep learning framework to assess brainstem atrophy in SCA2. Using T1-weighted MRI scans from patients, preclinical carriers,
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 AND OBJECTIVE: Arteriovenous fistula (AVF) is a surgical intervention that establishes an artificial conduit between an artery and a vein, which is essential for hemodialysis treatment. The blood flow sounds has the potential to diagnose AVF stenosis. The research primarily addresses two critical questions: whether there is stenosis within the vascular pathway, and the precise location of the stenosis within the vascular pathway. However, most existing studies focus only on the anastomosis site using single-location acoustic data. This approach fails to fully leverage the acoustic i
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.
In this paper, we propose a Surface Plasmon Resonance (SPR) fiber optic refractive index (RI) sensor. It consists of a multi-mode fiber (MMF) sensor with a bi-metallic nanostructure with Gold (Au) and Zinc Sulphide (ZnS) as the plasmonic sensing layer. The effect of the design parameter variation is evaluated to achieve the maximum wavelength sensitivity (WS). The testing sample's RI is taken from 1.34 to 1.40. We found that RI sensitivity varies non-linearly from 9000 to 18,000 nm/RIU. This sensor is additionally capable of detecting the dengue virus with a highest WS of 14285.71 nm/RIU for t
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.
BACKROUNDS: Multiple Sclerosis (MS) is a neurodegerative disease that is common worldwide, has no definitive cure yet, and negatively affects the individual's quality of life due to disease-related disability. Predicting disability in MS is difficult because of the complex nature of the disease. The primary goal of treating individuals with MS is to prevent or reduce irreversible neurological damage throughout the therapeutic course. Considering the importance of predicting disability MS in the early stage, in this study, we aimed to predict the 5th year score of the Extended Disability Status
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.
Pneumatic artificial muscle (PAM) has been widely used in rehabilitation and other fields as a flexible and safe actuator. In this paper, a PAM-actuated wearable exoskeleton robot is developed for upper limb rehabilitation. However, accurate modeling and control of the PAM are difficult due to complex hysteresis. To solve this problem, this paper proposes an active neural network method for hysteresis compensation, where a neural network (NN) is utilized as the hysteresis compensator and unscented Kalman filtering is used to estimate the weights and approximation error of the NN in real time.
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.
OBJECTIVES: This study aimed to assess the reliability of AI-based system that assists the healthcare processes in the diagnosis of caries on intraoral radiographs.
METHODS: The proximal surfaces of the 323 selected teeth on the intraoral radiographs were evaluated by two independent observers using an AI-based (Diagnocat) system. The presence or absence of carious lesions was recorded during Phase 1. After 4 months, the AI-aided human observers evaluated the same radiographs (Phase 2), and the advanced convolutional neural network (CNN) reassessed the radiographic data (Phase 3). Subsequentl
СтатьяВалидационное 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.
With over 55 million people globally affected by dementia and nearly 10 million new cases reported annually, Alzheimer's disease is a prevalent and challenging neurodegenerative disorder. Despite significant advancements in machine learning techniques for Alzheimer's disease detection, the widespread adoption of deep learning models raises concerns about their explainability. The lack of explainability in deep learning models for online handwriting analysis is a critical gap in the literature in the context of Alzheimer's disease detection. This paper addresses this challenge by interpreting p
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 early detection of Alzheimer's Disease (AD) is thought to be important for effective intervention and management. Here, we explore deep learning methods for the early detection of AD. We consider both genetic risk factors and functional magnetic resonance imaging (fMRI) data. However, we found that the genetic factors do not notably enhance the AD prediction by imaging. Thus, we focus on building an effective imaging-only model. In particular, we utilize data from the Alzheimer's Disease Neuroimaging Initiative (ADNI), employing a 3D Convolutional Neural Network (CNN) to analyze fMRI scans
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.
Histological assessment is essential for the diagnosis and management of celiac disease. Current scoring systems, including modified Marsh (Marsh-Oberhuber) score, lack inter-pathologist agreement. To address this unmet need, we aimed to develop a fully automated, quantitative approach for histology characterisation of celiac disease. Convolutional neural network models were trained using pathologist annotations of hematoxylin and eosin-stained biopsies of celiac disease mucosa and normal duodenum to identify cells, tissue and artifact regions. Biopsies of duodenal mucosa of varying celiac dis
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