OBJECTIVE: In radiation therapy, cancerous region segmentation in magnetic resonance images (MRI) is a critical step. For rectal cancer, the automatic segmentation of rectal tumors from an MRI is a great challenge. There are two main shortcomings in existing deep learning-based methods that lead to incorrect segmentation: 1) there are many organs surrounding the rectum, and the shape of some organs is similar to that of rectal tumors; 2) high-level features extracted by conventional neural networks often do not contain enough high-resolution information. Therefore, an improved U-Net segmentati
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.
An adnexal mass, also known as a pelvic mass, is a growth that develops in or near the uterus, ovaries, fallopian tubes, and supporting tissues. For women suspected of having ovarian cancer, timely and accurate detection of a malignant pelvic mass is crucial for effective triage, referral, and follow-up therapy. While various deep learning techniques have been proposed for identifying pelvic masses, current methods are often not accurate enough and can be computationally intensive. To address these issues, this manuscript introduces an optimized Siamese circle-inspired neural network with deep
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.
Segmentation of bladder tumors from medical radiographic images is of great significance for early detection, diagnosis and prognosis evaluation of bladder cancer. Deep Convolution Neural Networks (DCNNs) have been successfully used for bladder tumor segmentation, but the segmentation based on DCNN is data-hungry for model training and ignores clinical knowledge. From the clinical view, bladder tumors originate from the mucosal surface of bladder and must rely on the bladder wall to survive and grow. This clinical knowledge of tumor location is helpful to improve the bladder tumor segmentation
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.
Breast cancer was the most diagnosed cancer around the world in 2020. Screening programs, based on mammography, aim to achieve early diagnosis which is of extreme importance when it comes to cancer. There are several flaws associated with mammography, with one of the most important being tissue overlapping that can result in both lesion masking and fake-lesion appearance. To overcome this, digital breast tomosynthesis takes images (slices) at different angles that are later reconstructed into a 3D image. Having in mind that the slices are planar images where tissue overlapping does not occur,
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.
We present an algorithm for volumetric registration of 3D solid shapes. In comparison to previous work on image based registration, our technique achieves higher efficiency by leveraging a template tetrahedral mesh. In contrast to point- and surface-based registration techniques, our method better captures volumetric nature of the data, such as bone thickness. We apply our algorithm to study pathological skull deformities caused by a particular condition, i.e., craniosynostosis. The input to our system is a pair of volumetric 3D shapes: a tetrahedral mesh and a voxelized object represented by
СтатьяПоддержка исследования: вне правительства СШАПоддержка 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.
Interest in the manner in which brain tissue signal decays with b factor in diffusion imaging schemes has grown in recent years following the observation that the decay curves depart from purely monoexponential decay behavior. Regardless of the model or fitting function proposed for characterizing sufficiently sampled decay curves (vide infra), the departure from monoexponentiality spells increased tissue characterization potential. The degree to which this potential can be harnessed to improve specificity, sensitivity and spatial localization of diseases in brain, and other tissues, largely r
СтатьяПоддержка NIH: внешняя программаОбзорПоиск 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.
A recently developed blind deblurring algorithm based on the edge-to-noise ratio has been applied to improve the quality of spiral CT images. Since the discrepancy measure used to quantify the edge and noise effects is not symmetric, there are several ways to formulate the edge-to-noise ratio. This article is to investigate the performance of those ratios with phantom and patient data. In the phantom study, it is shown that all the ratios share similar properties, validating the blind deblurring algorithm. The image fidelity improvement varies from 29% to 33% for different ratios, according to
Сравнительное исследованиеСтатьяПоддержка службы здравоохранения 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.
A computer aided neural network classification of regions of suspicion (ROS) on digitized mammograms is presented in this paper which employs features extracted by a new technique based on independent component analysis. Our approach is concentrated in finding a set of independent source regions that generate the observed mammograms. The coefficients of the linear transformation of the source regions are used as features that describe effectively any normal and abnormal region in digital mammograms as well as benign and malignant ROS in the latter case. Extensive experiments in the MIAS Databa
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.
OBJECTIVES: To implement a cost-effective low-dose computed tomography (LDCT) lung cancer screening program at the population level, accurate and efficient interpretation of a large volume of LDCT scans is needed. The objective of this study was to evaluate a workflow strategy to identify abnormal LDCT scans in which a technician assisted by computer vision (CV) software acts as a first reader with the aim to improve speed, consistency, and quality of scan interpretation.
METHODS: Without knowledge of the diagnosis, a technician reviewed 828 randomly batched scans (136 with lung cancers, 556
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.
Medical imaging plays a crucial role in modern diagnostic practices, but traditional techniques often face limitations in accuracy, efficiency, and scalability. The emergence of deep learning (DL) has led to significant improvements that are transforming this field. This review discusses how DL algorithms are enhancing diagnostic imaging by improving accuracy, enabling automated analysis, and supporting personalized treatment plans. It focuses on key DL frameworks, including convolutional neural networks (CNNs), recurrent neural networks (RNNs), and generative adversarial networks (GANs). The
СтатьяОбзорПоиск 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 recognition of early-stage pneumoconiosis presents significant challenges due to the irregular morphology, diffuse distribution, and small size of pulmonary lesions. Existing 2D methods struggle to focus on lesion-level 3D characteristics and inter-slice correlations in localized weak lesion regions, resulting in incomplete feature extraction and inaccurate calculation of lesion volume. To obtain complete 3D fine-grained lesion features in the entire lung, this paper proposes an early pneumoconiosis recognition network (EPRNet) to enhance fine-grained feature acquisition abilities and
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.
OBJECTIVE: To determine the best combination of reconstruction parameters on a spectral photon-counting CT (SPCCT) system to improve detection of peritoneal metastases (PMs) on virtual monoenergetic images (VMIs) at 40 keV.
MATERIALS AND METHODS: A spectral phantom was scanned using SPCCT and dual-energy CT (EID-DECT) at 8.5 mGy (CTDIvol). 40 keV VMIs were reconstructed on EID-DECT using a level 4 Spectral algorithm and kernel B. For SPCCT, two reconstruction kernels (STD-B and HRB) and four iDose4 levels (i5/i7/i9/i11) were used. Noise power spectrum (NPS) and task-based transfer function (T
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.
OBJECTIVE: This study aimed to evaluate the effect of a silver (Ag) additional filter on dose characteristics and image quality in low-dose chest computed tomography (CT).
METHODS: A dose evaluation phantom, physical evaluation phantom, and chest phantom were scanned with and without an Ag additional filter. The doses were adjusted so that the displayed the volume CT dose indexes (CTDI vol ) were from 0.3 to 1.6 mGy. For dose characteristics, the spectrum of photon energies and the measured CTDI vol were calculated for each scanning condition. For task-based image quality analysis, task trans
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.
PURPOSE: To explore the application of computer-aided detection (CAD) software on automatically detecting nodules under standard-dose CT (SDCT) and low-dose CT (LDCT) scans with different parameters including definition modes and blending levels of adaptive statistical iterative reconstruction (ASIR), whose influence was important to optimize radiology workflow serving for clinical work.
MATERIALS AND METHODS: 117 patients underwent SDCT and LDCT scans. The comprehensive performance of CAD in detect pulmonary nodules including under different ASIR blending levels (0%, 60%, and 80%) and high-d
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.
PURPOSE: Noise power spectrum (NPS) is a commonly used performance metric to evaluate noise-reduction techniques (NRT) in imaging systems. The images reconstructed with and without an NRT can be compared via their NPS to better understand the NRT's effects on image noise. However, when comparing NPSs, simple visual assessments or a comparison of NPS peaks or medians are often used. These assessments make it difficult to objectively evaluate the effect of noise reduction across all spatial frequencies. In this work, we propose a new noise reduction profile (NRP) to facilitate a more complete 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.
This study's aim was to assess whether deep learning image reconstruction (DLIR) techniques are non-inferior to ASIR-V for the clinical task of pulmonary nodule detection in chest computed tomography. Up to 6 (range 3-6, mean 4.2) artificial lung nodules (diameter: 3, 5, 8 mm; density: -800, -630, +100 HU) were inserted at different locations in the Kyoto Kagaku Lungman phantom. In total, 16 configurations (10 abnormal, 6 normal) were scanned at 7.6, 3, 1.6 and 0.38 mGy CTDIvol (respectively 0, 60, 80 and 95% dose reduction). Images were reconstructed using 50% ASIR-V and a deep learning-based
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.
This paper presents a methodology for three-dimensional (3D) computer modelling of the breast, using a combination of 3D geometrical primitives and voxel matrices that can be further subjected to simulated x-ray imaging, to produce synthetic mammograms. The breast phantom is a composite model of the breast and includes the breast surface, the duct system and terminal ductal lobular units. Cooper's ligaments, the pectoral muscle, the 3D mammographic background and breast abnormalities. A second analytical x-ray matter interaction modelling module is used to generate synthetic images from monoen
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.
OBJECTIVE: Deep learning-based automated analysis of transgastric short-axis view (TSV) transesophageal echocardiography (TEE) remains under-explored. In this study, we propose a deep learning-based method for fully automated left ventricular segmentation and ejection fraction (EF) prediction in TSV TEE videos.
METHODS: We built upon the U-Net network and proposed an Echo Efficient U-Net (Echo-EU-Net) segmentation model by replacing the original standard convolutions with depth-wise separable convolutions and by introducing the Multi-Efficient Channel Attention (MECA) and Enhanced Atrous Spat
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.
This paper presents a novel multimodal fusion-based framework for colorectal cancer (CRC) survival prediction, integrating whole-slide images (WSIs) with clinical and biomarker data. The framework combines the ProvGigaPath model for WSI feature extraction and the TabTransformer for tabular data representation. Two fusion strategies were explored: contrastive learning (CL) on limited data and cross-attention (CA) for intermediate-level integration. Experiments on the Molecular and Cellular Oncology (MCO) dataset showed that CL achieves AUROCs of 0.82 (tabular) and 0.73 (image), while CA-based m
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.
MedElevator
Войти в исследования