OBJECTIVE: This article shows the interest in deep learning techniques to detect motor imagery (MI) from raw electroencephalographic (EEG) signals when a functional electrical stimulation is added or not. Impacts of electrode montages and bandwidth are also reported. The perspective of this work is to improve the detection of intraoperative awareness during general anesthesia.
METHODS: Various architectures of EEGNet were investigated to optimize MI detection. They have been compared to the state-of-the-art classifiers in Brain-Computer Interfaces (based on Riemannian geometry, linear discrim
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.
Making a decision involves computations across distributed cortical and subcortical networks. How such distributed processing is performed remains unclear. We test how the encoding of choice in a key decision-making node, the posterior parietal cortex (PPC), depends on the temporal structure of the surrounding population activity. We recorded spiking and local field potential (LFP) activity in the PPC while two rhesus macaques performed a decision-making task. We quantified the mutual information that neurons carried about an upcoming choice and its dependence on LFP activity. The spiking of P
СтатьяПоддержка NIH: внешняя программаПоддержка исследования: вне правительства СШАПоддержка 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.
Computational approaches for predicting drug-target interactions (DTIs) are pivotal in advancing drug discovery. Current methodologies leveraging heterogeneous networks often fall short in fully integrating both local and global network information. To comprehensively consider network information, we propose DHGT-DTI, a novel deep learning-based approach for DTI prediction. Specifically, we capture the local and global structural information of the network from both neighborhood and meta-path perspectives. In the neighborhood perspective, we employ a heterogeneous graph neural network (HGNN),
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 investigation centered on Alzheimer's disease (AD), a progressive neurodegenerative disorder characterized by memory impairment and cognitive decline. Functional connectome gradient analysis was utilized to investigate alterations in the hierarchical architecture of brain networks in AD. The study cohort consisted of 222 subjects, encompassing 111 AD patients and 111 normal controls (NC). Connectome gradients were computed via a dimensionality reduction technique based on diffusion map embedding and analyzed at both the region of interest (ROI) and network levels. Additional connectome gr
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.
Computer-assisted diagnostic tools may help improve the consistency and reliability of ultrasonographic screening for developmental dysplasia of the hip (DDH). This study aimed to compare preprocessing strategies for convolutional neural network (CNN)-based classification of infant hip ultrasound images under heterogeneous image quality conditions. We evaluated six approaches for classifying infant hip ultrasound images as normal or abnormal: original-image CNN classification, CycleGAN-based domain translation in two directions, DeepLabV3-Plus-based segmentation preprocessing, and two combined
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.
OBJECTIVE: The prevalence of metabolic dysfunction-associated steatotic liver disease (MASLD) continues to rise, underscoring the need for tools to stratify individual risk of disease progression. We evaluated whether logistic regression models augmented by deep learning-based predictions (DLPs) can improve the B-mode ultrasound-based identification of at-risk MASLD, defined as patients with increased fibrosis risk.
METHODS: We retrospectively analyzed 205 patients with a total of 636 ultrasound images. We developed a model that reproduces the LSM-based dichotomous fibrosis risk classificatio
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.
Recent advances in deep learning have significantly improved the accuracy and efficiency of disease classification in digital pathology. Early diagnosis and precise classification of histopathological images are crucial for enabling timely treatment and improving therapeutic outcomes. Oral squamous cell carcinoma (OSCC) is one of the most common malignancies in the oral cavity, with manual histopathological examination serving as the gold standard for diagnosis-though it is time-consuming and subject to observer variability. This study investigates the performance of four deep learning convolu
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.
Alzheimer's disease (AD) is an irreversible neurodegenerative disorder. Diffusion tensor imaging (DTI) is widely used to detect brain alterations for diagnosis, but most methods rely on single-scale information. Therefore, this study proposes the multi-view feature learning framework incorporating residual block-based 3D convolutional neural network (3D-CNN) for AD diagnosis. First, tract-based spatial statistics were applied to extract voxel-based features from fractional anisotropy (FA) and mean diffusivity (MD) maps. Second, the residual block-based 3D-CNN model was employed to extract high
СтатьяПоддержка исследования: вне правительства СШАПолный 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.
INTRODUCTION: Accurate classification of apical hypertrophic cardiomyopathy (ApHCM) subtypes is challenging due to morphological variability and overlapping phenotypes. Conventional echocardiography provides limited visualization of the apex. Artifacts induced during left ventricular opacification (LVO) complicate diagnostic interpretation. A deep learning-based framework enhances image quality and improves subtype classification.
MATERIALS AND METHODS: In this work, a deep learning-based framework is used for ApHCM subtype classification. Apical four-chamber end-diastolic frames from 3,200 i
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.
Arterial blood pressure (BP) is a crucial physiological parameter reflecting cardiovascular function and exhibiting dynamic oscillations in response to physiological, psychological, and environmental changes. Since conventional cuff-based measurements provide only intermittent "snapshot" readings, there is growing interest in reliable cuffless and noninvasive systems capable of capturing BP dynamics over time. This work proposes a continuous cuffless BP estimation system based on SOUNDI®, a proprietary wearable device for multimodal physiological and environmental monitoring developed by Biocu
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 primary driver or cause of cognitive decline and stroke is Cerebral Small Vessel Disease (CSVD), which currently requires neuroimaging tests, which are expensive to obtain and inaccessible in standard clinical settings. Low-cost retinal imaging techniques offer non-invasive assessments that mirror the condition of the brain’s small blood vessels (cerebral microvasculature). State-of-the-art diagnostic methods currently have no accessible, non-invasive, or cost-effective solution to identify CSVD at its earliest stages through visual assessment of retinal biomarkers. This study presents the
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 benchmark a very small convolutional neural network trained with and without knowledge distillation for pneumonia detection on PneumoniaMNIST, with emphasis on discrimination, calibration, efficiency, and external generalization.
RESULTS: Using the predefined MedMNIST v2 splits and 5 random seeds, a ResNet-18 teacher achieved an area under the receiver operating characteristic curve of 0.9735 (95% confidence interval 0.9687-0.9782). A 60,642-parameter TinyCNN retained about 90% of teacher discrimination (0.8818, 0.8634-0.9001) while reducing parameters by 184-fold, multiply-accu
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: Pancreatic ductal adenocarcinoma (PDAC) has a poor prognosis, with high early recurrence rates after curative resection. Current prediction methods, based on clinicopathological features or conventional radiomics, often fail to capture intratumoral heterogeneity (ITH), a key driver of recurrence. Computed tomography (CT)-based habitat analysis quantifies ITH by identifying phenotypically distinct tumor subregions, while deep learning (DL) can extract complex imaging patterns. Their integration may improve recurrence risk assessment. This study aimed to develop and validate a fusion
СтатьяМногоцентровое исследованиеПоддержка исследования: вне правительства СШАПолный 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.
Early and precise identification of Parkinson's disease (PD) is crucial for clinical intervention. Resting-state functional magnetic resonance imaging (rs-fMRI) provides a valuable approach for revealing PD-related differences in brain functional connectivity (FC). However, existing methods often focus solely on characterizing the spatial topology of FC while neglecting its time-varying dynamic fluctuations. Furthermore, they frequently exhibit limited generalization capability when dealing with small sample sizes, and their decision-making mechanisms lack interpretability. To address these li
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 and Objective: Obstructive sleep apnea (OSA) is a fatal widespread sleep-related breathing disorder and a major risk factor for cardiovascular and cerebrovascular diseases, significantly impacting older adults' health worldwide. Due to the risk of such complications, timely and accurate identification of OSA is crucial. Polysomnography is considered the most accurate technique for detecting OSA; however, it is limited by its complexity and multi-channel requirements. A promising alternative is electrocardiogram (ECG)-based diagnosis, which continuously monitors heart rhythm and capt
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.
A low-cost, disposable paper-based enzymatic sensor has been developed for the quantitative estimation of urea concentration in serum samples. The sensor utilizes a novel detection mechanism, where ion conduction through a localized sensing region is assessed to measure changes in impedance, enabling highly sensitive detection. The sensing platform is fabricated by functionalizing polyaniline (PANI) over a chromatography paper substrate, enhancing electrical conductivity and allowing covalent immobilization of urease via glutaraldehyde cross-linking. Additionally, material characterization via
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.
Proliferating cell nuclear antigen (PCNA) forms subnuclear replication patterns that report S‑phase progression with a single marker and provide an imaging readout of the replication factor C (RFC)‑PCNA axis. We benchmarked lightweight convolutional neural networks for classifying fixed HeLa cell PCNA images as G1, early S, mid S, or late S, and then applied the best‑performing model to live‑cell RFC control and RFC‑del datasets. MobileNetV2 provided the best balance of accuracy and inference cost in the fixed‑cell benchmark. In live‑cell traces, RFC‑del cells showed prolonged late S‑like PCNA
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: Sleep-disordered breathing (SDB), including obstructive sleep apnea (OSA), is strongly influenced by craniofacial airway morphology. Cone-beam computed tomography (CBCT) enables three-dimensional airway assessment; however, manual segmentation is time-consuming and subject to variability. Artificial intelligence (AI) has emerged as a potential tool to automate airway analysis. This systematic review evaluates the technical performance and clinical applicability of AI in CBCT-based craniofacial airway assessment for SDB.
METHODS: This review was conducted in accordance with PRISMA
Систематический обзорСтатьяПоиск 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.
Although SARS-CoV-2 has been extensively studied from clinical, virological, and diagnostic perspectives, the problem of accurate automatic semantic segmentation of SARS-CoV-2 particles in electron microscopy images remains inadequately explored. Existing studies have largely focused on virus detection, classification, morphometry, or conventional image analysis, while comparatively little attention has been paid to pixel-level delineation of viral structures using specialised deep learning segmentation frameworks. To address this gap, we propose here a deep learning system based on convolutio
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.
Proteases make up about 60% of the enzyme market, making them one of the most significant and vital classes of commercial and industrial enzymes. In this study, six fungal strains (Aspergillus oryzae, A. fumigatus, A. niger, A. flavus, A. terreus, and Trichoderma harzianum) were evaluated for their potential for protease production using solid-state fermentation (SSF). Screening of the fungal strains and low-cost substrates (wheat bran and banana peels) revealed that A. fumigatus and A. oryzae had the best protease-producing ability in terms of quality and quantity, while wheat bran supported
СтатьяСравнительное исследованиеПолный 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