Alzheimer's Disease is a condition that affects the brain and causes changes in behavior and memory loss while making it hard to carry out tasks properly. It's vital to spot the illness early, for effective treatment. MRI technology has advanced in detecting Alzheimer's by using machine learning and deep learning models. These models use neural networks to analyze brain MRI results automatically and identify key indicators of Alzheimer's disease. In this study, we used MRI data to train a CNN for diagnosing and categorizing the four stages of Alzheimer's disease with deep learning techniques,
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.
Early diagnosis of Alzheimer's Disease is crucial for optimizing treatment efficacy, as delayed detection often limits therapeutic outcomes. Traditional diagnostic approaches, such as cognitive assessments, PET scans, and lumbar punctures, are often invasive, costly, and less accessible. To address these limitations, we propose a Dual-Branch Siamese Network aimed at enhancing the classification accuracy of Alzheimer's Disease, Mild Cognitive Impairment, and Cognitively Normal individuals using structural MRI data. Our model integrates neuroimaging features from both Subcortical Segmentation an
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.
BACKGROUND: Due to high patient demand, increasing numbers of non-dermatologists are performing skin assessments and carrying out laser interventions in medical spas, leading to inferior outcomes and higher complications. A machine learning tool that automatically analyzes patient skin has the potential to aid non-dermatologists.
AIMS: To develop a high-performing machine learning model that predicts Fitzpatrick skin type, hyperpigmentation, redness, and wrinkle severity simultaneously.
METHODS: We developed the SkinAnalysis dataset of 3662 images, labeled by a dermatologist across five skin
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 study aimed to compare dental age estimates using Willems, Cameriere-Europe, London Atlas, and deep learning methods on panoramic radiographs of Turkish children. The dental ages of 1169 children (613 girls, 556 boys) who agreed to participate in the study were determined by 4 different methods. The Convolutional Neural Network models examined were implemented in the TensorFlow library. Simple correlations and intraclass correlations between children's chronological ages and dental age estimates were calculated. Goodness-of-fit criteria were calculated based on the errors in dental age es
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.
The rapid detection and quantification of microbial quantity and aflatoxin are crucial for food safety and quality. In order to achieve rapid detection, nutmeg with mildew, but with difficult-to-observe mildew characteristics, was selected as the research object. Its intrinsic component (dehydrodiisoeugenol) and exogenous noxious substances (the total number of colonies and aflatoxin B1) were determined to clarify their changes during the mold process. Subsequently, electronic nose (E-nose) was employed to analyze the odor of nutmeg and was combined with six machine learning algorithms to esta
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 clinical application of acoustic swallowing sound parameters collected from digital cervical auscultation is limited because of the time-consuming manual segmentation required by trained experts. The automated identification of swallowing sounds in children and adults from swallowing sound audio wavefiles using machine learning have accuracies between 76-95%. No data exists in preterm neonates. To determine if applying automated machine learning using a transfer learning approach could accurately identify and segment swallows from swallowing sounds collected in preterm neonates. Thin fluid
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.
Adenosine receptors (A1, A2a, A2b, A3) play critical roles in cellular signaling and are implicated in various physiological and pathological processes, including inflammations and cancer. The main aim of this research was to investigate structure-activity relationships (SAR) to derive models that describe the selectivity and activity of inhibitors targeting Adenosine receptors. Structural information for 16,312 inhibitors was collected from BindingDB and analyzed using machine learning methods. 450 molecular descriptors were calculated for each molecule and compounds were classified based on
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) has emerged as a transformative tool in ophthalmology for disease diagnosis and prognosis. However, use of AI for assessing corneal damage due to chemical injury in live rabbits remains lacking. This study aimed to develop an AI-derived clinical classification model for an objective grading of corneal injury and opacity levels in live rabbits following ocular exposure of sulfur mustard (SM). An automated method to grade corneal injury minimizes diagnostic errors and enhances translational application of preclinical research in better human eyecare. SM induced corne
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.
Status epilepticus (SE), seizures lasting beyond five minutes, is a medical emergency commonly treated with benzodiazepines which enhance GABAA receptor (GABAAR) conductance. Despite widespread use, benzodiazepines fail in over one-third of patients, potentially due to seizure-induced disruption of neuronal chloride (Cl-) homeostasis. Understanding these changes at a network level is crucial for improving clinical translation. Here, we address this using a large-scale spiking neural network model incorporating Cl- dynamics, informed by clinical EEG and experimental slice recordings. Our simula
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.
Sport-related concussion (SRC), which accounts for a significant portion of all mild traumatic brain injuries in the United States, can adversely affect quality of life and long-term cognitive function. Identifying the persisting effects of concussion is vital for developing interventions that may reduce the risk of concussion recurrence and progressive neurodegeneration. Development of improved prognostic and therapeutic procedures might be achieved through an increased understanding of interrelationships among self-reported health and wellness status indicators, demographic and anthropometri
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.
AIMS: Thermography is a noninvasive method to identify patients at risk of diabetic foot ulcers. In this study, we employed thermography and deep learning to stratify patients with diabetes at risk of developing foot ulcers.
METHODS: We prospectively recorded clinical data and plantar thermograms for adult patients with diabetes who underwent diabetic foot screening. A total of 153 thermal images were analyzed using a deep learning algorithm to determine the risk of diabetic foot ulcers. The neural network was trained using a balanced dataset consisting of 98 thermal images (49 normal and 49
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.
OBJECTIVES: Due to easy accessibility, the retina is considered a window to the brain. Recent studies have reported retinal vascular abnormalities in bipolar disorder. Deep learning analysis, an advanced computational approach, has been implemented in medicine for diagnosis using retinal vascular images. However, deep learning analysis has not been implemented to classify patients with bipolar disorder and healthy individuals using retinal vascular images to date.
METHODS: A total of 383 subjects participated in the study (188 patients with Bipolar Disorder (BD) and 195 Healthy Volunteers(HV)
СтатьяМногоцентровое 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.
Profiling RNA modifications is essential to understand their functions and interactions. By taking the advantages of nanopore direct RNA sequencing, we present DirectRM, enabling simultaneous detection of six abundant modifications (N4-acetylcytidine, 1-methyladenosine, 5-methylcytidine, N7-methlguanosine, N6-methyladenosine, and pseudouridine) in native RNAs. Its two-stage pipeline identifies candidate modified kmers using binary classifier, then determines specific modifications and positions using an attention-based neural network. Trained with molecule-level features extracted from native
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: Neonatal diseases represent the leading cause of death in Nigeria, ranking the country second globally in neonatal mortality rates. Early and accurate diagnosis remains challenging, leading to delayed interventions and increased mortality.
AIM: To develop an artificial intelligence system capable of detecting multiple neonatal diseases using local datasets and advanced machine learning techniques to facilitate early intervention and reduce neonatal mortality in Southwest Nigeria.
METHODS: Clinical records from 4,027 previously treated neonatal patients were collected from five te
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.
Hand-wrist radiographs are used in bone age prediction. Computer-assisted clinical decision support systems offer solutions to the limitations of the radiographic bone age assessment methods. In this study, a multi-output prediction model was designed to predict bone age and gender using digital hand-wrist radiographs. The InceptionV3 architecture was used as the backbone, and the model was trained and tested using the open-access dataset of 2017 RSNA Pediatric Bone Age Challenge. A total of 14,048 samples were divided to training, validation, and testing subsets with the ratio of 7:2:1, and a
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: Artificial Intelligence (AI) in radiology has shown promise in detecting fractures on initial X-rays. However, the role of follow-up examinations in enhancing AI performance remains unexplored. This study evaluates the impact of including follow-up X-rays on the performance of neural networks in detecting pediatric wrist fractures.
METHODS: Using the publicly available GRAZPEDWRI-DX dataset of 20,327 pediatric wrist X-rays, we created four training datasets: initial X-rays alone and combinations with follow-up X-rays (with and without casts). Two neural networks, EfficientNet (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.
OBJECTIVES: Crohn's disease (CD), ulcerative colitis (UC), intestinal Behçet's disease (BD), intestinal tuberculosis (ITB), and primary intestinal lymphoma (PIL) are major intestinal disorders that frequently present with mucosal ulceration. Accurate differentiation among these conditions is challenging due to overlapping clinical, endoscopic, and imaging characteristics. Accordingly, this study aimed to develop an artificial intelligence (AI)-assisted endoscopic diagnostic system to accurately identify these five diseases.
METHODS: This multicenter prospective study used endoscopic images fr
СтатьяМногоцентровое 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.
Vestibular schwannoma (VS) is the most prevalent intracranial schwannoma. Surgery is one of the options for the treatment of VS, with the preservation of facial nerve (FN) function being the primary objective. Therefore, postoperative FN function prediction is essential. However, achieving automation for such a method remains a challenge. In this study, we proposed a fully automatic deep learning approach based on multi-sequence magnetic resonance imaging (MRI) to predict FN function after surgery in VS patients. We first developed a segmentation network 2.5D Trans-UNet, which combined Transfo
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.
Alzheimer's Disease poses a significant challenge as a progressive and irreversible neurological condition striking the elderly population. Its incurable nature correlates with a significant rise in death rates. However, early detection can slow its progression and facilitate prompt intervention, thereby mitigating mortality risks. Functional Magnetic Resonance Imaging (fMRI) provides valuable insights into the functional changes within distinct brain regions associated with the disease. The recent research efforts have extracted functional connectivity measures for the classification. These h
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 OBJECTIVES: Alopecia areata (AA) is an autoimmune disease that provokes hair loss. The diagnosis is made clinically with the support of trichoscopy. However, trichoscopy requires specialized training. Deep learning models may support the diagnosis and management of AA. The aim of this study is to develop a deep learning framework to diagnose AA and to determine the AA level of activity.
PATIENTS AND METHODS: A retrospective analysis of trichoscopic images collected from patients with scalp diseases and healthy controls was conducted to develop a two-step deep learning framework
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