Prostate cancer remains a leading cause of cancer-related morbidity in men, and its accurate aggressiveness grading is critical for optimizing treatment strategies. While multiparametric MRI (mpMRI) has revolutionized prostate cancer diagnostics through non-invasive visualization of anatomical and functional tissue contrasts, current automated grading frameworks face significant limitations due to inter-scanner heterogeneity, inadequate modeling of tumor microarchitecture, and insufficient clinical reliability. This study introduces MR-ProGradeNet (Multi-Resolution Prostate Grading Network), 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.
Three-photon fluorescence microscopy (3PFM) enables high-resolution volumetric imaging in deep tissues but is fundamentally constrained by a trade-off among imaging speed and spatial resolution, due to low photon flux and prolonged laser exposure. We present DeepR-SXYZ, a deep learning framework that achieves pixel dwell time equivalent to hundreds of nanoseconds (0.168-0.38 µs) through sparse X-Y-Z reconstruction for 3PFM. Trained on paired datasets consisting of sparsely acquired low-resolution volumetric scans (e.g., 256 × 256 pixels, 1.2 µs per pixel, Z step: 16 µm) and their corresponding
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: To compare tuned end-to-end and hybrid deep learning strategies for image-based classification of common oral conditions under small and imbalanced data conditions, and to determine whether the same pattern persists in a clinically focused periodontal subset.
MATERIALS AND METHODS: A total of 10,735 oral images were analyzed. We compared tuned end-to-end and frozen-feature hybrid models across ResNet18, EfficientNetV2-S, and ConvNeXt-Tiny backbones. Post-hoc classifiers included K-nearest neighbors (KNN), random forest (RF), linear support vector machine (SVM), and radial basis fun
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: To develop and validate a deep learning model for interpretation of fluorescence confocal microscopy (FCM) images for intraoperative surgical margin assessment during radical prostatectomy (RP).
PATIENTS AND METHODS: Fluorescence confocal microscopy images from the multicentre Imperial Prostate 8-Fluorescence Confocal Microscopy for Rapid Evaluation of Surgical Cancer Excision (IP8-FLUORESCE) study were used to train and test a convolutional neural network model. The modified model incorporated focal loss with label smoothing, dropout regularisation, adaptive class weighting, and w
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.
Chronic kidney disease (CKD) is a progressive condition affecting over 850 million people worldwide, where timely detection and accurate staging are critical to reducing morbidity, mortality, and healthcare burden. Current machine learning approaches often treat CKD prediction as a binary task, neglecting the ordered nature of disease stages, and rarely incorporate physiological constraints or calibrated probability estimates essential for clinical decision support. We propose a multi-stage CKD prediction framework that integrates ordinal classification, probability calibration, and a serum cr
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.
Wireless Body Area Networks (WBANs) have become an essential component of modern Internet of Medical Things (IoMT) healthcare systems, enabling continuous monitoring of patient physiological signals through wearable sensors. Despite their advantages, WBAN environments remain highly prone to cyber threats, privacy breaches, and single points of failure. To address these risks, this work proposes a Hybrid Multi-Metric Anomaly Detection (HM-MAD) framework deployed on the NodeMCU-32S platform with BLE 5.0 connectivity for secure continuous glucose monitoring (CGM) data transmission. The detection
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: Traumatic brain injury (TBI) remains a major public health concern, with over 69 million cases annually worldwide. Accurate patient-specific biomechanical modeling is critical for injury risk assessment, but it requires integrating heterogeneous data sources such as volumetric neuroimaging, scalar demographic parameters, and acquisition metadata. Conventional finite element solvers can perform this modeling, yet they remain too computationally expensive for time-sensitive clinical settings. Neural operators have emerged as a promising alternative by learning resolution-invariant ma
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.
BackgroundRotator cuff tears, a common cause of shoulder pain, often require surgery when conservative treatment fails. Arthroscopic repair is standard, though re-tear rates remain high.ObjectiveThis study aimed to identify the shoulder function questionnaires and strength tests that are significant factors for determining the necessity of rotator cuff repair and to build an effective machine learning model.MethodsThis study included 183 patients between January 2008 and December 2016. Among them, 89 patients underwent non-surgical treatment for rotator cuff injuries, whereas 94 underwent arth
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 pathogenesis of major depressive disorder (MDD) has not been fully elucidated, and early identification and intervention are the most effective approach. Dynamic functional connectivity (dFC) is an effective method for revealing functional abnormalities in brain diseases. However, mainstream dFC based on sliding window methods suffers from parameter-sensitive limitations and lacks stability and reproducibility. To address this, we propose an adaptive dFC estimation framework that combines a deep spatio-temporal feature fusion model to identify MDD. Firstly, the instantaneous phase is calcu
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 high-altitude and unique climatic conditions of Tibet can have a significant impact on the growth and development of local children and adolescents. We aimed to apply an artificial neural network model to evaluate the physical health status of primary and secondary school students aged 7 to 18 years in Shigatse, Tibet, China. A cross-sectional study was conducted among eligible primary and secondary school students from 7 randomly selected schools in Shigatse, Tibet, China, between April and October 2024. Health-related data, including height, weight, lung vital capacity, visual acuity, 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.
BACKGROUND: Tuberculosis is a major global public health issue. Older adult individuals, due to factors like immunosenescence and comorbidities, are at high risk for TB. Chongqing's significant aging population poses severe challenges for TB control in this group.
OBJECTIVE: This study is based on the monthly case counts of pulmonary tuberculosis among older adults aged 65 and above in Chongqing from January 2020 to June 2024. It constructs and compares the Seasonal Autoregressive Integrated Moving Average (SARIMA) model, the Nonlinear Autoregressive Neural Network (NNAR) model, and the hybri
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: The aim of this study was to evaluate the efficacy of detecting dental caries under fixed dental prostheses (FDPs) through the analysis of panoramic radiographs utilizing convolutional neural network (CNN) based You Only Look Once (YOLO) models. Deep learning algorithms can analyze datasets of dental images, such as panoramic radiographs to accurately identify and classify carious lesions. Using artificial intelligence, specifically deep learning methods, may help practitioners to detect and diagnose caries using radiograph images.
METHODS: The panoramic radiographs of 1004 patien
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.
Breast cancer remains the most prevalent cancer among women worldwide, posing significant challenges in treatment due to drug resistance and adverse side effects. Traditional drug discovery approaches are resource-intensive, requiring extensive time, human effort, and financial investment. Computer-Aided Drug Design (CADD) has emerged as a promising computational approach to speed up drug development while reducing costs. Conventional CADD techniques, which depend heavily on computationally intensive methods like quantum mechanics and Molecular Dynamics (MD), often face limitations due to thei
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.
Early diagnosis of Neurological Disorders (ND) such as Alzheimer's disease (AD) and Brain Tumors (BT) can be highly challenging since these diseases cause minor changes in the brain's anatomy. Magnetic Resonance Imaging (MRI) is a vital tool for diagnosing and visualizing these ND; however, standard techniques contingent upon human analysis can be inaccurate, require a long-time, and detect early-stage symptoms necessary for effective treatment. Spatial Feature Extraction (FE) has been improved by Convolutional Neural Networks (CNN) and hybrid models, both of which are changes in Deep Learning
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.
Hepatitis B virus (HBV) remains a major global health concern, with sexual transmission being a key driver among adults. This study develops a gender-stratified compartmental model of HBV spread that integrates long-term disability through gender-specific parameters. A key contribution is the integration of mechanistic modeling with artificial neural networks (ANNs), enabling efficient emulation of the model's nonlinear dynamics. Numerical solutions from the classical Runge-Kutta 4th-order (RK4) method were used as training data for an ANN optimized with the Levenberg-Marquardt algorithm (ANN-
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.
INTRODUCTION: Metabolic dysfunction-associated steatotic liver disease (MASLD) can progress to metabolic dysfunction-associated steatohepatitis (MASH) and liver fibrosis, contributing to a heavier global health burden. Non-invasive diagnostic tools developed using machine learning (ML) and deep learning (DL), two representative artificial intelligence algorithms, are increasingly being explored for MASH and its related fibrosis assessment.
OBJECTIVES: This study aimed to compare the diagnostic performance of different ML and DL models and identify the top-performing models for diagnosing MASH
СтатьяСистематический обзорМетаанализПоддержка 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.
The prediction of bovine infectious diseases is a constant challenge as generally, only laboratory data is available not allowing the study of their relationship with each disease's risk factors. The diseases neosporosis and bovine viral diarrhea, which are present in Colombia, the United States, Mexico, Brazil, and Argentina, cause reproductive problems in cattle and generate economic losses for ranchers. Although there are mathematical models that can evaluate which cattle are susceptible to these diseases, these provide limited information, maintaining the need for a model that provides inf
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
Fetal monitoring remains a significant challenge within the medical field due to the lack of clinical tools for assessing fetal health. Blood pH is a critical indicator of the acid-base balance and may provide crucial insight into the fetal well-being. Current monitoring techniques for the fetal environment are limited to measuring heart rate or spatial information without supplying information into blood and tissue health. This study proposes a strategy for continuous fetal blood pH monitoring by using near-infrared (NIR) spectroscopy and extracting features in the spectral fluctuations. Thes
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.
Ovarian lesions are common and often incidentally detected. A critical shortage of expert ultrasound examiners has raised concerns of unnecessary interventions and delayed cancer diagnoses. Deep learning has shown promising results in the detection of ovarian cancer in ultrasound images; however, external validation is lacking. In this international multicenter retrospective study, we developed and validated transformer-based neural network models using a comprehensive dataset of 17,119 ultrasound images from 3,652 patients across 20 centers in eight countries. Using a leave-one-center-out cro
СтатьяМногоцентровое исследованиеВалидационное исследованиеПоддержка 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.
BACKGROUND: There is an emerging interest in artificial intelligence-enhanced 12-lead electrocardiogram (AI-ECG) in detection of hypertrophic cardiomyopathy (HCM).
OBJECTIVES: This study describes the initial real-world experience of using AI-ECG (Viz-HCM, developed using a convolutional neural network trained algorithm) in our center.
METHODS: All patients undergoing 12-lead electrocardiograms at Cleveland Clinic, Cleveland, Ohio, between February 19, 2024, and November 1, 2024, were prospectively analyzed for potential HCM using AI-ECG. The numbers of patients flagged for potential HCM wer
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.
MedElevator
Войти в исследования