Mitosis detection in whole-slide images provides key histopathological evidence for prognostic risk stratification in gastrointestinal stromal tumor (GIST), a rare, recurrence-prone mesenchymal tumor. Existing pathology foundation models have shown promising performance in common cancer subtyping and tissue classification, but remain suboptimal for reliable fine-grained mitosis detection in rare tumor whole-slide images (WSIs) with extreme target sparsity and pronounced morphological heterogeneity. To address this challenge, we present MimicPath, a novel vision-language framework that mimics t
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.
Medical image denoising is essential for enhancing diagnostic accuracy and clinical applicability. Since diverse imaging modalities exhibit heterogeneous noise characteristics, developing a unified all-in-one frame work is critical to avoid modality-specific solutions and improve generalization. However, existing approaches struggle with three key challenges: difficulty in uniformly modeling multimodal noise, loss of structural details, and limited spatial context modeling. To addressthis issue, wepropose SGF-RWKV, a unified medical image denoising framework built upon the Receptance Weighted
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.
Three-dimensional spatial transcriptomics (ST) is constrained by the high cost of fully profiling every serial tissue section. Existing histology-to-expression approaches can reduce within-sample measurement, but they generally require large external training cohorts and may be affected by cross-specimen domain shift. We introduce ST-DAI, a sample-specific framework that couples a cost-efficient 2.5D acquisition protocol with intra-sample domain-adaptive imputation. One reference section is fully measured, while adjacent target sections are sparsely measured to provide specimen-specific molecu
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.
Balance and gait impairments play a key role in falls among the elderly. Traditional clinical scales such as the Berg Balance Scale (BBS) to assess fall risk are often subjective, time consuming, and do not assess gait performance. Shorter assessments such as Timed Up and Go (TUG) are available, but most clinicians only look into the completion time. This study aimed to develop a fast, low-cost, and automated framework for balance function assessment and comprehensive gait analysis by enhancing the traditional TUG test with a markerless motion capture (MoCap) system and machine learning models
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.
Spatial transcriptomics provides high resolution insights into gene expression within tissue architecture. However, accurate spatial domain identification remains challenging due to data sparsity and noise. In this study, a dual-augmentation graph convolutional network (stDGCN) is proposed for robust spatial domain identification. The framework introduces a dual-augmentation strategy that combines spatial neighborhood enhancement and Gaussian perturbation to generate diverse views of gene expression profiles. The original, spatially augmented, and Gaussian noise augmented views are encoded by
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.
Pain assessment in non-communicative infants remains a critical challenge in neonatal intensive care units, where subjective observational scales suffer from inter-rater variability and lack continuous monitoring capabilities. This paper presents RST-AMFT, a novel multimodal fusion framework that integrates Rough Set Theory (RST) for interpretable feature selection with adaptive transformer-based architectures for robust pain intensity estimation. RST is not introduced here for the first time; rather, this work is the first to integrate RST into an end-to-end multimodal temporal fusion framewo
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.
Diabetic Retinopathy (DR), a prevalent diabetes complication leading to blindness, often goes undetected until late stages due to patients seeking help only when symptoms manifest and limited experts' availability. To address these challenges, we present a novel temporal integrative machine learning system that harnesses both fundus images and electronic health records (EHR) for early and enhanced DR detection. Our system uniquely processes EHR data by focusing on temporal trends and long-term patient histories, creating thousands of temporal features that capture their evolving dynamics over
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: The red blood cell distribution width-to-albumin ratio (RAR), an emerging biomarker integrating inflammation and nutritional status, has not been systematically evaluated for its prognostic value in breast cancer patients admitted to intensive care units (ICU).
METHODS: We conducted a retrospective cohort study using data from the MIMIC-IV 3.1 database, including 881 adult breast cancer patients admitted to the ICU. Patients were stratified into high- and low-RAR groups based on maximally selected rank statistics. Kaplan-Meier analysis, multivariable Cox proportional hazards model
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.
Blood oxygen saturation (SpO$_{2}$) is a critical physiological parameter for evaluating respiratory and circulatory health. Current contactless video-based SpO$_{2}$ estimation methods still face three key challenges: limited modeling of long temporal dependencies, insufficient utilization of complementary RGB spectral information, and limited incorporation of physiological priors. To address these issues, we propose OxyMamba, a state-space-model-based framework that combines (1) a Multi-Temporal Parallel Mamba module for long temporal context modeling, (2) a cross-channel complex-domain mixi
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.
High-resolution Optical Coherence Tomography Angiography (OCTA) images are essential for morphological analysis and biomarker measurement of the retinal vasculature. They can also provide underlying biomarkers for the accurate analysis of eye-related diseases. The trade-off between the high resolution (HR) and large scanning field-of-view (FOV) is a long-standing problem for OCTA image instrument. A large FOV image provides more retinal information with shorter acquisition time but often suffers from low resolution (LR), high scatter noise, and poor vascular contrast. In order to obtain HR OCT
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.
Colorectal cancer (CRC) remains a persistent major global health burden, with traditional diagnostic methods like colonoscopy suffering from suboptimal patient compliance rates. This study develops an intelligent diagnostic model based on tongue images to assist in CRC diagnosis, leveraging the integrative potential of traditional tongue diagnosis and modern machine learning. Between June 2023 and July 2024, we collected and processed 1,389 tongue images from CRC patients and 1,543 from non-colorectal cancer (NCRC) participants. Our methodology combines innovative image segmentation using the
СтатьяМногоцентровое 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.
Optical coherence tomography is a crucial imaging technique for the detection and analysis of retinal diseases. Precise classification of optical coherence tomography images helps ophthalmologists and healthcare providers design personalized treatment plans in clinical practice. In this paper, we focus on optical coherence tomography image classification for seven types of retinal diseases and normal retina. Although existing deep neural networks could be applied to optical coherence tomography images for the classification, the features were extracted within same hyperspace, causing "feature
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 thickness of the diaphragm serves as a crucial biometric indicator, particularly in assessing rehabilitation and respiratory dysfunction. However, measuring diaphragm thickness from ultrasound images mainly depends on manual delineation of the fascia, which is subjective, time-consuming, and sensitive to the inherent speckle noise. In this study, we introduce an edge-aware diffusion segmentation model (ESADiff), which incorporates prior structural knowledge of the fascia to improve the accuracy and reliability of diaphragm thickness measurements in ultrasound imaging. We first apply a diff
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.
Automatic skin lesion segmentation is a pivotal problem in the medical domain and an indispensable component in the computer-aided diagnosis program. Most convolutional neural network-based segmentation algorithms have demonstrated promising performance due to their ability to encode detail and semantic features efficiently. However, they fail to capture the long-range contextual information at the global level. Therefore, researchers employ Transformer architecture to address this issue. Unfortunately, these methods fail to learn sufficient pixel information at the local level. Motivated by t
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.
Accurate blood glucose forecasting using continuous glucose monitoring (CGM) data can support early prediction of dysglycemic risk. However, current neural-network-based forecasting models treat CGM data as a purely numerical sequence without integrating con textual information that the CGM signal morphology contains. Recently, large language models (LLMs) have shown promise for time-series forecasting tasks, yet their role as agentic context extractors in diabetes care remains largely unexplored. In this study, we bridge glucose forecasting and LLM-based contextualization, and develop GlyRAG,
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.
Embedding biomechanical priors into medical image registration is essential to ensure physiologically credible soft-tissue motion. However, the optimal strategy for enforcing these priors within learning-based models re mains under-explored. In this work, we propose the Biome chanical Fields Prediction Physics-Informed Neural Net work (BFP-PINN) as a unified framework for prostate MR TRUS point-set registration. To systematically investigate the impact of different physics-embedding mechanisms, we instantiate and compare three distinct strategies within this backbone: (i) Deformation, which pr
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.
Decoding human movement intentions from electroencephalography (EEG) signals is critical for brain-computer interface (BCI) applications in motor neurorehabilitation, active assistance, and functional augmentation. However, current BCI models face two challenges for motor-impaired patients: 1) prolonged EEG data collection from patients is difficult; 2) differences in brain functional structures and motor behaviors between healthy individuals and patients limit the generalizability of models trained on healthy individuals' EEG data. To address these challenges, this study proposes a transfer l
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.
Bio-inspired musculoskeletal robots offer inherent advantages in flexibility, robustness, and compliance. However, achieving efficient and generalizable motion learning while producing natural, human-like movements remains challenging. Neuromechanical mechanisms provide a promising framework to emulate biological motor control and skill acquisition. In this study, we present a biomimetic hierarchical neuromechanical control model (HNCM) that integrates deep reinforcement learning with two distinct lower-level controllers. The model is designed to manage high-dimensional muscle control, enhance
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.
Spinal cord stimulation (SCS) is an advanced treatment for disorders of consciousness (DoC), but its success rate varies between 30 and 60%, and consciousness-related biomarkers are urgently needed for SCS assessment and optimization. This paper proposes an awareness- and arousal-specific brain analysis (AAA) method to encode these two consciousness dimensions and construct consciousness-related features to predict SCS outcomes of DoC patients. Firstly, electroencephalogram (EEG) brain signals were collected from twenty-eight DoC patients during SCS treatment. Then, dynamic brain networks are
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.
Machine Learning (ML) demonstrates dermatologist level accuracy in skin cancer diagnosis, yet its practical adoption is constrained by data silos and privacy issues. While Federated Learning (FL) addresses these limitations, it remains susceptible to data heterogeneity and gradient leakage attacks. To overcome these challenges, we introduce a privacy-preserving FL framework tailored for encrypted dermoscopic image analysis. Our proposed framework integrates a Fully Homomorphic Encryption (FHE)-enabled variant of Stochastic Controlled Averaging (SCA), enhancing model convergence with Non-IID da
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