The presented study discusses the possible disturbing effects of the electromagnetic field of antennas used in mobile phones or WiFi technologies on the pacemaker in the patient's body. This study aims to obtain information on how the thickness of skin layers (such as the thickness of the hypodermis) can affect the activity of a pacemaker exposed to a high-frequency electromagnetic field. This study describes the computational mathematical analysis and modeling of the heart pacemaker inserted under the skin exposed to various electromagnetic field sources, such as a PIFA antenna and a tuned di
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.
CONTEXT.—: The rapid recognition of fetal nucleated red blood cells (fNRBCs) presents considerable challenges.
OBJECTIVE.—: To establish a computer-aided diagnosis system for rapid recognition of fNRBCs by convolutional neural network.
DESIGN.—: We adopted density gradient centrifugation and magnetic-activated cell sorting to extract fNRBCs from umbilical cord blood samples. The cell-block method was used to embed fNRBCs for routine formalin-fixed paraffin sectioning and hematoxylin-eosin staining. Then, we proposed a convolutional neural network-based, computer-aided diagnosis system to aut
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.
Despite the importance of programming to modern society, the cognitive and neural bases of code comprehension are largely unknown. Programming languages might 'recycle' neurocognitive mechanisms originally developed for natural languages. Alternatively, comprehension of code could depend on fronto-parietal networks shared with other culturally-invented symbol systems, such as formal logic and symbolic math such as algebra. Expert programmers (average 11 years of programming experience) performed code comprehension and memory control tasks while undergoing fMRI. The same participants also perfo
Сравнительное исследованиеСтатьяПоддержка 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: Radiotherapy is one of the main treatment methods for nasopharyngeal carcinoma (NPC). It requires exact delineation of the nasopharynx gross tumor volume (GTVnx), the metastatic lymph node gross tumor volume (GTVnd), the clinical target volume (CTV), and organs at risk in the planning computed tomography images. However, this task is time-consuming and operator dependent. In the present study, we developed an end-to-end deep deconvolutional neural network (DDNN) for segmentation of these targets.
METHODS: The proposed DDNN is an end-to-end architecture enabling fast training and 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.
Identifying tumor-specific T-cell antigens is essential for advancing cancer immunotherapy and enabling precision-driven, AI-assisted discovery. While artificial intelligence (AI) and machine learning (ML) have significantly impacted healthcare and biotechnology, existing approaches often struggle with the inherent complexity and sequence dependency of antigen data, resulting in suboptimal predictive performance. In this study, we propose a Deep Neural Network (DNN)-based framework specifically designed to address these challenges in computational tumor T-cell antigen identification. The propo
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.
Hepatitis B is a global health burden and can persist for years, with nearly two billion infections worldwide, where its spread is influenced by environmental heterogeneity, host-pathogen interactions, and vaccination-induced immune variability. Proper understanding and developing models with a suitable framework is essential to accurately capture the complexity of the hepatitis B virus (HBV) and its transmission. In this work, we present a novel framework of a stochastic model and a forward neural network that combines neural networks and stochastic differential equations to analyze the dynam
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.
Memristor crossbar arrays (CBAs) based on two-dimensional (2D) materials have emerged as a potential solution to overcome the limitations of energy consumption and latency associated with conventional von Neumann architectures. However, current 2D memristor CBAs encounter specific challenges such as limited array size, high sneak path current, and lack of integration with peripheral circuits for hardware compute-in-memory (CIM) systems. In this work, we demonstrate a hardware CIM system leveraging heterogeneous integration of scalable 2D hafnium diselenide (HfSe2) memristors and silicon (Si) s
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.
AIM: We evaluated the quality of noncontrast chest computed tomography (CT) for pediatric patients at two dose levels with and without denoising using a deep convolutional neural network (CNN).
MATERIALS AND METHODS: Forty children underwent noncontrast chest CTs for "chronic cough" using a routine dose (RD) protocol. Images were reconstructed using iterative reconstruction (IR). A validated noise insertion method was used to simulate 20% dose (TD) data for each case. A deep CNN model was trained and validated on 10 cases and then applied to the remaining 30 cases. Three certificate of qualif
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.
BACKGROUND: Type 1 Diabetes Mellitus (T1D) is an autoimmune disease that can cause serious complications that can be avoided by preventing the glycemic levels from exceeding the physiological range. Straightforwardly, many data-driven models were developed to forecast future glycemic levels and to allow patients to avoid adverse events. Most models are tuned on data of adult patients, whereas the prediction of glycemic levels of pediatric patients has been rarely investigated, as they represent the most challenging T1D population.
METHODS: A Convolutional Neural Network (CNN) and a Long Short
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.
Computed tomography (CT) has been widely used to diagnose Graves' orbitopathy, and the utility is gradually increasing. To develop a neural network (NN)-based method for diagnosis and severity assessment of Graves' orbitopathy (GO) using orbital CT, a specific type of NN optimized for diagnosing GO was developed and trained using 288 orbital CT scans obtained from patients with mild and moderate-to-severe GO and normal controls. The developed NN was compared with three conventional NNs [GoogleNet Inception v1 (GoogLeNet), 50-layer Deep Residual Learning (ResNet-50), and 16-layer Very Deep Conv
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.
Breast cancer is the second leading cause of cancer death in women. Accurate early detection can effectively reduce the mortality rate caused by breast cancer. Masses and microcalcification clusters are an important early signs of breast cancer. However, it is often difficult to distinguish abnormalities from normal breast tissues because of their subtle appearance and ambiguous margins. Computer aided diagnosis (CAD) helps the radiologist in detecting the abnormalities in an efficient way. This paper investigates a new classification approach for detection of breast abnormalities in digital m
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.
Measurement of nuclear and glandular size and shape features was carried out on 18 cases of sclerosing adenosis and 18 cases of tubular carcinoma. Modified Bonferroni analysis showed that glandular surface density and the coefficient of variation of luminal form factor were significant in discriminating between these two lesions. These two histologic features, together with the diagnosis, were used to train a neural network implementing a backpropagation algorithm. Following training, the network correctly classified 33 of the 36 cases in the training set (92%). Furthermore, the network correc
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 process of odor capture by arrays of chemosensory hairs is a complex phenomenon influenced by multiple factors, such as hair morphology and surrounding fluid characteristics. Understanding how these parameters affect the fluid flow and odor transport is critical for advancing biological understanding and informing the potential design of bio-inspired sensing systems. However, performing comprehensive analyses with high-fidelity computational fluid dynamics models can be computationally expensive. To address this challenge, we investigate three surrogate modeling approaches - Gaussian proce
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 study aims Pancreatitis is a potentially lethal adverse event of endoscopic transpapillary placement of a self-expandable metal stent (SEMS) for malignant biliary obstruction (MBO). Deep learning-based image recognition has not been investigated in predicting pancreatitis in this setting. Patients and methods We included 70 patients who underwent endoscopic placement of a SEMS for nonresectable distal MBO. We constructed a convolutional neural network (CNN) model for pancreatitis prediction using a series of pre-procedure computed tomography images covering the whole pancreas (≥
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 optimum control methods for the epidemiology of the COVID-19 model are acknowledged using a novel advanced intelligent computing infrastructure that joins artificial neural networks with unsupervised learning-based optimizers i.e., Genetic Algorithms (GA) and sequential quadratic programming (SQP). Unsupervised learning strategy is provided which depends on the wavelet basis's sequential deconstruction of stochastic data. The weights or selection values of neural networks are utilizing cumulative algorithms of Meyer wavelet artificial neural networks (MWANNs) optimized with global search G
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 OBJECTIVE: Hydatidiform mole (HM) is one of the most common gestational trophoblastic diseases with malignant potential. Histopathological examination is the primary method for diagnosing HM. However, due to the obscure and confusing pathology features of HM, significant observer variability exists among pathologists, leading to over- and misdiagnosis in clinical practice. Efficient feature extraction can significantly improve the accuracy and speed of the diagnostic process. Deep neural network (DNN) has been proven to have excellent feature extraction and segmentation capabili
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: Acute vertebral fracture is usually caused by low-energy injury with osteoporosis and high-energy trauma. The AOSpine thoracolumbar spine injury classification system (AO classification) plays an important role in the diagnosis and treatment of the disease. The diagnosis and description of vertebral fractures according to the classification scheme requires a great deal of time and energy for radiologists.
PURPOSE: To design and validate a multistage deep learning system (multistage AO system) for the automatic detection, localization and classification of acute thoracolumbar verte
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.
BACKGROUND AND OBJECTIVE: As one of the largest endocrine organs in the human body, the thyroid gland regulates daily metabolism. Early detection of thyroid disease leads to reduced mortality rates. The diagnosis of thyroid disease is usually made by radiologists and pathologists, which heavily relies on their experience and expertise. To mitigate human false-positive diagnostic rates, this paper proves that deep learning-driven techniques yield promising performance for automatic detection of thyroid diseases which offers clinicians assistance regarding diagnostic decision-making.
METHOD: Th
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.
In recent years, deep-learning models gained attention for electroencephalography (EEG) classification tasks due to their excellent performance and ability to extract complex features from raw data. In particular, convolutional neural networks (CNN) showed adequate results in brain-computer interfaces (BCI) based on different control signals, including event-related potentials (ERP). In this study, we propose a novel CNN, called EEG-Inception, that improves the accuracy and calibration time of assistive ERP-based BCIs. To the best of our knowledge, EEG-Inception is the first model to integrate
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.
BACKGROUND AND OBJECTIVES: Automated breast ultrasound (ABUS) is a widely used screening modality for breast cancer detection and diagnosis. In this study, an effective and fast computer-aided detection (CADe) system based on a 3-D convolutional neural network (CNN) is proposed as the second reader for the physician in order to decrease the reviewing time and misdetection rate.
METHODS: Our CADe system uses the sliding window method, a CNN-based determining model, and a candidate aggregation algorithm. First, the sliding window method is performed to split the ABUS volume into volumes of inte
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