BACKGROUND: Micronucleus (MN) is an abnormal fragment in a human cell caused by disorders in the mechanism regulating chromosome segregation. It can be used as a biomarker for genotoxicity, tumor risk, and tumor malignancy. The in vitro micronucleus assay is a commonly used method to detect micronucleus. However, it is time-consuming and the visual scoring can be inconsistent.
METHODS: To alleviate this issue, we proposed a computer-aided diagnosis method combining convolutional neural networks and visual attention for micronucleus recognition. The backbone of our model is AlexNet without any
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.
Segmentation of adrenal glands from CT images is a crucial step in the AI-assisted diagnosis of adrenal gland-related disease. However, highly intrasubject variability in shape and adhesive boundaries with surrounding tissues make accurate segmentation of the adrenal gland a challenging task. In the current study, we proposed a novel two-stage deep neural network for adrenal gland segmentation in an end-to-end fashion. In the first stage, a localization network that aims to determine the candidate volume of the target organ was used in the preprocessing step to reduce class imbalance and compu
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.
Sex estimation represents a fundamental step of human identification in forensic anthropology, archaeology, and forensic medicine. Lateral cephalograms capture craniofacial morphology that is useful for sex estimation. This study developed a hybrid convolutional neural network (CNN) that combines supervised DenseNet169 and unsupervised EfficientNetB3 with a random forest classifier for automate sex estimation from lateral cephalograms. The dataset comprised 150 cephalograms divided into training (69.33%), validation (20%), and testing (10.67%) subsets. DenseNet169 was trained on annotated imag
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.
Automated weed identification in agriculture is a prominent and promising technological intervention as it improves the overall crop productivity and yield. But finding weeds in dense sesame fields is still hard because of occlusion and changes in lighting. This work suggests a hybrid deep learning model that works with IoT to solve these problems. The method uses a Region-based Convolutional Neural Network (R-CNN) model to find sesame plants and weeds. Approximately 1,300 images with YOLO-formatted annotations were used for training and testing. This technique includes making region recommend
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.
STUDY DESIGN: Cross-sectional.
OBJECTIVE: To evaluate the performance of a deep learning model designed to detect column-specific cervical spine (C-spine) fractures using CT imaging.
SUMMARY OF BACKGROUND DATA: Accurate and timely diagnosis of C-spine fractures is essential in trauma cases to prevent complications and improve patient outcomes. Although CT imaging is the gold standard for fracture detection, it is resource-intensive and prone to human error. Advancements in artificial intelligence (AI) offer the potential to diagnose and classify C-spine fractures with little human input.
ME
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.
Nonalcoholic steatohepatitis (NASH) is a contributing factor to liver cancer, with ultrasound B-mode imaging as the first-line diagnostic tool. This study applied deep learning to ultrasound B-scan images for NASH detection and introduced an ultrasound-specific data augmentation (USDA) technique with a dual-branch global-local feature fusion architecture (DG-LFFA) to improve model performance and adaptability across imaging conditions. A total of 137 participants were included. Ultrasound images underwent data augmentation (rotation and USDA) for training and testing convolutional neural netwo
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.
Obsessive-compulsive disorder (OCD) causes unwanted thoughts and repetitive actions and leads to many problems in a person's life. In this study, Electroencephalography (EEG) signals and deep learning methods were used to diagnose OCD patients early. Three popular pre-trained convolutional neural network (CNN) models are developed for scalp-EEG data analysis: EEGNet, Shallow ConvNet, and Deep ConvNet. Three pre-trained CNNs were utilized as transfer learning models. Following the fine-tuning of models with our raw EEG data, an ensemble of three scalp EEG-based CNN models was used, employing we
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) refers to a neurological disorder that causes damage to brain cells and results in decreasing cognitive abilities and memory. In brain scans, this degeneration can be seen in different ways. The disease can be classified into four stages: Non-demented (ND), moderate demented (MoD), mild demented (MiD), and very mild demented (VMD). To prepare the raw dataset for analysis, the collected magnetic resonance imaging (MRI) images are subjected to several pre-processing techniques in order to improve the performance accuracy of the proposed model. Medical images generally ha
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.
Abdominal abnormalities are deviations from the normal structure or function of organs and tissues within the abdominal cavity. Effective detection and diagnosis of these abnormalities, such as tumors, infections, cysts, structural anomalies, and inflammations, are essential for proper treatment and management. Abnormalities can arise from various factors, including disease, injury, and congenital conditions, making accurate detection crucial for timely medical intervention. Hence, this paper presents the Pyramid Xception Network (PyX-Net) framework, an advanced method for detecting abdominal
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 purpose of this study is to find the numerical solutions of the delay Parkinson's disease model by employing a computing neural network framework. The disease model is divided into five components: healthy brain neurons, infected brain neurons, activated microglia cells, extracellular α-synuclein, and the activated T-cell population. A two-layered neural network scheme using radial basis functions in both hidden layers, and twelve and twenty neurons in layer-1 and layer-2 for solving the Parkinson's disease model. A dataset is obtained using the implicit Runge-Kutta method, which is traine
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.
Timely and accurate detection of COVID-19 is essential for rapid intervention and preventing the spread of the disease, especially among vulnerable populations. This study introduces a new two-stage methodology for the detection of COVID-19 in chest X-ray images, combining an optimized preprocessing stage with a deep learning classification stage. The main contribution of this approach lies in the integration of the Maximally Stable Extremal Regions (MSER) algorithm with the Grey Wolf Optimizer (GWO) metaheuristic to enhance image preprocessing. MSER adaptively identifies candidate regions pot
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.
Robotic drug grasping in complex smart pharmacy environments requires accurate detection and efficient execution, yet existing methods struggle with clutter, overlapping, and small target objects. To improve robotic grasping of chaotic and variably shaped drugs, we propose a novel multi-stage framework that integrates enhanced perception, grasp detection, and trajectory planning. First, images are preprocessed with an improved Super-Resolution Convolutional Neural Network (SRCNN) to enhance input quality. Next, drug segmentation is performed using our YOLO-EASB instance segmentation algorithm
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.
Recent advances in deep learning have shown considerable promise in automating anatomical segmentation for laparoscopic gynecological surgery. However, segmenting small and morphologically variable structures such as the ovary and fallopian tube remains a significant challenge. In this study, we conducted a comparative evaluation of three convolutional neural network models-U-Net, Segformer, and MANet-on uterus, ovary, and fallopian tube segmentation using 381 laparoscopic images from 21 patients undergoing gynecologic procedures. U-Net demonstrated the most consistent performance, achieving D
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.
Thyroid disease has now become the second largest disease in the endocrine field; SPECT imaging is particularly important for the clinical diagnosis of thyroid diseases. However, there is little research on the application of SPECT images in the computer-aided diagnosis of thyroid diseases based on machine learning methods. A convolutional neural network with optimization-based computer-aided diagnosis of thyroid diseases using SPECT images is developed. Three categories of diseases are considered, and they are Graves' disease, Hashimoto disease, and subacute thyroiditis. A modified DenseNet a
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.
Medical image segmentation requires computational methods that accurately capture global context, local boundaries, and multiscale anatomical structures while remaining reproducible across different applications. This article presents a protocol for constructing, training, and evaluating a Multi-view Vision Mamba U-Shaped Network framework for two-dimensional medical image segmentation. The protocol provides a reproducible workflow that includes public dataset acquisition, image and mask preprocessing, network construction, model training, checkpoint selection, and quantitative and qualitative
СтатьяVideo-Audio MediaПолный 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.
This article introduces a distributed deep neural network (NN)-based adaptive control framework for cooperative object manipulation in human-robot teams with unknown agent dynamics by using three distinct multilayer NN observers (MNNOs). The first observer, termed the reference point estimator, enables each robotic agent to estimate the object's reference center using consensus-based learning, even without direct access to global reference trajectories. The second observer, referred to as the human force-to-trajectory estimator, uses human-applied forces to infer the intended position, velocit
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.
Multi-Layer Perceptron Mixer (MLP-Mixer) has replaced self-attention layers with simple spatial MLP and achieved promising performances across visual tasks. However, existing MLP-Mixer methods have quadratic complexity with image resolutions and only process the input with a fixed size. When transferring pre-trained MLP-Mixer to downstream tasks, the model creates high computational costs and requires further operations to interpolate the MLP weights. This paper addresses these issues by proposing Dilated MLP-Mixers (DMLP) method, faster backbones for image classification and downstream tasks.
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 performance and stability of pharmaceutical hydrogels depend on microstructural features such as particle size and agglomeration. Characterization of these features is commonly performed through manual microscopic assessment, which can be subjective when particle boundaries are indistinct or agglomerates lack clearly defined interfaces. This study applies computer vision to automate the analysis of hydrogel micrographs, including particle segmentation, agglomerate identification, and the extraction of size-related morphological parameters. Two deep instance segmentation networks, the Mask
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. Handwriting imagery (HI) based on electroencephalography (EEG) offers a non-invasive route to text input and complex intention expression for brain-computer interfaces (BCIs). However, HI EEG decoding is challenged by low signal-to-noise ratios, non-stationarity, cross-session distribution shifts, and the coexistence of continuous temporal trends and local high-response patterns.Approach. We propose a Dual-View Representation Decoupling Network (DRDNet) for HI EEG classification under within-subject cross-session and cross-subject evaluation settings. DRDNet first constructs two com
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.
We model human and animal learning by computing with high-dimensional vectors (e.g., D = 10,000). The architecture resembles traditional (von Neumann) computing with numbers, but the instructions refer to vectors and operate on them in superposition. The architecture includes a high-capacity memory for vectors, counterpart of the random-access memory (RAM) for numbers. The model's ability to learn from data reminds us of deep learning, but with an architecture closer to biology. The architecture agrees with an idea from psychology that human memory and learning involve a short-term working mem
СтатьяПоддержка исследования: вне правительства СШАПоддержка 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.
MedElevator
Войти в исследования