Objective. Accurately and in real-time simulating soft tissue deformation and visualizing stress distribution are crucial for advancing surgical simulators closer to real surgical environments. The concept of using neural networks to accelerate the finite element method has emerged as a powerful approach for real-time physical modeling of soft tissues due to its excellent performance. However, existing models primarily focus on deformation modeling, neglecting the important guiding role of soft tissue stress field modeling in surgical training. Moreover, when modeling multiple physical fields,
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.
Dystonia is a movement disorder characterized by sustained or intermittent muscle contractions causing abnormal, often repetitive movements, postures, or both. Although dystonia is traditionally associated with basal ganglia dysfunction, recent evidence has been pointing to a role of the cerebellum, a brain area involved in motor control and learning. Cerebellar abnormalities have been correlated with dystonia but their potential causative role remains elusive. Here, we simulated the cerebellar input-output relationship with high-resolution computational modeling. We used a data-driven cerebel
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.
PURPOSE: The dual-energy computed tomography (DECT) technique is an emerging imaging tool that can better characterize material features and has the potential to be a noninvasive means of predicting lymph node metastasis. The purpose of this study was to establish a DECT-specified quantitative approach based on a neural network to characterize the sentinel lymph node (SLN).
METHODS: With IRB approval, we retrospectively collected a total of 229 patients (100/229 metastasis) with biopsy proven breast cancer in this study. The chest and axillary spectral CT examinations were performed prior to
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.
Diffractive deep neural networks (D2NNs) provide a promising pathway toward high-speed, energy-efficient optical computing. However, a substantial discrepancy between simulation and experiment remains when devices are fabricated by two-photon polymerization (TPP) for visible/near-infrared operation. This discrepancy is primarily due to fabrication constraints. In particular, the finite voxel size of the writing focus and the layer-by-layer slicing quantization attenuate high-spatial-frequency phase features and distort the designed wavefront. Here, a fabrication-aware training (FAT) strategy i
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.
Conventional single-modality gas monitoring systems only trigger alarms when the concentration exceeds thresholds, failing to locate leak sources. This significantly increases the difficulty and hazards of the leak investigation. To address this limitation, this study develops a bimodal sensory perception system (BSPS), which ingeniously leverages the porous nature of the metal-organic framework (MOF). On the one hand, the MOF acts as a sensing unit for efficient NH3 capture; on the other hand, it serves as the memristive medium that modulates conductive filament migration (coefficient of vari
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.
Machine vision systems face significant challenges in accurately extracting critical features from dim objects under complex scenarios. Here, we demonstrate a ferroelectric-configured weight-reconfigurable photovoltaic device array for in-sensor dynamic computing, enabling robust recognition of dim objects. A series of 2D perovskite ferroelectric nanoplates with controllable size, high crystallinity, and excellent yield are directly synthesized. Reconfigurable and nonvolatile photovoltaics in a graphene/ferroelectric/graphene heterostructure are modulated through switchable ferroelectric polar
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.
Obtaining accurate ground and low-lying excited states of electronic systems is crucial in a multitude of important applications. One ab initio method for solving the Schrödinger equation that scales favorably for large systems is variational quantum Monte Carlo (QMC). The recently introduced deep QMC approach uses ansatzes represented by deep neural networks and generates nearly exact ground-state solutions for molecules containing up to a few dozen electrons, with the potential to scale to much larger systems where other highly accurate methods are not feasible. In this paper, we extend one
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.
The vesicular monoamine transporter-2 (VMAT2) is considered as a new target for the development of novel therapeutics to treat psychostimulant abuse. Current information on the structure, function and role of VMAT2 in psychostimulant abuse are presented. Lobeline, the major alkaloidal constituent of Lobelia inflata, interacts with nicotinic receptors and with VMAT2. Numerous studies have shown that lobeline inhibits both the neurochemical and behavioral effects of amphetamine in rodents, and behavioral studies demonstrate that lobeline has potential as a pharmacotherapy for psychostimulant abu
СтатьяПоддержка NIH: внешняя программаОбзорПоиск 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.
IMPORTANCE: Image-based deep learning models (DLMs) have been used in other disciplines, but this method has yet to be used to predict surgical outcomes.
OBJECTIVE: To apply image-based deep learning to predict complexity, defined as need for component separation, and pulmonary and wound complications after abdominal wall reconstruction (AWR).
DESIGN, SETTING, AND PARTICIPANTS: This quality improvement study was performed at an 874-bed hospital and tertiary hernia referral center from September 2019 to January 2020. A prospective database was queried for patients with ventral hernias who und
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.
Our ability to recognize an object amongst many exemplars is one of our most important features, and one that putatively distinguishes humans from non-human animals and potentially from (current) computational and artificial intelligence models. We can recognize objects consistently regardless of when we see them suggesting that we have stable representations across time and different contexts. Importantly, little is known about how humans can replicate within-category object representations across time. Here, we investigate neural stability of within-category object representations by computi
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.
Objective. Parkinson's disease (PD) is a neurodegenerative disorder characterized by a range of motor and non-motor symptoms. Despite extensive research, the neural structure of time distortion, remains unclear. This study aimed to determine the neurobiological origins of time distortion by analyzing dynamic features in PD patients compared to control participants.Approach. We used PD and control electroencephalography (EEG) signals to investigate brain function during time distortion. The EEG signal was recorded during an interval-timing task. Following artifact reduction and EEG signal segme
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 incidence of spinal diseases is rising and affecting younger people, making early and accurate diagnosis based on medical imaging crucial for treatment. However, traditional manual segmentation and measurement suffer from issues such as judgment discrepancies, time-consuming processes, and subjective errors. Existing deep learning segmentation methods still face challenges such as insufficient adaptability to complex pathological interference, high deployment barriers, and weak integration with clinical needs. This study designs an end-to-end deep learning model, with three core optimizati
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.
Quality control (QC) of structures segmentation in volumetric medical images is important for identifying segmentation errors in clinical practice and for facilitating model development by enhancing network performance in semi-supervised and active learning scenarios. This paper introduces SegQC, a novel framework for segmentation quality estimation and segmentation error detection. SegQC computes an estimate measure of the quality of a segmentation in volumetric scans and in their individual slices and identifies possible segmentation error regions within a slice. The key components of SegQC
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.
RATIONALE AND OBJECTIVES: Hyperpolarized 129Xenon magnetic resonance imaging (MRI) measures the extent of lung ventilation by ventilation defect percent (VDP), but VDP alone cannot distinguish between diseases. Prior studies have reported anecdotal evidence of disease-specific defect patterns such as wedge-shaped defects in asthma and polka-dot defects in lymphangioleiomyomatosis (LAM). Neural network artificial intelligence can evaluate image shapes and textures to classify images, but this has not been attempted in xenon MRI. We hypothesized that an artificial intelligence network trained on
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.
Amyotrophic Lateral Sclerosis (ALS) is a fatal neurodegenerative disease characterized by progressive breakdown of neural circuits which leads to motoneuron death. Earlier work from our lab showed that dysregulation of inhibitory V1 interneurons precedes the degeneration of excitatory V2a interneurons and motoneurons and that stabilizing V1-motoneuron connections improved motor function and saved motoneurons in the SOD1G93A ALS mouse model. However, the optimal timing for this intervention remains unclear. To address this, we developed a spiking neural network model of spinal locomotor circuit
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
Obstructive sleep apnea (OSA), characterized by complete or partial airway obstruction during sleep, affects approximately 38% of the adult population. The clinical diagnosis of OSA is typically conducted using polysomnography (PSG), which has been reported to be cumbersome, requires technical expertise, and involves long waitlists. Consequently, alternative methods, such as questionnaires, have gained attention in recent years. However, while these methods are highly sensitive, they suffer from low specificity. Speech-based screening has emerged as an accessible alternative and has been widel
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 accurate diagnosis and monitoring of Alzheimer's disease (AD) is particularly critical given the increasing number of cases worldwide. Improving forecasting precision using deep learning models on neuroimaging biomarkers can aid in more accurately predicting Alzheimer's associated disease progression. In this work, we assess two separate 3D Convolutional Neural Network (CNN) models for binary AD progression classification based on MRIs of the brain's structure. The first model uses a whole volume approach and processes entire MRI scans, thus requiring little computational power and minimal
СтатьяСравнительное 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.
OBJECTIVES: To develop and validate a deep-learning-based automatic method for vessel walls and atherosclerotic plaques segmentation for quantitative evaluation in MR vessel wall images.
MATERIALS AND METHODS: A total of 193 patients (107 patients for training and validation, 39 patients for internal test, 47 patients for external test) with atherosclerotic plaque from five centers underwent T1-weighted MRI scans and were included in the dataset. The first step of the proposed method was constructing a purely learning-based convolutional neural network (CNN) named Vessel-SegNet to segment the
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.
This study proposes a hybrid analytical framework for detecting chondromalacia using vibroacoustic (VAG) signals from patients with knee osteoarthritis (OA) and healthy controls (HCs). The methodology combines nonlinear signal decomposition, feature extraction, and deep learning classification. Raw VAG signals, recorded with a custom multi-sensor system during open (OKC) and closed (CKC) kinetic chain knee flexion-extension, underwent preprocessing (denoising, segmentation, normalization). Ensemble Empirical Mode Decomposition (EEMD) was used to isolate Intrinsic Mode Functions (IMFs), and Det
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.
OBJECTIVE: This study aimed to develop a Hashimoto's thyroiditis nodule-artificial intelligence (HTN-AI) model to optimize the diagnosis of thyroid nodules with Hashimoto's thyroiditis (HT) of which the efficiency and accuracy remain challenging.
DESIGN AND METHODS: This study included 5709 patients from 10 hospitals between January 2014 and March 2024. Among them, 5053 thyroid nodules were divided into training and testing sets in a 9:1 ratio. Then, we tested the model on an external dataset (n = 432). Finally, we prospectively recruited 224 patients with dynamic ultrasound videos acquired a
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.
MedElevator
Войти в исследования