Interpretation of pediatric coagulation results depends on the reference interval (RI) applied, yet the extent to which RI source affects result classification is rarely quantified. This retrospective single-center study determined how RI source affects out-of-RI flagging in pediatric coagulation testing. Analyzer-specific RIs for prothrombin time (PT), activated partial thromboplastin time (aPTT), and fibrinogen in children aged 1 to <18 years were derived from 37,167 routine results measured on Roche Cobas t511/t711 analyzers (PT, n = 17,000; aPTT, n = 17,001; fibrinogen, n = 3166). Indirect…
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 purpose of this study is to improve the classification of electroencephalogram (EEG) signals for motor imagery-based brain-computer interfaces (MI-BCIs), thus enabling more reliable user interactions in assistive technologies such as autonomous wheelchairs. The study contributes by systematically investigating and comparing the performance of both simple (Transformer, Convolutional Neural Networks (CNNs), Long Short-Term Memory (LSTM)) and hybrid deep learning architectures (Transformer + CNN, Transformer + LSTM, CNN + LSTM) for EEG signal classification using multiple evaluation metrics, …
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 this work, we present a photonic classification architecture based on a Kerr microresonator operating as a nonlinear reservoir. The system exploits chaotic optical frequency comb formation in a high-Q microresonator to transform time-encoded input signals into high-dimensional spectral representations. Using the QR-compressed MNIST handwritten digit dataset, we numerically demonstrate that the proposed architecture improves classification accuracy from 71.67% to 83.88% compared with a purely linear baseline, even when only a small subset of input features is used. We further analyze the 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.
BACKGROUND: Skin cancer is one of the most common malignancies worldwide, and early detection is essential for improving treatment outcomes … al oncology.
OBJECTIVE: In this study, a deep learning-based framework is proposed for multi-class classification of cutaneous lesions using dermoscopic images.
METHODS: The proposed model integrates a Vision Transformer (ViT) to capture global contextual features and a Squeeze-and-Excitation Residual Network (SE-ResNet) to extract channel-refined local featur …
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.
Histopathology classification of breast cancer is still a case of difficulty in sorting out the complex morphology of the tissues, low inter-class variability, and manual biopsy analysis which is time consuming, costly, and inter-observer-dependent. Convolutional neural network-based methods have been shown to perform well for breast cancer imaging diagnosis, but they frequently lack the ability to capture the long-range spatial dependencies and lack interpretability for clinical decision-making. To tackle these problems, this study introduces an interpretable vision transformer ensemble frame…
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 OBJECTIVE: Deep learning-based cell segmentation and classification methods in digital pathology are critical for diagnostics but are hampered by models that require extensive annotated datasets, are computationally expensive, and lack adaptability to new cell types. This creates a significant bottleneck in research and clinical workflows. This study introduces CellViT++, a data-efficient and lightweight framework for generalized cell segmentation that allows for rapid adaptation to novel cell taxonomies with minimal data.
METHODS: CellViT++ leverages a Vision Transformer with …
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.
PURPOSE: Many medical AI models perform unevenly across patient groups because they learn shortcuts from biased data. These hidden biases make models less reliable and less fair in real-world use. This work aims to develop a system that remains accurate and fair across different patient subpopulations, even when those groups are not explicitly labeled.
METHODS: We introduce DPE-Former, a model that combines prototype-based learning with transformer attention. The system trains several complementary classifiers on balanced subsets of data, each capturing different aspects of the population. A
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.
Aim: Molecular classifications in gastric cancer are expensive and require experience. This study aimed to establish a molecular-like classification and to investigate the correlation of the classification with clinicopathological features and its prognostic significance. Materials-Methods: In 202 gastric cancer patients who underwent surgery between 2011 and 2019, the clinicopathological features of the tumors were re-evaluated, and the tumors were grouped by molecular-like classification using immunohistochemistry (MLH1, PMS2, MSH2, MSH6, p53, E-cadherin) and chromosomal in situ hybridizatio…
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.
TP53 mutations represent one of the strongest adverse prognostic factors in myelodysplastic neoplasms (MDS). While multi-hit TP53 (TP53multiHit) alterations uniformly lead to very poor outcomes, the prognostic relevance of monoallelic TP53 (TP53mono) mutations remains controversial. TP53 variants can cause dominant-negative, loss-of-function, or gain-of-function effects. We hypothesized that functional heterogeneity among TP53 variants contributes to the variable clinical behavior observed in TP53mono-mutated MDS. Therefore, we analyzed pretreatment samples from 4,505 patients with MDS from tw
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.
Background/Objectives: Retinal optical coherence tomography (OCT) is essential for diagnosing ocular diseases, yet developing high-performing multiclass classifiers remains challenging due to limited labeled data and the computational cost of self-supervised pretraining. This study aims to address these limitations by introducing a curriculum-based self-supervised framework to improve representation learning and reduce computational burden for OCT classification. Methods: Two ensemble strategies were developed using progressive masked autoencoder (MAE) pretraining. We refer to this curriculum-…
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.
Impacted maxillary canines present significant esthetic, functional, and surgical challenges for dental clinicians. This article introduces a CBCT-guided, 3D-assisted diagnostic and treatment protocol supported by a novel, clinically driven classification system. Three management strategies are outlined: extraction with implant placement, implant placement through the impacted canine, and prosthetic alternatives when surgical risks are excessive. The proposed framework facilitates interdisciplinary planning, improves surgical precision, and supports predictable, patient-specific outcomes in co…
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.
Proteins are the main drivers of cell function and disease, making proteomics a powerful technique for biomarker discovery and defining cell identity. While current technologies can profile thousands of proteins and reach single-cell sensitivity, limited throughput restricts applications such as robust classification of large biological or clinical cohorts. To close this gap, we present a deep-learning (DL) approach for the direct analysis of mass spectrometric (MS) data, assigning proteomic profiles to sample identity. Specifically, we introduce the ProFormer, a transformer pipeline that clas…
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.
This paper proposes a novel strategy for the fine-grade classification of sheet ferromagnetic materials with similar electromagnetic properties. The strategy integrates three original components: suppression of the effects of uncontrollable factors on the probe signal, reconstruction of material property profiles, and classification in a reduced-dimensional latent space. Together, these components constitute an innovative framework for effectively identifying sheet samples using the eddy current method. The strategy can be summarized as follows: interference-suppressed eddy current probe signa…
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.
Background/Objectives: Although deep learning methods have achieved promising performance in recent years, comparatively less attention has been given to explicitly modeling periodic and multi-scale temporal dynamics for ECG-specific representation learning within TimesNet-based frameworks. In this work, we propose an ECG-specific TimesNet-based framework for multi-label classification of multi-lead ECG recordings that incorporates periodicity-aware temporal modeling. Methods: The proposed framework utilizes Fast Fourier Transform (FFT)-guided temporal decomposition to identify dominant freque…
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.
Alzheimer’s disease (AD) and frontotemporal dementia (FTD) are two major causes of dementia, with overlapping clinical and pathophysiologica … hallenging (ROC-AUC of 65.10%), suggesting overlapping network disruptions that limit separability. Classification performance was highest in the alpha band when distinguishing AD and FTD from HC, whereas the highest performance for distinguishing AD from FTD was observed in the delta band. Overall, these findings highlight the potential of EEG connectivity feat …
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.
This study presents a systematic evaluation of deep learning models for the classification of nasopharyngeal carcinoma (NPC) using whole slide images (WSIs) obtained from Sarawak General Hospital (SGH) and Hospital Kuala Lumpur (HKL). NPC, a malignancy with high prevalence in Southeast Asia, presents diagnostic challenges due to the histological similarities between normal and pathological tissues. A dataset of 88,002 images, annotated by expert pathologists and categorized into four classes: normal, lymphoid hyperplasia (LHP), nasopharyngeal inflammation (NPI), and NPC, was utilized for model…
СтатьяСравнительное 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.
Generalized category discovery aims to identify known medical categories and unknown new medical categories from unlabeled data by migrating knowledge from labeled datasets containing only known categories, which is crucial for disease understanding and precision medicine. Many methods have been proposed and significantly improved the performance of GCD in medical images. However, most of the existing methods discover new categories based on image modalities only, ignoring useful information in the large amount of textual data related to diseases. In this paper, we propose M3GCD (Medical Multi
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 OBJECTIVE: Optical Coherence Tomography (OCT) imaging plays a crucial role in the early diagnosis of ocular diseases. This study aims to develop and evaluate deep learning models for multi-class classification of retinal diseases using OCT images.
METHODS: Four Convolutional Neural Network (CNN) architectures, including VGG16, VGG19, ResNet50, and InceptionV3, were evaluated under three experimental settings: (i) without preprocessing or data augmentation, (ii) with preprocessing and data augmentation, and (iii) with class imbalance handling using latent feature space SMOTE. 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.
MedElevator
Войти в исследования