BACKGROUND: Effective pain recognition and treatment in perioperative environments reduce length of stay and decrease risk of delirium and chronic pain. The authors sought to develop and validate preliminary computer vision-based approaches for nociception detection in hospitalized patients.
METHODS: This was a prospective observational cohort study using red-green-blue camera detection of perioperative patients. Adults (18 yr or older) admitted for surgical procedures to the San Francisco Veterans Affairs Medical Center (San Francisco, California) were included across two study phases: (1) t
СтатьяНаблюдательное исследованиеВалидационное 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.
PURPOSE: Develop computer vision models for image-based differentiation of bacterial and fungal corneal ulcers and compare their performance against human experts.
DESIGN: Cross-sectional comparison of diagnostic performance.
PARTICIPANTS: Patients with acute, culture-proven bacterial or fungal keratitis from 4 centers in South India.
METHODS: Five convolutional neural networks (CNNs) were trained using images from handheld cameras collected from patients with culture-proven corneal ulcers in South India recruited as part of clinical trials conducted between 2006 and 2015. Their performance
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 design of plant tissue culture media remains a complicated task due to the interactions of many factors. The use of computer-based tools is still very scarce, although they have demonstrated great advantages when used in large dataset analysis. In this study, design of experiments (DOE) and three machine learning (ML) algorithms, artificial neural networks (ANNs), fuzzy logic, and genetic algorithms (GA), were combined to decipher the key minerals and predict the optimal combination of salts for hardy kiwi (Actinidia arguta) in vitro micropropagation. A five-factor experimental design of 3
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 is a fundamental task in computer vision and plays an important role in clinical diagnosis and treatment planning. Existing methods are mainly built on either convolutional neural networks (CNNs) or Transformer-based encoder-decoder architectures. CNNs are effective at capturing local patterns, whereas Transformers are better suited to modeling long-range dependencies. However, current hybrid designs still face three persistent challenges: insufficient exploitation of multi-scale CNN features for global modeling, rapidly increasing attention cost after token expansio
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: Detecting objects is a core challenge in computer vision and plays a vital role in applications like self-driving cars, traffic surveillance, and smart transportation networks. Accurate vehicle object detection is essential for various applications such as autonomous driving, traffic surveillance, and intelligent transportation systems.
METHOD: This research proposes an optimization-based deep learning (DL) model for object classification from vehicle images. Initially, the input image is denoised by employing the adaptive weighted median filter (AWMF). Next, the contrast limited 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.
Against the backdrop of rapid advancements in wearable biosensing technology, hydrogel-based triboelectric nanogenerators (TENGs) have garnered significant attention due to their flexibility and self-powered sensing capabilities. However, TENGs still face numerous obstacles in terms of sensitivity, long-term stability, and data processing. This paper describes a TENG named DHXN-TENG, which uses a hydrogel named DHXN as its substrate and features a microneedle structure on its upper surface. The DHXN hydrogel exhibits outstanding performance, including high sensitivity (gauge factor (GF): 5.46,
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.
Alzheimer's disease (AD) is a progressively worsening type of brain disorder that damages the nerve cells. It is marked by the buildup of amyloid-β plaques outside the cells, tau neurofibrillary tangles inside the cells, and overall molecular-level dysfunction. The therapies currently available mainly cater to alleviating the symptoms, whereas the newly approved disease-modifying antibodies, such as lecanemab and donanemab, bring out only limited clinical improvements. Being complicated and involving many factors, AD requires sophisticated computer-based methods to combine different biological
СтатьяОбзорПоиск 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.
Neurodegenerative diseases such as Parkinson's disease (PD) and Alzheimer's disease (AD) present a significant and growing challenge to the healthcare systems worldwide. Both conditions are progressive and often undetected early, making timely diagnosis crucial. Recently, breakthroughs in computer vision and artificial intelligence have enabled the development of non-invasive and cost-effective screening and decision-making tools, allowing for earlier detection of the disease. This review serves as a comprehensive guide, providing structured insights into computational research methods for aut
СтатьяОбзорПоиск 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.
Intraoral mucosal lesions are difficult to diagnose because they vary widely in appearance and cause. Deep-learning models perform well for oral lesion classification, but limited interpretability restricts clinical use. Counterfactual explanations, which modify image features to test model sensitivity, offer a practical way to improve transparency, yet no counterfactual dataset exists for intraoral images. This study presents COLLECT, the Counterfactual Oral Lesion Library for Explainable Concept Testing, a curated counterfactual reference dataset and evaluation framework for intraoral lesion
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/Objectives: Head and neck cancer (HNC), predominantly squamous cell carcinoma (SCC), presents a significant global health burden. Conventional diagnostic approaches often face challenges in terms of achieving early detection and accurate diagnosis. This review examines recent advancements in hyperspectral imaging (HSI), integrated with computer-aided diagnostic (CAD) techniques, to enhance HNC detection and diagnosis. Methods: A systematic review of seven rigorously selected studies was performed. We focused on CAD algorithms, such as convolutional neural networks (CNNs), support ve
СтатьяОбзорПолный 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.
PURPOSE: Attentional and executive dysfunctions are the most frequent cognitive disorders in neurofibromatosis type 1 (NF1), with a high prevalence of attention deficit-hyperactivity disorder (ADHD). We (i) compared attentional profiles between NF1 children with and without ADHD and children with primary ADHD criteria and (ii) investigated the possible relationship between attentional disorders and "unidentified bright objects" (UBOs) in NF1.
METHODS: This retrospective study included 47 NF1 children, 25 with ADHD criteria (NF1+adhd group), matched for age, sex, and cognitive level with 47 ch
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.
COVID-19 has infected millions of people worldwide over the past few years. The main technique used for COVID-19 detection is reverse transcription, which is expensive, sensitive, and requires medical expertise. X-ray imaging is an alternative and more accessible technique. This study aimed to improve detection accuracy to create a computer-aided diagnostic tool. Combining other artificial intelligence applications techniques with radiological imaging can help detect different diseases. This study proposes a technique for the automatic detection of COVID-19 and other chest-related diseases usi
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.
Over the past decade, convolutional neural networks (CNN) have shown very competitive performance in medical image analysis tasks, such as disease classification, tumor segmentation, and lesion detection. CNN has great advantages in extracting local features of images. However, due to the locality of convolution operation, it cannot deal with long-range relationships well. Recently, transformers have been applied to computer vision and achieved remarkable success in large-scale datasets. Compared with natural images, multi-modal medical images have explicit and important long-range dependencie
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: In patients with postgenicular lesions of the visual system, areas of residual vision (ARVs) are the main predictor of recovery induced by vision restoration therapy (VRT). In these partially defective regions, the elevated perceptual thresholds can be acutely reduced by attentional cueing.
OBJECTIVE: To examine whether directing attention to ARVs using a visuospatial cue also increases long-term neural plasticity and thus enhances permanent training outcome.
METHODS: In a prospective, randomized clinical trial, treatment outcome was compared in patients with postgenicular visual
Клиническое исследованиеСтатьяРандомизированное 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.
Cross-view geo-localization (CVGL) between unmanned aerial vehicle (UAV) imagery and satellite imagery is a key technique for autonomous UAV navigation in Global Navigation Satellite System (GNSS)-denied environments. However, most existing methods rely on energy-intensive Artificial Neural Networks (ANNs), making them difficult to deploy on resource-constrained edge computing platforms. Spiking Neural Networks (SNNs) provide a promising alternative for energy-efficient inference, but their application to CVGL still faces two challenges that remain insufficiently addressed. First, the isotropi
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.
Mosquito-borne diseases pose a severe global public health threat. Accurate and rapid identification of mosquito species, sex, and developmental stages is critical for effective vector control and disease prevention.Traditional morphological identification is time-consuming, labor-intensive, and highly dependent on expert experience.To address these limitations, we developed a deep learning-based mosquito detection system that integrates adult and larval morphology for recognition and can be deployed on mobile devices.We constructed a dual-morphology mosquito dataset containing 2,683 images, c
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.
OBJECTIVE: In brain radiotherapy, accurate target volume delineation is a key step in treatment planning. However, manual contour delineation can be time-consuming, labor-intensive, and subject to inter-physician variability. Therefore, this study aimed to develop a deep learning (DL)-assisted, MRI-based auto-contouring model for gross tumor volume (GTV) delineation in radiotherapy for high-grade glioma (HGG). In addition to geometric evaluation, the dosimetric impact of using DL-based segmentations versus manually delineated contours for treatment planning was evaluated.
METHODS: A 2D ResU-N
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.
PURPOSE: Genetic risk scores (GRSs) are summaries of genetic data that can improve prediction of disease risk and progression. GRSs are increasing available but rely on high-quality input data to produce good output results; with noisy or missing inputs the GRS may be inaccurate. We aimed to develop a method to produce a robust estimate of the GRS when input data are missing, noisy or both.
APPROACH: We developed a neural network approach, named masked-multi-layer perceptron (MLP), for robust GRS calculation trained on a set of GRS scores calculated on clean data. The masked-MLP includes addi
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.
This study compared a dose-volume histogram-based machine learning (ML) approach with a three-dimensional dose distribution-based convolutional neural network (CNN) approach for volumetric-modulated arc therapy planning in head and neck cancer (HNC). Sixty-five patients who underwent whole-neck radiotherapy were retrospectively analyzed; 55 cases were used for model training and 10 for independent testing. Treatment plans generated by the CNN-based framework and a commercial ML-based planning system (RapidPlan) were evaluated using dose-volume indices (DVIs) and blinded qualitative scoring. In
СтатьяСравнительное исследованиеПолный 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.Miniature electrocardiogram (ECG) devices can rapidly and accurately acquire real-time cardiac signals, enabling timely warnings for patients with heart disease. To achieve accurate arrhythmia classification on resource-constrained ECG edge devices, we propose EdgeECG, an ultra-lightweight neural network designed for deployment on low-power microcontrollers.Approach.EdgeECG is first designed with a compact convolutional architecture to ensure compatibility with resource-limited embedded platforms. A dual criterion pruning (DCP) strategy is then introduced to evaluate weight importanc
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