Exploiting deep learning methods to accelerate the analysis of medical images and the interpretation of pathology results for early diagnosis of Alzheimer's disease (AD) has recently attracted great attention. However, challenges like sub-optimal classifiers and poor image representation hinder their effectiveness. Computer-aided diagnosis (CADx) can improve performance by classifying patterns. Despite the drawbacks of deep networks such as Visual Geometric Group (VGG), including long processing times and performance issues due to data distribution, many CADx systems still rely on VGG classifi
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: Prescription dose selection for intracranial meningiomas treated with stereotactic radiosurgery remains guided by tumor volume, anatomical constraints, proximity to critical structures, and institutional practice rather than individualized estimates of long-term local progression. We developed THINKERS-Meningioma, a mixture-of-experts artificial intelligence framework for personalized dose evaluation after stereotactic radiosurgery.
METHODS: We performed a retrospective single-center study of 800 patients with intracranial meningiomas treated with stereotactic radiosurgery. Variab
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.
INTRODUCTION: Pneumonia is a serious respiratory disease that requires early and precise diagnosis to reduce morbidity and mortality. This study aims to develop an efficient deep learning model for the accurate classification of pneumonia, COVID-19, and normal cases using chest X-ray and CT images.
METHODS: The proposed model combines Capuchin Red Kite Optimization (CRKO) with a Swin Transformer–based Convolutional Block Attention Module (ST-CBAM). A Butterworth filter is applied during preprocessing to enhance image quality. ResNet and Vision Transformer are used for feature extraction, capt
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.
Obtaining an accurate age of skin wounds is a diagnostic challenge in forensic pathology. This study aimed to quantify collagen density and proliferation activity in porcine experimental wounds over time using machine learning-based segmentation to provide an objective method for wound age estimation. Tissue sections from porcine experimental wounds (n = 68) were stained with Masson's trichrome stain or immunohistochemically labeled for proliferation activity by Ki67. The experimental wounds were located on the back and 5-35 days old. Collagen and proliferation activity in the wounds were quan
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.
Clinical predictive models (CPMs) are crucial for forecasting patient outcomes using available electronic health record (EHR) data. Traditional time-to-event (TTE) models, like the Cox proportional hazards model, assume that hazard ratios remain constant over time, which may not hold in many clinical settings. In this study, we introduce a Discrete Time Neural Network (DTNN) to address these limitations by modeling time-varying predictor importance. The DTNN combines the flexibility of classification models with the advantage of handling time-to-event data, providing a single model fit across
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.
Accurate breast cancer diagnosis remains a significant challenge in clinical practice. This study presents a deep learning fusion framework that integrates high-resolution ultrasound (US) images with low-resolution diffuse optical tomography (DOT) total hemoglobin (HbT) images to improve diagnostic performance and reduce unnecessary benign biopsies. A cohort of 287 patients who underwent US and US-guided DOT imaging before biopsy of suspicious breast lesions was analyzed. A novel Convolutional-Transformer-Translator (CTT) fusion model was developed to automatically combine complementary US and
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.
To investigate the feasibility of a noncontrast MRI framework combining velocity-selective arterial spin labeling (VSASL) and artificial neural network (ANN)-based gradient-echo sampling of spin-echo (GESSE) analysis for quantifying exercise-induced changes in calf muscle perfusion and oxygen metabolism. Ten healthy volunteers (mean age: 31.1 ± 5.45 years) underwent MRI scans before and after standardized eccentric calf muscle exercise. Muscle blood flow (MBF) was assessed using VSASL with 3D GRASE readout, while muscle oxygen extraction fraction (MOEF) was estimated from GESSE data using an A
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.
Ankylosing spondylitis (AS) and osteoarthritis (OA) are two common rheumatic diseases. Although their underlying mechanisms differ significantly-the former being an autoimmune inflammatory condition and the latter a degenerative disorder-they exhibit substantial overlap in early clinical symptoms. Conventional serological tests lack sufficient specificity, leading to a high risk of misdiagnosis. This study developed a highly sensitive surface-enhanced Raman scattering (SERS) biosensing platform based on Ag NPs loaded onto Ti3C2Tx MXene for the early diagnosis of AS and OA. High-density, unifor
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: Flexible bronchoscopy is an essential tool for airway management and both diagnostic and therapeutic interventions, particularly in critical care. Accurate identification of tracheobronchial structures is crucial but challenging for less experienced clinicians, often leading to prolonged procedures and increased complication risks. Simulation-based training using virtual reality or manikins has shown promise, and recent studies suggest that artificial intelligence (AI)-based training outperforms self-directed learning. Limited data exist comparing AI-based bronchoscopy training to
СтатьяРандомизированное 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.
The comprehension-production vocabulary gap is a well-documented hallmark of language development; however, anecdotal evidence suggests that this asymmetry may be reduced in children with Williams syndrome (WS). Here, we use empirical data to characterise the comprehension-production gap and computational modelling to investigate potential mechanisms underlying this distinctive linguistic profile, focusing on children aged 7 months to 6 years. Using parental reports (Communicative Development Inventories), we measured the receptive and expressive vocabularies of children with WS (n = 67) and c
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: Machine learning models for Obstructive Sleep Apnea (OSA) diagnosis have largely inherited some structural limitations: reliance on generic, opportunistically collected feature sets; use of the Apnea-Hypopnea Index (AHI) as the sole ground truth; poor performance in multi-class severity grading; and predictions that offer clinicians no mechanistic insight. This study addresses these gaps by prospectively assembling a multi-domain dataset that, alongside established demographic, anthropometric, and questionnaire-based predictors, incorporates a panel of craniofacial and intraoral 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.
In this paper, we present an Internet of Medical Things (IoMT)-based platform that depends on electrooculography (EOG) to assist, control, and monitor a smart home environment in real time for patients with motor disabilities. Users can interact with the intelligent environment through a Graphical User Interface (GUI) that offers predefined options for controlling doors, windows, lights, air conditioning, temperature, and TV functions. The proposed approach is based mainly on the utilisation of two transforms, namely Stockwell transform (S-transform) and wavelet transform, for detection of abr
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: To examine potential differences in electroencephalogram (EEG) dynamic functional connectivity between patients with major depressive disorder (MDD) and healthy controls (HC), and thereby enhance the effectiveness of depression identification.
METHODS: This study presents a novel approach that combines EEG microstate analysis with functional connectivity networks. Resting-state 19-channel EEG data were obtained from 36 participants (17 healthy controls and 19 patients with depression). Through microstate analysis, significant inter-group differences were observed in the average du
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.
Parasitic diseases pose a significant threat to human health. Accurate and robust prediction of drug-parasitic disease associations is critical to advancing drug discovery and developing parasitic disease therapies. However, biomedical data in this field is often too scarce to train a generalized machine learning model. Although computational methods have been developed for predicting potential drug-parasitic disease associations, their performances were restricted owing to data limitation. Here we propose a deep learning framework entitled GATPDD for improving drug-parasitic disease associati
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: Explainable artificial intelligence is essential for clinical adoption of deep learning models in prostate magnetic resonance imaging. Although ensemble learning can improve robustness, its impact on explanation stability, spatial consistency, and clinical interpretability remains insufficiently quantified. This study aims to evaluate post-hoc interpretability methods across both single-model and ensemble configurations, and to examine whether ensemble-based explanations provide more reliable and clinically meaningful insights than single-model explanations. Criticall
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.
Deep learning has been extensively applied to motor imagery (MI) classification using electroencephalogram (EEG). However, most existing deep learning models do not extract features from EEG using dimension-specific attention mechanisms based on the characteristics of each dimension (e.g., spatial dimension), while effectively integrate local and global features. Furthermore, implicit information generated by the models has been ignored, leading to underutilization of essential information of EEG. Although MI classification has been relatively thoroughly investigated, the exploration of classi
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.
Accurate locomotion prediction in dynamic environments is crucial for lower-limb exoskeletons to provide walking assistance. Surface electromyography (sEMG)-based deep learning models demonstrate great potential for decoding user intent, yet most existing approaches are developed under restrictive closed-world assumptions. These limitations hinder adaptability to ambiguous or unexpected locomotion modes in real-world deployment, increasing the risk of unsafe control decisions. To address this gap, we propose the Open-Environment Evidential Learning (OEEL) framework, which integrates evidential
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.
The brain undergoes atrophy and cognitive decline with advancing age. The utilization of brain age prediction represents a pioneering methodology in the examination of brain aging. This study aims to develop a deep learning model with high predictive accuracy and interpretability for brain age prediction tasks. The gray matter (GM) density maps obtained from T1 MRI data of 16,377 healthy participants aged 45 to 82 years from the UKB database were included in this study (mean age, 64.27 ± 7.52 , 7811 men). We propose an innovative deep learning architecture for predicting brain age based on GM
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.
IMPORTANCE: Hypertension underpins significant global morbidity and mortality. Early lifestyle intervention and treatment are effective in reducing adverse outcomes. Artificial intelligence-enhanced electrocardiography (AI-ECG) has been shown to identify a broad spectrum of subclinical disease and may be useful for predicting incident hypertension.
OBJECTIVE: To develop an AI-ECG risk estimator (AIRE) to predict incident hypertension (AIRE-HTN) and stratify risk for hypertension-associated adverse outcomes.
DESIGN, SETTING, AND PARTICIPANTS: This was a development and external validation pro
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: Parkinson's disease (PD) is a neurodegenerative disorder that affects both motor and cognitive functions, particularly working memory (WM). Machine learning offers an advantage for decoding complex brain activity patterns, but its application to task-based functional magnetic resonance imaging (task-based fMRI) has been limited. This study aimed to develop an explainable machine learning model to classify WM performance levels in PD based on task-based fMRI data.
METHODS: We enrolled 45 patients with PD and 15 healthy controls (HCs), all of whom performed an n-back WM task in an M
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