Amid the wave of globalization, the phenomenon of cultural amalgamation has surged in frequency, bringing to the fore the heightened prominence of challenges inherent in cross-cultural communication. To address these challenges, contemporary research has shifted its focus to human-computer dialogue. Especially in the educational paradigm of human-computer dialogue, analysing emotion recognition in user dialogues is particularly important. Accurately identify and understand users' emotional tendencies and the efficiency and experience of human-computer interaction and play. This study aims to i
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.
Existing load forecasting methods for novel power systems face critical bottlenecks regarding insufficient multimodal data fusion along with weak dynamic topology adaptability and rigid modality weight allocation. A Dynamic Topology-Aware Multimodal Hypergraph Fusion Network (DTA-MHFN) is proposed to address these challenges. First, a Multimodal Hypergraph Network (MHN) is constructed. This network models user electricity consumption time series units and grid topology physical units as distinct hypernodes. Structural and behavioral hyperedges are then built based on physical connections and b
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: Delayed graft function (DGF) is a frequent early complication after kidney transplantation. We systematically reviewed artificial intelligence and machine learning (AI/ML) models that use routine clinical variables to predict DGF.
METHODS: This PROSPERO-registered review (CRD420261400263) followed PRISMA guidance. MEDLINE/PubMed, Embase, Web of Science Core Collection and Cochrane Library were searched for human studies, without date restriction. Studies that developed or validated AI/ML models for DGF prediction using routine donor, recipient, immunological, laboratory, ischaem
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.
False discovery rate (FDR) control methods are essential for voxel-wise multiple testing in neuroimaging data analysis, where hundreds of th … ion-maximization algorithm incorporating mean-field approximation, the Conditional Random Fields as Recurrent Neural Networks (CRF-RNN) technique, and permutohedral lattice filtering, reducing the time complexity from quadratic to linear in the number of tests. Extensive simulations demonstrate that fcHMRF-LIS achieves accurate FDR control, lower FNR, reduced variability i …
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: Early identification of patients at risk for acute respiratory failure (ARF) could help clinicians devise preventive strategies. Analyzing biosignals with artificial intelligence (AI) can uncover hidden information and variability within time series. We aimed to develop and validate AI models to predict ARF within 72 h after emergency department admission, primarily using high-resolution biosignals collected within 4 h of arrival.
MATERIALS AND METHODS: Our AI model, built on convolutional recurrent neural networks, combines biosignal feature extraction and sequence modeling. The mod…
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.
Cardiovascular diseases (CVDs) are a leading cause of global mortality, necessitating early and accurate detection to improve patient outcomes. Electrocardiography (ECG) is a fundamental diagnostic tool for identifying cardiac abnormalities; however, traditional methods rely on manual interpretation and conventional machine learning (ML) models, which often struggle with feature extraction and long-range dependencies. Recent advancements in deep learning (DL) have led to the adoption of transformer-based architectures for ECG classification. In this study, we propose the Swin Transformer a hie
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.
Home-based rehabilitation is essential for stroke survivors, facilitating motor recovery and improving activities-of-daily-life performance. … ployed a Random Forest (RF) classifier and a hybrid deep learning model combining convolutional and recurrent neural networks, evaluating both subject-specific and group approaches. Trained in the structured environment, the RF classifier predicted activities in the semi-structured environment with 86.54% (subject-specific) and 77.37% (group) balanced accuracy, based on th …
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.
Radiotherapy is recognized as the major treatment of nasopharyngeal carcinoma. Rapid and accurate dose prediction can improve the efficiency of the treatment planning process and the quality of radiotherapy plans. Currently, deep learning-based methods have been widely applied to dose prediction for radiotherapy treatment planning. However, it is important to note that existing models based on Convolutional Neural Networks (CNN) often overlook long-distance information. Although some studies try to use Transformer to solve the problem, it lacks the ability of CNN to process the spatial informa
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.
Developing sensory systems must coordinate the growth of neural circuitry spanning from receptors in the peripheral nervous system (PNS) to multilayered networks within the central nervous system (CNS). This breadth presents particular challenges, as nascent processes must navigate across the CNS-PNS boundary and coalesce into a tightly intermingled wiring pattern, thereby enabling reliable integration from the PNS to the CNS and back. In the auditory system, feedforward spiral ganglion neurons (SGNs) from the periphery collect sound information via tonotopically organized connections in the c
СтатьяПоддержка NIH: внешняя программаОбзорПоиск 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.
Unlike artificial systems that execute externally specified commands, the brain constructs contextual representations to guide behaviors that satisfy innate and learned desires generated by the Affective Valuation System (AVS). However, the neural mechanisms by which contextual representations are formed, selected, maintained, and replaced to generate conscious state transitions remain unknown. Here, we propose the Dynamic Contextual Element Memory (DCEM) model as a biophysical framework within the dorsolateral prefrontal cortex. The DCEM is conceived as a dynamic contextual memory consisting
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.
Lung cancer remains one of the leading causes of cancer-related deaths worldwide, and early identification of malignant abnormalities plays an important role in improving patient survival rates. However, accurate lung cancer classification using CT imaging remains challenging because of limited dataset availability, class imbalance, overlapping lesion characteristics, and lack of interpretability in existing deep learning systems. This study presents a GenAI-driven CNN-RNN framework for explainable lung cancer classification using CT imaging and GAN-based augmentation. The proposed framework i
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.
Temporal lobe epilepsy (TLE) is a common drug-resistant epilepsy characterized by recurrent seizures, cognitive impairment, aberrant adult hippocampal neurogenesis, inhibitory circuit disruption, and persistent inflammatory remodeling. Current anti-seizure medications primarily offer symptomatic control and do not target the progressive structural and functional deterioration of epileptic hippocampal networks. Here, we investigated whether local nerve growth factor (NGF)-hydrogel delivery during the latent phase after status epilepticus could mitigate hippocampal pathological remodeling and im
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.
Obstructive sleep apnea (OSA) in children is a prevalent and serious respiratory condition linked to cardiovascular morbidity. Polysomnography, the standard diagnostic approach, faces challenges in accessibility and complexity, leading to underdiagnosis. To simplify OSA diagnosis, deep learning (DL) algorithms have been developed using cardiac signals, but they often lack interpretability. Our study introduces a novel interpretable DL approach (SleepECG-Net) for directly estimating OSA severity in at-risk children. A combination of convolutional and recurrent neural networks (CNN-RNN) was trai…
СтатьяПоддержка исследования: вне правительства СШАПолный 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.
PURPOSE: This study aimed to propose a novel deep learning-based approach to assess the extent of abduction in patients with abducens nerve palsy before and after strabismus surgery.
METHODS: This study included 13 patients who were diagnosed with abducens nerve palsy and underwent strabismus surgery in a tertiary hospital. Photographs of primary, dextroversion and levoversion position were collected before and after strabismus surgery. The eye location and eye segmentation network were trained via recurrent residual convolutional neural networks with attention gate connection based on U-Net
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.
INTRODUCTION: In this paper we propose a technique based on reservoir computing (RC) to mark epileptic seizures on the intra-cranial electroencephalogram (EEG) of rats. RC is a recurrent neural networks training technique which has been shown to possess good generalization properties with limited training.
MATERIALS: The system is evaluated on data containing two different seizure types: absence seizures from genetic absence epilepsy rats from Strasbourg (GAERS) and tonic-clonic seizures from kainate-induced temporal-lobe epilepsy rats. The dataset consists of 452hours from 23 GAERS and 982ho…
Сравнительное исследованиеСтатьяПоддержка 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.
BACKGROUND: Treatments are limited for patients with relapsed/refractory Diffuse large B-cell lymphoma (DLBCL), and their survival rate is low. Prediction of the recurrence hazard for each patient could provide a reference regarding chemotherapy regimens for clinicians to extend patients' period of long-term remission. As current strategies cannot satisfy such need, we have established predictive models to classify patients with DLBCL with complete remission who had recurrences in 2 years from ones who did not.
METHODS: We assessed 518 patients with DLBCL and measured 52 variables of each pat
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: Micropapillary (MP) and solid (S) pathological patterns are recognized as high-risk patterns. Even early-stage invasive adenocarcinoma (IAC) with MP/S pathological patterns carry a high risk of postoperative recurrence. This study aimed to construct and validate machine learning (ML) models to predict recurrence within 5 years in patients with IAC with MP/S pathological components and tumor diameter ≤ 3 cm without lymph node metastasis and distant metastasis.
METHODS: We retrospectively analyzed 974 patients from two centers. Univariate and multivariate logistic regression analyse
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: Noninvasive respiratory support (NRS) is increasingly used to support patients with acute respiratory failure. However, noninvasive support failure may worsen outcomes compared to primary support with invasive mechanical ventilation. Therefore, there is a need to identify patients where NRS is failing so that treatment can be reassessed and adjusted. The objective of this study was to develop and evaluate 3 recurrent neural network (RNN) models to predict NRS failure.
METHODS: This was a cross-sectional observational study to evaluate the ability of deep RNN models (long short-ter
Наблюдательное исследованиеСтатьяПоиск 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: Catheter ablation (CA) is an important treatment strategy to reduce the burden and complications of atrial fibrillation (AF). This study aims to predict the risk of recurrence in patients with paroxysmal AF (pAF) after CA by an artificial intelligence (AI)-enabled electrocardiography (ECG) algorithm. Methods and Results: 1618 ≥ 18 years old patients with pAF who underwent CA in Guangdong Provincial People's Hospital from 1 January 2012 to 31 May 2019 were enrolled in this study. All patients underwent pulmonary vein isolation (PVI) by experienced operators. Baseline clinical 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.
Cognitive control dysfunction, including impairments in inhibition, shifting, updating, and the balance between proactive and reactive control, is a robust feature of depression. Although these patterns are well documented, their origins and possible functions remain debated. This narrative review asks whether recurrent depressive cognitive-control profiles can be interpreted, in part, through evolutionary frameworks. Integrating Social Rank Theory, the Analytical Rumination Hypothesis, and Social Bargaining Theory, this review maps depressive control patterns onto putative functions related t
СтатьяОбзорПоиск 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