The physical separation of sensing and processing units in traditional vision systems creates latency and energy-efficiency bottlenecks. In-sensor computing, capable of processing visual information directly in the analog domain, offers a promising solution. Herein, we report a high-performance, gate-tunable GeSe/MoSe2 van der Waals heterostructure designed for simultaneous light sensing and in-sensor computing. By engineering a Type-II band alignment at the heterointerface, the device achieves efficient charge separation, thereby enabling the suppression of dark current and effective gate tun
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.
Cardiovascular diseases (CVDs) remain a leading cause of mortality worldwide, underscoring the need for advancements in diagnostic methodologies to improve early detection and treatment outcomes. This systematic review examines the integration of advanced deep learning (DL) techniques in echocardiography for detecting cardiovascular abnormalities, adhering to PRISMA 2020 guidelines. Through a comprehensive search across databases like IEEE Xplore, PubMed, and Web of Science, 29 studies were identified and analyzed, focusing on deep convolutional neural networks (DCNNs) and their role in enhanc
СтатьяСистематический обзорПолный 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.
Understanding encoded language, such as written words, requires multiple cognitive processes that act in a parallel and interactive fashion. These processes and their interactions, however, are not fully understood. Various conceptual and methodical approaches including computational modeling and neuroimaging have been applied to better understand the neural underpinnings of these complex processes in the human brain. In this study, we tested different predictions of cortical interactions that derived from computational models for reading using dynamic causal modeling. Morse code was used as 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.
Understanding the neurobiology of opioid use disorder (OUD) using resting-state functional magnetic resonance imaging (rs-fMRI) may help inform treatment strategies to improve patient outcomes. Recent literature suggests time-frequency characteristics of rs-fMRI blood oxygenation level-dependent (BOLD) signals may offer complementary information to traditional analysis techniques. However, existing studies of OUD analyze BOLD signals using measures computed across all time points. This study, for the first time in the literature, employs data-driven machine learning (ML) for time-frequency ana
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: To designe a clinical trial image medical record desensitization system based on artificial intelligence technology and to conduct preliminary applications, achieving the protection of patient privacy and promoting the safe use of clinical image data in clinical trial projects.
METHODS: The clinical trial image record desensitization system based on artificial intelligence technology was first performed to preprocess operations, such as cropping and compression on medical images to initialize the image records. Then, it utilized advanced image recognition, natural language processi
Аннотация на английскомСтатьяПоиск 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.
Ensuring the safety of patients using pharmaceuticals and medical devices through chemical characterization requires accurate estimation of extractables and leachables to ensure tolerable risk from unintentional exposure to these chemicals. However, this is complicated by variability in chemical responses, particularly with mass spectrometry methods. High-quality relative response factor predictions provide the opportunity for both expedited and more accurate quantitation in extractables and leachables analyses. In-silico prediction models were developed to test a wide variety of compounds, wh
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 integration of artificial intelligence (AI) into breast cancer management presents transformative potential for both diagnosis and treatment planning. This study introduces a resilient AI framework designed to accomplish, from breast MRI images, two critical tasks: (1) accurate and automated segmentation of breast tumors, and (2) T-stage classification of breast cancer in accordance with the 2018 eighth edition of TNM staging system.The dataset comprises sagittal MRI scans utilized for tumor segmentation through a U-Net architecture, which yielded high precision and specificity.Segmented 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.
OBJECTIVE: Deep complex convolutional networks (DCCNs) utilize complex-valued convolutions and can process complex-valued MRI signals directly without splitting them into two real-valued magnitude and phase components. The performance of DCCN and real-valued U-Net is thoroughly investigated in the physics-informed subject-specific ad-hoc reconstruction method for fat-water separation and is compared against a widely used reference approach.
MATERIALS AND METHODS: A comprehensive test dataset (n = 33) was used for performance analysis. The 2012 ISMRM fat-water separation workshop dataset conta
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: Accurate differentiation of Parkinsonism subtypes-including Parkinson's disease (PD), multiple system atrophy (MSA), and progressive supranuclear palsy (PSP)-is essential for clinical prognosis and treatment planning. However, this remains a major challenge due to overlapping symptomatology and high inter-individual variability in cerebral glucose metabolism patterns observed on fluorodeoxyglucose positron emission tomography (FDG-PET).
METHODS: To address these challenges, we propose PETFormer-SCL, a clinically informed deep learning framework that integrates convolutional neural ne
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.
Subdural hemorrhage (SDH) is a critical condition requiring prompt assessment of its progression using computed tomography (CT). This study aimed to develop a deep-learning model to predict temporal changes in SDH by leveraging Hounsfield Units (HU) to estimate hemorrhage age across acute, subacute, and chronic stages. A total of 825 pre-processed CT slices from the RSNA dataset were balanced across SDH stages and analyzed using a convolutional neural network (CNN) implemented in Python on Google Colab. Model performance was evaluated using accuracy, sensitivity, specificity, precision, F1-sco
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.
BACKGROUND: CT images and circulating tumor cells (CTCs) are indispensable for diagnosing the mediastinal lesions by providing radiological and intra-tumoral information. This study aimed to develop and validate a deep multimodal fusion network (DMFN) combining CTCs and CT images for the multi-classification of mediastinal lesions.
METHODS: In this retrospective diagnostic study, we enrolled 1074 patients with 1500 enhanced CT images and 1074 CTCs results between Jan 1, 2020, and Dec 31, 2023. Patients were divided into the training cohort (n = 434), validation cohort (n = 288), and test coho
СтатьяСравнительное 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.
PURPOSE: Distinguishing idiopathic normal pressure hydrocephalus (iNPH) from progressive supranuclear palsy (PSP) presents a clinical challenge due to overlapping clinical symptoms such as gait disturbances and cognitive decline. This study presents a novel multi-scale deep learning framework that integrates global and local magnetic resonance imaging (MRI) features using a mixture of experts (MoE) mechanism, enhancing diagnostic accuracy and minimizing interobserver variability.
METHODS: The proposed framework combines a 3D convolutional neural network (CNN) for capturing global volumetric f
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.
Due to the development of magnetic resonance (MR) imaging processing technology, image-based identification of endolymphatic hydrops (EH) has played an important role in understanding inner ear illnesses, such as Meniere's disease or fluctuating sensorineural hearing loss. We segmented the inner ear, consisting of the cochlea, vestibule, and semicircular canals, using a 3D-based deep neural network model for accurate and automated EH volume ratio calculations. We built a dataset of MR cisternography (MRC) and HYDROPS-Mi2 stacks labeled with the segmentation of the perilymph fluid space and end
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.
OBJECTIVES: Body composition assessment using CT images at the L3-level is increasingly applied in cancer research and has been shown to be strongly associated with long-term survival. Robust high-throughput automated segmentation is key to assess large patient cohorts and to support implementation of body composition analysis into routine clinical practice. We trained and externally validated a deep learning neural network (DLNN) to automatically segment L3-CT images.
METHODS: Expert-drawn segmentations of visceral and subcutaneous adipose tissue (VAT/SAT) and skeletal muscle (SM) of L3-CT-i
СтатьяВалидационное 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.
BACKGROUND: To verify overall survival predictions made with residual convolutional neural network-determined morphological response (ResNet-MR) in patients with unresectable synchronous liver-only metastatic colorectal cancer (mCRC) treated with bevacizumab-based chemotherapy (BBC).
METHODS: A retrospective review of liver-only mCRC patients treated with BBC from December 2011 to Apr 2021 was performed. Patients who had metachronous liver metastases or received locoregional treatment before the initiation of BBC were excluded. The percentage of downstaging to curative treatment and overall s
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: A brain tumor is an asymmetrical expansion by cells inevitably emulating amid them. Image processing is a vibrant research area where the handing out of the image in the medical field is an exceedingly tricky field. In this paper, an expert algorithm is suggested for the detection of pituitary brain tumors from MR images.
METHODS: The preprocessing techniques (smoothing, edge detection, filtering) and segmentation techniques (watershed) are applied to the online data set. The transfer learning technique is used as a classifier whose performance is measured in terms of classificati
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: Temporal bone computed tomography (CT) helps diagnose chronic otitis media (COM). However, its interpretation requires training and expertise. Artificial intelligence (AI) can help clinicians evaluate COM through CT scans, but existing models lack transparency and may not fully leverage multidimensional diagnostic information.
OBJECTIVE: We aimed to develop an explainable AI system based on 3D convolutional neural networks (CNNs) for automatic CT-based evaluation of COM.
METHODS: Temporal bone CT scans were retrospectively obtained from patients operated for COM between December
СтатьяВалидационное 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.
BACKGROUND: Accurately estimating the 6D pose of snake-like wrist-type surgical instruments is challenging due to their complex kinematics and flexible design.
METHODS: We propose ERegPose, a comprehensive strategy for precise 6D pose estimation. The strategy consists of two components: ERegPoseNet, an original deep neural network model designed for explicit regression of the instrument's 6D pose, and an annotated in-house dataset of simulated surgical operations. To capture rotational features, we employ an Single Shot multibox Detector (SSD)-like detector to generate bounding boxes of the 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.
BACKGROUND: Artificial intelligence shows promise in assessing knee osteoarthritis (OA) progression on MR images, but faces challenges in accuracy and interpretability.
PURPOSE: To introduce a temporal-regional graph convolutional network (TRGCN) on MR images to study the association between knee OA progression status and network outcome.
STUDY TYPE: Retrospective.
POPULATION: 194 OA progressors (mean age, 62 ± 9 years) and 406 controls (mean age, 61 ± 9 years) from the OA Initiative were randomly divided into training (80%) and testing (20%) cohorts.
FIELD STRENGTH/SEQUENCE: Sagittal 2D 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.
The purpose of this study is to develop a deep learning method for thyroid delineation with high accuracy, efficiency, and robustness in noncontrast-enhanced head and neck CTs. The cross-sectional analysis consisted of six tests, including randomized cross-validation and hold-out experiments, tests of prediction accuracy between cancer and benign and cross-gender analysis were performed to evaluate the proposed deep-learning-based performance method. CT images of 1977 patients with suspected thyroid carcinoma were retrospectively investigated. The automatically segmented thyroid gland volume w
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