BackgroundMigraine accounts for most primary headaches in children and adolescents and is related to cortical and connectivity changes. However, the underlying mechanisms remain unclear. Morphometric similarity mapping has not yet been applied to children and adolescents with migraine.MethodsEighty-three patients (6-17 years) with migraine without aura and 81 age- and sex-matched controls were retrospectively included. High-resolution 3D T1-weighted and diffusion-weighted magnetic resonance imaging scans were processed to extract cortical morphometric parameters and compute morphometric simila
СтатьяПоддержка исследования: вне правительства СШАПоиск 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.
Architectural Distortion (AD) is a common abnormality in digital mammograms, alongside masses and microcalcifications. Detecting AD in dense breast tissue is particularly challenging due to its heterogeneous asymmetries and subtle presentation. Factors such as location, size, shape, texture, and variability in patterns contribute to reduced sensitivity. To address these challenges, we propose a novel feature fusion-based Vision Transformer (ViT) attention network, combined with VGG-16, to improve accuracy and efficiency in AD detection. Our approach mitigates issues related to texture fixation
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.
Cerebellar rhythms provide frequency-specific support for motor, cognitive and affective functions. These oscillations are not epiphenomenal but rather dynamically regulated, spatially organized control signals that contribute to the coordination of prediction, error correction, learning and internal model updating. By synchronizing neuronal activity across cerebellar and distributed brain networks at multiple timescales, cerebellar rhythms enable precise and adaptable behaviour and coordination across neural systems. Accordingly, they offer biologically grounded targets for network-level diag
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.
The use of renewable sources of energy has increased significantly in the recent years. These are hybrid wind-solar photovoltaic (Wind-SPV) plants. To ensure that these systems are reliable and customers happy, we should ensure that the quality of power remains high. In this paper, I am going to present a new hybrid deep learning-based approach to the specific diagnosis of power quality disturbances (PQDs) in Wind-SPV integrated networks. The proposed system combines scalograms obtained using the continuous wavelet transform (CWT) with deep neural networks (ResNet and VGG-Net), neighborhood 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.
Single-shot fringe projection profilometry (FPP) offers significant advantages for dynamic three-dimensional (3D) measurement. However, existing deep learning-based single-shot methods still struggle to simultaneously and accurately extract the wrapped phase and fringe order. Because the former is a continuous physical quantity while the latter is a discrete integer label, their joint estimation from a single periodic pattern is inherently ambiguous, especially for isolated objects lacking spatial continuity. To address this problem, a deep learning-enabled single-shot FPP method is proposed b
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 research work introduces a new framework which optimizes reinforcement learning with graph neural networks for detecting fraudulent transactions in unbalanced financial data. The proposed method connects community-swapping data mining techniques with multi-type anomaly detection algorithms. The method uses time-series patterns combined with structural properties and contextual features to detect fraudulent transactions. The model system uses Graph Attention Networks (GAT) connected to an RL controller which enhances fraud detection results through a reward mechanism that balances precision
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.
Limited-angle tomographic reconstruction is one of the typical ill-posed inverse problems, leading to edge divergence with degraded image quality. Recently, deep learning has been introduced into image reconstruction and achieved great results. However, existing deep reconstruction methods have not fully explored data consistency, resulting in poor performance. In addition, deep reconstruction methods are still mathematically inexplicable and unstable. In this work, we propose an iterative residual optimization network (IRON) for limited-angle tomographic reconstruction. First, a new optimizat
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.
Sonar sound datasets are of significant importance in the domains of underwater surveillance and marine research as they enable experts to discern intricate patterns within the depths of the water. Nevertheless, the task of classifying sonar sound datasets continues to pose significant challenges. In this study, we present a novel approach aimed at enhancing the precision and efficacy of sonar sound dataset classification. The integration of deep long-short-term memory (DLSTM) and convolutional neural networks (CNNs) models is employed in order to capitalize on their respective advantages whil
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.
Lung cancer is one of the most deadly diseases in the world. Lung cancer detection can save the patient's life. Despite being the best imaging tool in the medical sector, clinicians find it challenging to interpret and detect cancer from Computed Tomography (CT) scan data. One of the most effective ways for the diagnosis of certain malignancies like lung tumours is Positron Emission Tomography (PET) imaging. So many diagnosis models have been implemented nowadays to diagnose various diseases. Early lung cancer identification is very important for predicting the severity level of lung cancer in
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.
Alberta Stroke Program Early Computed Tomographic Scoring (ASPECTS) is a reliable method for assessing early ischemic changes in the blood supply area of the middle cerebral artery in patients with acute ischemic stroke. This study aims to propose a deep learning based automatic evaluation strategy for DWI-ASPECTS to serve as a reference for clinicians in urgent decision making for endovascular thrombectomy. Ten ASPECTS regions are extracted from the DWI series to train the independent classification network for each region, the accurate training labels of which are confirmed by neuroradiologi
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.
Deep learning algorithms based on automatic 3D cephalometric marking points about people without craniomaxillofacial deformities have achieved good results. However, there has been no previous report about hemifacial microsomia (HFM). The purpose of this study is to apply a new deep learning method based on a 3D point cloud graph convolutional neural network to predict and locate landmarks in patients with HFM based on the relationships between points. The authors used a PointNet++ model to investigate the automatic 3D cephalometry. And the mean distance error (MDE) of the center coordinate po
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.
Millions of people around the world are affected by arrhythmias, which are abnormal activities of the functioning of the heart. Most arrhythmias are harmful to the heart and can suddenly become life-threatening. The electrocardiogram (ECG) is an important non-invasive tool in cardiology for the diagnosis of arrhythmias. This work proposes a computer-aided diagnosis (CAD) system to automatically classify different types of arrhythmias from ECG signals. First, the auto-encoder convolutional network (ACN) model is used, which is based on a one-dimensional convolutional neural network (1D-CNN) tha
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.
Peripheral arterial disease (PAD) is caused by atherosclerosis and is a common disease of the elderly leading to excess morbidity and mortality. Early PAD diagnosis is important, as the only available causal therapy is addressing risk factors like smoking, hypercholesterolemia or hypertension. However, current diagnostic techniques often do not detect early stages of PAD. We theorize that PAD's underlying cause atherosclerosis can be detected on color fundus photography (CFP) images with a convolutional neural network architecture, which might aid earlier PAD diagnosis and improve disease moni
СтатьяПоддержка исследования: вне правительства СШАПоиск 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.
Posttraumatic stress disorder (PTSD) is widely associated with deficits in extinguishing learned fear responses, which relies on mechanisms of reinforcement learning (e.g., updating expectations based on prediction errors). However, the degree to which PTSD is associated with impairments in general reinforcement learning (i.e., outside of the context of fear stimuli) remains poorly understood. Here, we investigate brain and behavioral differences in general reinforcement learning between adult women with and without a current diagnosis of PTSD. 29 adult females (15 PTSD with exposure to assaul
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 growing demand for raw and processed scientific data has encouraged many researchers and research institutions to adopt an open-source data policy. At present, data accessibility is of paramount importance due to the growing demand for artificial intelligence (AI) and machine learning (ML) applications in various scientific fields, particularly medicine. Medium- to large-scale mammography datasets are widely used in breast cancer research to develop and evaluate computer-aided detection methods. However, there are only a few studies on using mammogram datasets for the prediction of the bre
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: Non-invasive brain stimulation (NIBS) has emerged as a promising approach to enhance neuroplasticity and functional recovery after stroke. However, substantial inter-individual variability in treatment response limits its clinical translation. The lack of objective neuroimaging biomarkers that capture stimulation-induced brain reorganization remains a critical barrier to personalized neuromodulation.
OBJECTIVE: To synthesize current evidence on electroencephalography (EEG)- and functional magnetic resonance imaging (fMRI)-based biomarkers of NIBS-induced neuroplasticity in post-st
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.
Excitatory-inhibitory (E-I) local circuits play a central role in synaptic plasticity and neural coding, yet their multilayer learning dynamics remain poorly understood. We constructed a multilayer feedforward spiking neural network with intra-layer E-I connectivity, using Izhikevich neurons to model regular spiking (RS) and fast spiking (FS) cells, and examined cooperative learning under excitatory and inhibitory spike-timing-dependent plasticity (eSTDP and iSTDP). FS-mediated lateral inhibition alleviates the long-term depression bias arising from RS firing rate adaptation via winner-take-al
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.
Improving chromophobe renal cell carcinoma (ChRCC) prediction for a more accurate diagnosis is the aim of this research. This research focuses on enhancing ChRCC detection via image analysis, thereby overcoming the huge difficulty of obtaining and early and accurate diagnosis, given the terrible reality of kidney cancer, particularly ChRCC, and the critical role that early detection and diagnosis play in patient survival. Conventional imaging methods could not be definitive, which could result in a delayed or incorrect diagnosis. The efficacy of conventional machine learning and feature extrac
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.
Lung cancer arises from mutations in lung cells, disrupting their normal growth cycle and leading to uncontrolled cell division. These rapidly dividing cells lose function and fail to form healthy lung tissue. Several factors contribute to the difficulty of diagnosing and classifying lung nodules, including the high degree of morphological heterogeneity and overlapping characteristics between benign and malignant nodules. Recently, deep learning models have been used in computed tomography (CT)-based lung nodule diagnosis and have demonstrated diagnostic efficiency comparable to that of radiol
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: The brain-heart axis is central to vascular health, yet no imaging biomarkers capture integrated dysfunction across neural and coronary microvascular networks. Although coronary microvascular dysfunction links to cognitive decline, neural correlates connecting cerebral efficiency with coronary physiology remain unclear.
OBJECTIVES: To determine whether the Unified Structural and Functional Connectivity (USFC)-a multimodal magnetic resonance imaging (MRI) "traffic map" of brain network efficiency-predicts coronary endothelial function and cognition in women with ischemia and no obs
СтатьяМногоцентровое исследованиеНаблюдательное исследованиеПоиск 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.
MedElevator
Войти в исследования