Autism spectrum disorder (ASD) is a complex neurodevelopmental condition with a broad spectrum of symptoms, which makes timely and accurate diagnosis challenging. The development of machine learning (ML) and deep learning (DL) has created opportunities for automated ASD screening and detection. This systematic review focuses on the analyses of 59 peer-reviewed studies on unimodal and multimodal approaches to ASD detection that were published between 2019 and 2025. The results demonstrated that classical ML algorithms (such as logistic regression [LR], support vector machines [SVM] and random f
СтатьяСистематический обзорПоиск 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.
As the crisis of antibiotic resistance escalates, phage therapy has regained attention as an alternative strategy. Artificial intelligence (AI) technologies offer new avenues to overcome the bottlenecks inherent in traditional bacteriophage research. This review summarizes the multi-dimensional innovative applications of machine learning, deep learning, and large biological models in phage studies. In the fields of phage recognition and genomics, support vector machines (SVMs), convolutional neural networks (CNNs), and pre-trained protein language models can all achieve recognition accuracy ra
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.
BACKGROUND: Advancements in computational methods in medicine have brought about extensive improvement in the diagnosis of illness, with machine learning models such as Convolutional Neural Networks leading the charge. This work introduces PneumoNet, a novel deep-learning model designed for accurate pneumonia detection from chest X-ray images. Pneumonia detection from chest X-ray images is one of the greatest challenges in diagnostic practice and medical imaging. Proper identification of standard chest X-ray views or pneumonia-specific views is required to perform this task effectively. Contem
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.
Pulmonary diseases are various pathological conditions that affect respiratory tissues and organs, making the exchange of gas challenging for animals inhaling and exhaling. It varies from gentle and self-limiting such as the common cold and catarrh, to life-threatening ones, such as viral pneumonia (VP), bacterial pneumonia (BP), and tuberculosis, as well as a severe acute respiratory syndrome, such as the coronavirus 2019 (COVID-19). The cost of diagnosis and treatment of pulmonary infections is on the high side, most especially in developing countries, and since radiography images (X-ray and
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.
OBJECTIVE: The neural network scanning (NNS) system, formerly known as Papnet, is capable of selecting fungi in cervical smears. The objective of this study was to investigate whether the optimized quality of histologic images created using a combination of coagulant fixation and microwave histoprocessing allows the application of this computer-assisted microscopy in the diagnostic process.
STUDY DESIGN: In a prospective study, 117 abnormal nails clinically suspect for fungal disease werefixed in a coagulant fixative, BoonFix, processed in a microwave histoprocessor to obtain optimal paraffin
Сравнительное исследованиеОценочное 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.
Clinical standardization of acupuncture remains limited by its reliance on empirical tactile feedback and subjective patient sensations, a physiological response collectively termed Deqi. Here, the Deqi microenvironment refers to the local, time-varying tissue domain around the needle in which mechanical deformation, microvascular perfusion, biochemical mediator release and electrophysiological activity are coupled and measurable. Conventional rigid sensing architectures cannot decode this process without disturbing it, because their stiffness can create mechanical mismatch with soft tissues,
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.
This review investigates recent advances in machine learning (ML) for drug repurposing, with applications spanning COVID-19, Parkinson's disease, and cancer. We provide a methodological taxonomy of ML techniques including supervised learning (e.g., random forests, SVMs), unsupervised clustering and dimensionality reduction, deep neural networks, reinforcement learning, and graph-based models such as MLGANN and DTD-GNN highlighting their roles in scalable drug-target interaction prediction and phenotype mapping. Case studies demonstrate how integrated models leveraging heterogeneous data (e.g.,
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: In oncology, the correct determination of nodal metastatic disease is essential for patient management, as patient treatment and prognosis are closely linked to the stage of the disease. The aim of the study was to develop a tool for automatic 3D detection and segmentation of lymph nodes (LNs) in computed tomography (CT) scans of the thorax using a fully convolutional neural network based on 3D foveal patches.
METHODS: The training dataset was collected from the Computed Tomography Lymph Nodes Collection of the Cancer Imaging Archive, containing 89 contrast-enhanced CT scans of th
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.
Computational drug repositioning (DR) discovers novel therapeutic applications for existing pharmaceuticals, offering an efficient alternative to costly de novo development. Recently, to capture higher-order biological interactions, hypergraph-based DR approaches are devised. Nevertheless, this line of research encounters two fundamental bottlenecks that compromise their real-world practicality. (i) Insufficient biological mediator integration. The hypergraph construction schemes neglect diverse biological intermediates that mediate drug-disease therapeutic mechanisms, instead relying solely o
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.
Diffuse reverberation noise in ultrasound imaging arises from multiple reflections or secondary scattering of an echo, such as when a strong echo reflects multiple times between a fascial layer and the transducer. Unlike coherent reverberation artifacts, such as multiple reflections within an arterial wall that produce obvious ringdown in the image, these multiple reflections produce speckle-like artifacts that overlay and obscure anatomical targets and are difficult to distinguish from tissue speckle. This noise also degrades image reconstruction and interferes with imaging techniques that re
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 segmentation of skin lesions and gastrointestinal polyps is essential for early diagnosis and treatment planning. Currently, Convolutional Neural Networks (CNNs) are limited by local receptive fields, missing small lesions. While Transformers model global context, their quadratic computational complexity incurs high costs. To address these limitations, we propose the Wavelet-Vision Mamba UNet (WVM-UNet), integrating State Space Models (SSMs) for linear-complexity long-range dependencies and wavelet transforms for fine-grained feature extraction. The network employs a Wavelet-based Res
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 prediction of absorption, distribution, metabolism, excretion, and toxicity (ADMET) properties plays a critical role in early-stage drug discovery. While artificial intelligence (AI) has demonstrated transformative potential in revolutionizing this field, existing computational tools remain constrained by limitations in throughput, interpretability, and immobilized modeling frameworks. To address these challenges, we developed ADMETPred, an innovative platform that integrates machine learning and graph neural networks to deliver rapid, accurate, and comprehensive ADMET profiling. Trained o
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 Accurate detection and staging of dementia are crucial for early intervention and effective patient management. Magnetic resonance imaging (MRI) serves as a valuable diagnostic tool, and deep learning models have the potential to enhance its accuracy and efficiency. Objective This study introduces KARNet, a novel deep-learning framework that integrates the Kolmogorov-Arnold network (KAN) architecture with a modified residual neural network (ResNet-18) and principal component analysis (PCA) to classify four stages of dementia: non-demented, very mild dementia, mild dementia, and mo
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 rapid expansion of Internet of Things (IoT) networks necessitates efficient intrusion detection systems (IDS) capable of operating within the stringent resource constraints of IoT devices. This study introduces KronNet, a lightweight feed-forward neural network enhanced with Kronecker product operations, designed for real-time IoT intrusion detection. KronNet leverages Gaussian Mixture Model (GMM)-based oversampling and a hybrid loss function combining Focal Loss and Cross-Entropy with adaptive class weighting to address class imbalance, ensuring robust detection across diverse attack type
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.
OBJECTIVE: This study aimed to evaluate the feasibility and performance of deep transfer learning (DTL) networks with different types and dimensions in differentiating thymomas from thymic cysts in a retrospective cohort.
MATERIALS AND METHODS: Based on chest-enhanced computed tomography (CT), the region of interest was delineated, and the maximum cross section of the lesion was selected as the input image. Five convolutional neural networks (CNNs) and Vision Transformer (ViT) were used to construct a 2D DTL model. The 2D model constructed by the maximum section (n) and the upper and lower la
СтатьяМногоцентровое исследованиеСравнительное 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.
Coupled neural network models are playing an increasingly important part in the modulation of absence seizures today. However, it is currently unclear how basal ganglia, corticothalamic network and pedunculopontine nucleus can coordinate with each other to develop a whole coupling circuit, theoretically. In addition, it is still difficult to select effective parameters of electrical stimulation on the regulation of absence seizures in clinical trials. Therefore, to develop a coupled model and reduce computation cost, a new model constructed by a simplified basal ganglion, two corticothalamic c
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.
Localization of early infarction on first-line Non-contrast computed tomogram (NCCT) guides prompt treatment to improve stroke outcome. Our previous study has shown a good performance in the identification of ischemic injury on NCCT. In the present study, we developed a deep learning (DL) localization model to help localize the early infarction sign on NCCT. This retrospective study included consecutive 517 ischemic stroke (IS) patients who received NCCT within 12 h after stroke onset. A total of 21,436 infarction patches and 20,391 non-infarction patches were extracted from the slice pool of
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.
Vertebral body compression fractures are early signs of osteoporosis. Though these fractures are visible on Computed Tomography (CT) images, they are frequently missed by radiologists in clinical settings. Prior research on automatic methods of vertebral fracture classification proves its reliable quality; however, existing methods provide hard-to-interpret outputs and sometimes fail to process cases with severe abnormalities such as highly pathological vertebrae or scoliosis. We propose a new two-step algorithm to localize the vertebral column in 3D CT images and then detect individual verteb
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.
Prior knowledge and long-term memory can guide our attention to facilitate search for and detection of subtle targets embedded in a complex scene. A number of neuropsychological and experimental studies have investigated this effect, yet results in the field remain mixed, as there is a lack of consensus regarding the neural correlates thought to support memory-guided attention. The purpose of this systematic review and meta-analysis was to identify a common set of brain structures involved in memory-guided attention. Statistical analyses were computed on functional magnetic resonance imaging (
СтатьяМетаанализСистематический обзорПоиск 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.
Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention2019eng
Diseases of the optic nerve cause structural changes observable through clinical computed tomography (CT) imaging. Previous work has shown that multi-atlas methods can be used to segment and extract volumetric measurements from the optic nerve, which are associated with visual disability and disease. In this work, we trained a weakly supervised convolutional neural network to learn optic nerve volumes directly, without segmentation. Furthermore, we explored the role of contextual electronic medical record (EMR) information, specifically ICD-9 codes, to improve optic nerve volume estimation. We
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