BACKGROUND: Accurate estimation of lower limb kinetic characteristics is critical for evaluating gait impairments and guiding rehabilitation in patients with stroke. Traditional three-dimensional (3D) optical motion capture systems provide high-precision measurements but are costly, require a laboratory environment, and are sensitive to marker placement errors. Inertial measurement unit (IMU) sensors, combined with machine learning models, may offer a portable and clinically feasible alternative.
METHODS: Thirty patients with stroke performed level walking and stair negotiation tasks while 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.
BACKGROUND: The accurate diagnosis of thyroid nodules represents a critical and frequently encountered challenge in clinical practice, necessitating enhanced precision in diagnostic methodologies. In this study, we investigate the predictive efficacy of distinguishing between benign and malignant thyroid nodules by employing traditional machine learning algorithms and a deep transfer learning model, aiming to advance the diagnostic paradigm in this field.
METHODS: In this retrospective study, ITK-Snap software was utilized for image preprocessing and feature extraction from thyroid nodules. F
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: Measuring bilateral ground reaction forces (GRFs) and centre of pressure (COP) is essential in gait analysis, requiring subjects to step each foot sequentially onto a separate forceplate. However, this requirement often causes multiple trial attempts, especially in patients with neuromusculoskeletal disorders. Consciously targeting the forceplates could also alter walking mechanics, leading to unnatural gait patterns.
RESEARCH QUESTION: This study aimed to (1) develop a novel physics-informed residual recurrent neural network (PI-ResRNN) to predict bilateral GRF and COP during gai
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.
Alterations in brain connectivity provide early indications of neurodegenerative diseases like Alzheimer's disease (AD). Here, we present a novel framework that integrates a Hidden Markov Model (HMM) within the architecture of a convolutional neural network (CNN) to analyze dynamic functional connectivity (dFC) in resting-state functional magnetic resonance imaging (rs-fMRI). Our unsupervised approach captures recurring connectivity states in a large cohort of subjects spanning the Alzheimer's disease continuum, including healthy controls, individuals with mild cognitive impairment (MCI), 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.
BACKGROUND/AIM: Accurate electrocardiogram (ECG) interpretation after cardiac arrest is essential for identifying occlusive myocardial infarction (OMI), but post-resuscitation artifacts make this challenging. While artificial intelligence (AI) offers promising support, its diagnostic performance in this critical setting remains uncertain.
METHODS: This single-centre study included 97 adult patients resuscitated from cardiac arrest (CA). Post-return of spontaneous circulation (ROSC) ECG were evaluated by four methods: human experts (HE), a validated deep neural network [Queen of Hearts (QoH)],
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.
Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) and Middle East respiratory syndrome coronavirus (MERS-CoV) are two important targets in current drug discovery, mainly due to the COVID-19 pandemic and the MERS-CoV outbreaks in recent years. An important target of both SARS-CoV-2 and MERS-CoV is the main protease (Mpro). Recently, the ASAP Discovery Consortium focused on the acceleration of Mpro inhibitors with a part of this initiative being an open blind challenge in collaboration with Valence lab using the Polaris platform, where data sets of previously undisclosed inhibitors of
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 manual interpretation of electroencephalogram (EEG) signals for detecting epileptic seizures is time-consuming and labor-intensive, highlighting the critical importance of exploring automated seizure detection methods. Given this, this work concentrates on seizure detection using scalp EEG signals collected from people with frontal lobe epilepsy (FLE) and temporal lobe epilepsy (TLE).
METHOD: 20 FLE patients and 20 TLE patients are utilized in our work, and a parallel one-dimensional convolutional neural network (1DCNN) model is built for classification. Our work explores two s
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.
Abnormal gait recognition plays a critical role in healthcare, particularly for the early diagnosis and continuous monitoring of neurological and musculoskeletal disorders, such as Parkinson's disease and orthopedic injuries. This study proposes MSCAF-Gait, a Multi-Scale Cross-Attention Fusion Network designed specifically for abnormal gait recognition using foot pressure sensors. MSCAF-Gait incorporates multi-scale convolutional modules with channel and spatial attention mechanisms to effectively capture features across temporal, channel, and spatial dimensions. A novel cross-attention fusion
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.
Medial joint contact force, knee adduction moment, and knee flexion moment are key mechanical risk factors of knee osteoarthritis, yet calculating these knee loads traditionally requires time-intensive procedures with a gait laboratory. Integrating wearable technologies, such as instrumented insoles, with neural networks offers a promising avenue for rapid and accessible estimation of these variables in clinical environments. This study aimed to estimate knee loads during walking, running, sit-to-stand, and stand-to-sit activities using a recurrent neural network model trained on wearable sens
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.
AIMS: Accurate cancer subtype classification is critical due to variations in tumor progression and prognosis. Traditionally, pathologists classified subtypes manually by examining pathological slides under the microscope. To address increasing workloads, this study aimed to classify gastric spindle cell tumor (GSCT) subtypes-gastrointestinal stromal tumors (GIST), leiomyomas, and schwannomas-using a convoluted neural network applied to whole-slide images (WSIs). To date, no automated pipeline has been proposed for classifying GSCTs into GIST, leiomyoma, and schwannoma from hematoxylin and eos
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.
Glioma, pituitary tumors, and meningiomas constitute the major types of primary brain tumors. The challenge in achieving a definitive diagnosis stem from the brain's complex structure, limited accessibility for precise imaging, and the resemblance between different types of tumors. An alternative and promising solution is the application of artificial intelligence (AI), specifically through deep learning models. We developed multiple lightweight deep learning models ResNet-18 (both pretrained on ImageNet and trained from scratch), ResNet-34, ResNet-50, and a custom CNN to classify glioma, meni
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 objective of this study was to propose a novel strategy for detecting upper-limb motion intentions from mechanical sensor signals using deep and heterogeneous transfer learning techniques. Three sensor types, surface electromyography (sEMG), force-sensitive resistors (FSRs), and inertial measurement units (IMUs), were combined to capture biometric signals during arm-up, hold, and arm-down movements. To distinguish motion intentions, deep learning models were constructed using the CIFAR-ResNet18 and CIFAR-MobileNetV2 architectures. The input features of the source models were sEMG, FSR, and
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.
This paper aims to introduce HDE-Array (High-Density Electrode Array), a novel dry electrode array for acquiring High-Density surface electromyography (HD-sEMG) for hand position estimation through RPC-Net (Recursive Prosthetic Control Network), a neural network defined in a previous study. We aim to demonstrate the hypothesis that the position estimates returned by RPC-Net using HD-sEMG signals acquired with HDE-Array are as accurate as those obtained from signals acquired with gel electrodes. We compared the results, in terms of precision of hand position estimation by RPC-Net, using signals
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.
PURPOSE: The aim of this study was to evaluate the efficacy of artificial intelligence-derived morphometric parameters in characterizing Fuchs corneal endothelial dystrophy (FECD) from specular microscopy images.
METHODS: This cross-sectional study recruited patients diagnosed with FECD, who underwent ophthalmologic evaluations, including slit-lamp examinations and corneal endothelial assessments using specular microscopy. The modified Krachmer grading scale was used for clinical FECD classification. The images were processed using a convolutional neural network for segmentation and morphomet
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.
AIM: The aim of this analysis was to compare a clinical periodontal prognostic system and a developed and externally validated artificial intelligence (AI)-based model for the prediction of tooth loss in periodontitis patients under supportive periodontal care (SPC) for 10 years.
MATERIALS AND METHODS: Clinical and radiographic parameters were analysed to assign tooth prognosis with a tooth prognostic system (TPS) by two calibrated examiners from different clinical centres (London and Pittsburgh). The prediction model was developed on the London dataset. A logistic regression model (LR) and a
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: Gait analysis holds significant importance in monitoring daily health, particularly among older adults. Advancements in sensor technology enable the capture of movement in real-life environments and generate big data. Machine learning, notably deep learning (DL), shows promise to use these big data in gait analysis. However, the inherent black-box nature of these models poses challenges for their clinical application. This study aims to enhance transparency in DL-based gait classification for aged-related gait patterns using Explainable Artificial Intelligence, such as SHapley Addi
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.
PURPOSE: To explore the contributions of fundus autofluorescence (FAF) topographic imaging features to the performance of convolutional neural network-based deep learning (DL) algorithms in predicting geographic atrophy (GA) growth rate.
METHODS: Retrospective study with data from study eyes from three clinical trials (NCT02247479, NCT02247531, NCT02479386) in GA. The algorithm was initially trained with full FAF images, and its performance was considered benchmark. Ablation experiments investigated the contribution of imaging features to the performance of the algorithms. Three FAF image reg
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.
BACKGROUND: Translating findings from animal models to human disease is essential for dissecting disease mechanisms, developing and testing precise therapeutic strategies. The coronavirus disease 2019 (COVID-19) pandemic has highlighted this need, particularly for models showing disease severity-dependent immune responses.
METHODS: Single-cell transcriptomics (scRNAseq) is well poised to reveal similarities and differences between species at the molecular and cellular level with unprecedented resolution. However, computational methods enabling detailed matching are still scarce. Here, we prov
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.
This study investigates the effectiveness of data augmentation to improve dementia risk prediction using deep neural networks (DNNs). Previous research has shown that basic blood test data were cost-effective and crucial in predicting cognitive function, as indicated by mini-mental state examination (MMSE) scores. However, creating models that can accommodate various conditions is a significant challenge due to constraints related to blood test and MMSE results, such as high costs, limited sample size, and missing data from specific tests not conducted in certain facilities. Periodontal examin
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.
Detection and measurement of amyloid-beta (Aβ) in the brain is a key factor for early identification and diagnosis of Alzheimer's disease (AD). We aimed to develop a deep learning model to predict Aβ cerebrospinal fluid (CSF) concentration directly from amyloid PET images, independent of tracers, brain reference regions or preselected regions of interest. We used 1870 Aβ PET images and CSF measurements to train and validate a convolutional neural network ("ArcheD"). We evaluated the ArcheD performance in relation to episodic memory and the standardized uptake value ratio (SUVR) of cortical Aβ.
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