In this study, we introduce "instance loss functions", a new family of loss functions designed to enhance the training of neural networks in the instance-level segmentation and detection of objects in biomedical image data, particularly those of varied numbers and sizes. Intended to be utilized conjointly with traditional loss functions, these proposed functions, prioritize object instances over pixel-by-pixel comparisons. The specific functions, the instance segmentation loss (Linstance), the instance center loss (Lcenter), the false instance rate loss (Lfalse), and the instance proximity los
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.
Major Depressive Disorder (MDD) is a debilitating, complex mental condition with unclear mechanisms hindering diagnostic progress. Research links MDD to abnormal brain connectivity using functional magnetic resonance imaging (fMRI). Yet, existing fMRI-based MDD models suffer from limitations, including neglecting dynamic network traits, lacking interpretability, and struggling with small datasets. We present DSFGNN, a novel graph neural network framework addressing these issues for improved MDD diagnosis. DSFGNN employs a graph isomorphism encoder to model static and dynamic brain networks, ac
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.
In the paper, we propose a new deep learning-based method for segmenting nasopharyngeal carcinoma (NPC) in the nasopharynx from three orthogonal CT images. The proposed method introduces a cascade strategy composed of two-phase manners. In CT images, there are organs, called non-target organs, which NPC never invades. Therefore, the first phase is to detect and eliminate non-target organ regions from the CT images. In the second phase, NPC is extracted from the remained regions in the CT images. Convolutional neural networks (CNNs) are applied to detect non-target organs and NPCs. The proposed
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.
Double-outlet right ventricle is a complex congenital heart disease that encompasses various common and rare subtypes. Surgical management of these patients needs to be individualized owing to extremely variable morphology and hemodynamics. Imaging plays a crucial role in determination and characterization of outflow tract morphology. The assessment of ventricular septal defect routability with identification of associated anomalies has therapeutic implications in these patients. Multislice computed tomography with advanced 3-dimensional postprocessing techniques and dose-reduction strategies
СтатьяОбзорПолный 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: Fetal MRI can be performed in the second and third trimesters. During this time, the fetal brain undergoes profound structural changes. Interpretation of appropriate development might require comparison with normal age-based models. Consultation of a hard-copy atlas is limited by the inability to compare multiple ages simultaneously.
OBJECTIVE: To provide images of normal fetal brains from weeks 18 through 37 in a digital format that can be reviewed interactively. This will facilitate recognition of abnormal brain development.
MATERIALS AND METHODS: T2-W images for the atlas were
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.
Computer-assisted medical imaging technologies provide new tools for the study of congenital craniofacial deformities. Three-dimensional surface reconstructions have been developed to simplify the interpretation and improve the utility of CT scans of the head. While 3-D reconstructions initially were applied to assist clinical management of craniofacial deformities, these images now are finding utility in the study of unique anomalies, the definition of group characteristics for dysmorphic heads, the differentiation of similar phenotypes, and the documentation of the effects of cranial surgery
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.
Semi-supervised learning (SSL) has achieved notable progress in medical image segmentation. To achieve effective SSL, a model needs to be able to efficiently learn from limited labeled data and effectively exploit knowledge from abundant unlabeled data. Recent developments in visual foundation models, such as the Segment Anything Model (SAM), have demonstrated remarkable adaptability with improved sample efficiency. To seamlessly harness foundation models in SSL, we propose a SAM-driven cross prompting framework with adaptive sampling and prompt consistency for semi-supervised medical image se
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.
This study investigates the identification of Benign Prostatic Hyperplasia (BPH) through a deep learning-based analysis of RGB prostate histopathological images. Adaptive Contrast Limited Adaptive Histogram Equalization (CLAHE) is selectively applied to the L-channel in the LAB color space to enhance tissue visibility while preserving chromatic fidelity. At the architectural level, Convolutional Neural Networks (CNNs) are integrated with Bidirectional Long Short-Term Memory (BiLSTM) layers, enhanced further through spatial and temporal attention mechanisms. This hybrid design facilitates both
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.
The prevalence of retinal disorders is rising at an alarming rate, posing a significant risk of irreversible blindness without timely intervention. Recent advancements in artificial intelligence (AI) have enabled the development of automated screening systems for retinal image analysis. However, building robust models presents challenges due to inconsistencies in image acquisition, varying resolutions, and imbalanced class distributions. To address these issues, this research introduces a novel abnormality-aware attentive feature selection approach for classifying retinal images into three cat
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: Fully automated diagnostic echocardiography allows for broader screening, earlier diagnosis for patients with mitral regurgitation (MR). This feasibility study developed a deep learning (DL) framework to automatically detect MR in echocardiography videos and classify regurgitation samples into central or eccentric regurgitation.
METHODS: We designed a Transformer-based deep learning model for fully automatic Doppler video detection of MR. This framework can automatically detect MR and classify central or eccentric regurgitation. The algorithm was trained, validated, and tested usi
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.
Purpose: Breast cancer can be cured if diagnosed early, with digital mammography which is one of the most effective imaging modalities for early detection. However mammogram images often come with low contrast, high background noises and artifacts, making diagnosis difficult. The purpose of this research is to preprocess mammogram images to improve results with a computer aided diagnosis system. The focus is on three preprocessing methods: a breast border segmentation method; a contrast enhancement method; and a pectoral muscle removal method. Methods: The proposed breast border extraction met
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.
Although opening-wedge high tibial osteotomy (HTO) is used to correct deformities, it can simultaneously alter tibial slope in the sagittal plane because of the triangular configuration of the proximal tibia, and this undesired change in tibial slope can influence knee kinematics, stability, and joint contact pressure. Therefore, medial opening-wedge HTO is a technically demanding procedure despite the use of 2-dimensional (2-D) navigation. The authors evaluated the posterior tibial slope pre- and postoperatively in patients who underwent navigation-assisted opening-wedge HTO and compared post
Сравнительное исследованиеСтатьяРандомизированное исследованиеПоддержка 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.
OBJECTIVES: Glaucoma is a major cause of blindness. More than 80,000 Americans suffer permanent vision loss from the disease. Widespread screening is fundamental in limiting the incidence of glaucoma-associated blindness. This pilot study explored the use of stereo digital images taken at a primary care center for telemedicine review by an off-site specialist as a means of screening for glaucoma.
MATERIALS AND METHODS: Thirty-two diabetic patients were screened at a family medicine clinic. None had previously been diagnosed with glaucoma. A senior optometry student took stereoscopic digital a
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.
Accurate classification of pancreatic lesions is critical for guiding treatment decisions, with computed tomography (CT) being the primary modality owing to its high spatial resolution. Although deep learning has advanced CT-based pancreatic lesion classification, its inherently low soft-tissue contrast complicates the diagnosis of challenging samples, such as small or isoattenuating lesions. Multi-modal learning is a promising alternative but is often clinically impractical, as it requires all modalities during inference and fails to fully leverage the clinically relevant complementary inform
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.
Diffuse gliomas are malignant brain tumors that grow widespread through the brain. The complex interactions between neoplastic cells and normal tissue, as well as the treatment-induced changes often encountered, make glioma tumor growth modeling challenging. In this paper, we present a novel end-to-end network capable of future predictions of tumor masks and multi-parametric magnetic resonance images (MRI) of how the tumor will look at any future time points for different treatment plans. Our approach is based on cutting-edge diffusion probabilistic models and deep-segmentation neural networks
СтатьяПоддержка исследования: вне правительства СШАПолный 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.
Deep learning methods have been migrated to rectal cancer staging as a classification process based on magnetic resonance images (MRIs). Typical approaches suffer from the imperceptible variation of images from different stage. The data augmentation also introduces scale invariance and rotation consistency problems after converting MRIs to 2D visible images. Moreover, the correctly labeled images are inadequate since T-staging requires pathological examination for confirmation. It is difficult for classification model to characterize the distinguishable features with limited labeled data. In t
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.
Three-dimensional (3D) spinal ultrasound imaging has demonstrated its promising potential in measuring spinal deformity through recent studies, and it is more suitable for massive early screening and longitudinal follow-up of adolescent idiopathic scoliosis (AIS) compared with X-ray imaging due to its radiation-free superiority. Moreover, some deformities with low observability, such as vertebral rotation, in X-ray images can also be reflected by critical landmarks in 3D ultrasound data. In this paper, we propose a localization network (LLNet) to extract lamina in 3D ultrasound data, which has
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.
Lung torsion is the abnormal rotation of a lobe or lung around its bronchovascular pedicle. It most commonly occurs in the setting of pulmonary resection, though it has also been described after large-volume thoracentesis and video-assisted thoracic surgery, as well as spontaneously. Resulting ischemia can lead to infarction, making this an emergent diagnosis. As findings are often nonspecific, a high index of suspicion is required, especially in the postsurgical setting. 2D CT angiography findings are subtle and include direct signs of pedicle rotation on CT as well as indirect findings inclu
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 AND PURPOSE: Deep learning is a branch of artificial intelligence that has demonstrated unprecedented performance in many medical imaging applications. Our purpose was to develop a deep learning angiography method to generate 3D cerebral angiograms from a single contrast-enhanced C-arm conebeam CT acquisition in order to reduce image artifacts and radiation dose.
MATERIALS AND METHODS: A set of 105 3D rotational angiography examinations were randomly selected from an internal data base. All were acquired using a clinical system in conjunction with a standard injection protocol. Mor
СтатьяПоддержка NIH: внешняя программаПоиск 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 automated detection of tumors using medical imaging data has garnered significant attention over the past decade due to the critical need for early and accurate diagnoses. This interest is fueled by advancements in computationally efficient modeling techniques and enhanced data storage capabilities. However, methodologies that account for the uncertainty of predictions remain relatively uncommon in medical imaging. Uncertainty quantification (UQ) is important as it helps decision-makers gauge their confidence in predictions and consider variability in the model inputs. Numerous determinist
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.
MedElevator
Войти в исследования