PURPOSE: Contrast-enhanced mammography (CEM) is a technique that exploits the combination of two projections at different energies to produce an energy-subtracted (ES) image to highlight the uptake of iodinated contrast medium in breast lesions. The aim of this study is to analyze and compare the performance of different CEM systems.
METHODS: Four mammography systems of different vendors (Fujifilm Amulet Innovality, Hologic 3Dimensions, IMS Giotto Class, GE Senographe Pristina) were compared employing a commercial dedicated phantom, equipped with a breast-equivalent target slab with four diff
СтатьяСравнительное 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.
Lung cancer is one of the most common life-threatening worldwide cancers affecting both the male and the female populations. The appearance of nodules in the scan image is an early indication of the development of cancer cells in the lung. The Low Dose Computed Tomography screening technique is used for the early detection of cancer nodules. Therefore, with more Computed Tomography (CT) lung profiles, an automated lung nodule analysis system can be utilized through image processing techniques and neural network algorithms. A CT image of the lung consists of many elements such as blood vessels,
СтатьяСистематический 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.
Detailed description of the flow field in human airways is highly important to better understand human breathing and provide a patient's customized diagnosis. An integrated numerical simulation platform is presently proposed in order to incorporate medical images into a numerical software to calculate flow field and to analyze it in terms of fluid dynamics. The platform was set up to compute steady inspiratory airflow in realistic human airways reconstructed from tomodensitometric medical images at resting breathing conditions. This morpho-functional simulation platform has been tested retrosp
Сравнительное 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.
Precise segmentation and anatomical identification of the vertebrae provides the basis for automatic analysis of the spine, such as detection of vertebral compression fractures or other abnormalities. Most dedicated spine CT and MR scans as well as scans of the chest, abdomen or neck cover only part of the spine. Segmentation and identification should therefore not rely on the visibility of certain vertebrae or a certain number of vertebrae. We propose an iterative instance segmentation approach that uses a fully convolutional neural network to segment and label vertebrae one after the other,
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 medical image segmentation is essential for diagnosis, surgical planning and many other applications. Convolutional Neural Networks (CNNs) have become the state-of-the-art automatic segmentation methods. However, fully automatic results may still need to be refined to become accurate and robust enough for clinical use. We propose a deep learning-based interactive segmentation method to improve the results obtained by an automatic CNN and to reduce user interactions during refinement for higher accuracy. We use one CNN to obtain an initial automatic segmentation, on which user interact
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.
Knowledge of the anatomy of the cranial nerves is mandatory for optimal radiological exploration and interpretation of the images in normal and pathological conditions. CT is the method of choice for the study of the skull base and its foramina. MRI explores the cranial nerves and their vascular relationships precisely. Because of their small size, it is essential to obtain images with high spatial resolution. The MRI sequences optimize contrast between nerves and surrounding structures (cerebrospinal fluid, fat, bone structures and vessels). This chapter discusses the radiological anatomy of
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.
Computer-aided diagnosis provides a medical procedure that assists physicians in interpretation of medical images. This work focuses on computer-aided tongue image analysis specifically, based on Traditional Chinese Medicine (TCM). Tongue diagnosis is an important component of TCM. Computerized tongue diagnosis can aid medical practitioners in capturing quantitative features to improve reliability and consistency of diagnosis. Recently, researchers have started to develop computer-aided tongue analysis algorithms based on new advancement in digital photogrammetry, image analysis, and pattern r
СтатьяПоддержка исследования: вне правительства СШАОбзорПоиск 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.
We investigate the improvement from the use of high-Z CdTe sensors for pre-clinical K-edge imaging with the hybrid pixel detectors XPAD3. We compare XPAD3 chips bump bonded to Si or CdTe sensors in identical experimental conditions. Image performance for narrow energy bin acquisitions and contrast-to-noise ratios of K-edge images are presented and compared. CdTe sensors achieve signal-to-noise ratios at least three times higher than Si sensors within narrow energy bins, thanks to their much higher detection efficiency. Nevertheless Si sensors provide better contrast-to-noise ratios in K-edge i
Сравнительное исследованиеСтатьяПоддержка 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.
RATIONALE AND OBJECTIVES: To compare quality of ultra-low-dose thin-section computed tomography (CT) images of the lung reconstructed using model-based iterative reconstruction (MBIR) and adaptive statistical iterative reconstruction (ASIR) to filtered back projection (FBP) and to determine the minimum tube current-time product on MBIR images by comparing to standard-dose FBP images.
MATERIALS AND METHODS: Ten cadaveric lungs were scanned using 120 kVp and four different tube current-time products (8, 16, 32, and 80 mAs). Thin-section images were reconstructed using MBIR, three ASIR blends (3
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.
PURPOSE: Widening the availability of fetal MRI with fully automatic real-time planning of radiological brain planes on 0.55T MRI.
METHODS: Deep learning-based detection of key brain landmarks on a whole-uterus echo planar imaging scan enables the subsequent fully automatic planning of the radiological single-shot Turbo Spin Echo acquisitions. The landmark detection pipeline was trained on over 120 datasets from varying field strength, echo times, and resolutions and quantitatively evaluated. The entire automatic planning solution was tested prospectively in nine fetal subjects between 20 and
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.
PURPOSE: Under-sampled scans with iterative reconstruction and high-frequency preserving transform (Us-IRHF) can increase the acquisition speed without degrading the image quality by recovering image information from under-sampled data. We investigate the clinical applicability of high spatial resolution magnetic resonance cholangiopancreatography (MRCP) images without extending the scanning time using Us-IRHF.
METHODS: A slit phantom was scanned with conventional- (without Us-IRHF), Us-IR- (without HF), and Us-IRHF scanning. The matrix size was 320 × 320 for Us-IR- and Us-IRHF- and 288 × 208
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.
Skin cancer diagnosis relies on visual interpretation of lesion morphology, yet most deep learning models function as black boxes with limited clinical interpretability. This study presents an explainable diagnostic framework that integrates a fine-tuned Xception network with a Convolutional Block Attention Module (CBAM) for skin lesion classification and a domain-adapted vision-language model (VLM) for generating clinically meaningful explanations. The classifier was trained on a preprocessed and augmented HAM10000 dataset, while Grad-CAM++ was employed to highlight discriminative lesion regi
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.
Prostate cancer is one of the most common cancers in men, and accurate pathology evaluation is crucial for risk stratification and treatment planning. Traditional approaches, such as Gleason grading, are limited by interobserver variability and restricted access to expert consultation and molecular testing worldwide. Advances in digital pathology and artificial intelligence (AI) present opportunities to overcome these challenges. Whole slide imaging (WSI) forms the foundation for AI research, enabling remote review, large-scale data sharing, and the development of automated tools for tumor det
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.
Gallbladder diseases present a significant clinical challenge due to their diverse manifestations and the difficulty of accurate interpretation in ultrasound imaging. Manual assessment of gallbladder ultrasound images is time consuming, operator dependent and may delay clinical decision making, motivating the development of automated diagnosis approaches. In this study, we propose a customized capsule network architecture, termed GBCapsNet, for multi-class disease classification using ultrasound images. The model incorporates a modified routing mechanism designed to improve feature representat
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.
Quantitative ultrasound (QUS) analysis of placental tissue holds significant promise for evaluating pregnancy health and detecting placental pathologies. However, widespread clinical adoption of QUS is limited by the need for manual selection of a proper region of interest (ROI) for the calculation, which increases the analysis time and introduces operator variability. This study presents an automated ROI determination method that uses deep learning segmentation directly on minimally processed raw radio frequency (RF) data (along with corresponding B-mode data for comparison) to replace manual
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: The Detection and localization of breast lesions remain challenging in mammography and digital breast tomosynthesis (DBT) due to tissue overlap and information loss during volumetric reconstruction. Sinograms preserve the full angular projection data acquired during scanning, enabling analysis of tissue structure without reconstruction. Methods: This study proposes a direct segmentation approach for mammography and DBT sinograms using a U-Net architecture. Experiments were conducted on 1082 annotated mammography mass images from the CBIS-DDSM dataset (521 benign, 561 malignant) and
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.
Diabetic Retinopathy (DR) affects millions of people worldwide, but screening at population-scale is still limited by the lack of specialists and the clinical inefficiency of existing deep learning systems, which either perform binary referral or severity grading but not both within a single unified routed architecture. We present a shared EfficientNet-B4 backbone with two independently activatable heads: a binary screener (Head 1) and a joint five-class DR severity and three-class Diabetic Macular Edema (DME) risk grader (Head 2), trained by way of a five-stage progressive curriculum which pr
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.
PURPOSE: The increasing incidence of lower gastrointestinal neuroendocrine tumors (NETs) necessitates improved methods for early and accurate detection. Automatic segmentation of NETs in endoscopic ultrasound (EUS) images is particularly challenging due to low image contrast and indistinct tumor boundaries. This study proposes and validates GismEUS, a geometry-aware deep learning model for automated NET segmentation in EUS images.
METHODS: We propose GismEUS, a deep learning architecture that integrates dual features. The model employs Endoscopic Planar Geometric Feature Projection to capture
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 goal of segmentation in abdominal imaging for emergency medicine is to accurately identify and delineate organs, as well as to detect and localize pathological areas. This precision is critical for rapid, informed decision-making in acute care scenarios. Vision foundation models, such as Segment Anything Model (SAM), have demonstrated remarkable results on many different segmentation tasks, but they perform poorly on medical images because of the scarcity of medical datasets. They lack robust generalizability across diverse medical imaging modalities, and they need to be fine-tuned specifi
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 AND OBJECTIVE: Solid pancreatic lesions (SPLs) represent one of the most lethal forms of gastrointestinal malignancies, and Rapid on-site evaluation (ROSE) serves as an important component of intraoperative diagnosis. However, efficient and accurate ROSE slide interpretation remains challenging due to the gigapixel scale of whole-slide images, sparse distribution of diagnostically relevant regions, and the need for real-time feedback.
METHODS: To address challenges, we propose a novel two-stage framework for fast and precise ROSE WSI classification, following the clinical diagnosti
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