BACKGROUND: Accurate dose-volume histogram (DVH) prediction is essential for high-quality and automated radiotherapy (RT) planning. However, existing deep learning methods primarily focus on voxel-level dose prediction followed by post-processing to extract DVHs, a workflow that can introduce cumulative errors and limit clinical interpretability.
PURPOSE: In this study, we propose a novel deep learning framework that directly predicts full DVHs for multiple organs-at-risk (OARs) from computed tomography (CT) and structure contours.
METHODS: Our method combines a three-dimensional convolution
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.
INTRODUCTION: Accurate and timely identification of microorganisms is critical for guiding clinical decision-making, ensuring biosafety, and supporting microbiological research. Standard morphological assessments often require significant manual effort and specialized expertise, underscoring the need for automated, high-throughput diagnostic tools. This study presents an automated species-level bacterial classification pipeline that couples deep learning analysis of Gram-stained microscopy images with a clinical decision-support framework fueled by a curated microbiological metadata repository
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2024eng
This study explores the feasibility of employing eXplainable Artificial Intelligence (XAI) methodologies for the analysis of cough patterns in respiratory diseases. A cohort of 20 adult patients, all presenting persistent cough as a symptom of respiratory disease, was monitored for 24 hours using a smartphone. The audio signals underwent frequency domain transformation to yield 1-second spectrograms, subsequently processed by a CNN to detect cough events. Quantitative analysis of spectrogram regions relevant for cough detection highlighted by occlusion maps, revealed significant differences be
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.
We have developed a neural network based alarm system that identifies 19 specific faults in the anesthesia breathing circuit, such as "Inspiratory Hose Leak," or "Y-Piece Disconnection." CO2, pressure, and expired flow waveforms, along with ventilator settings, were sampled by a personal computer. Fifty-two features, such as "maximum CO2" or "minimum pressure", were extracted from each breath, converted to "differential" features, normalized, and used as the inputs of a three layered feed-forward neural network. The network was trained, using backward error propagation with momentum, to classi
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.
OBJECTIVES: The aim of this study is to develop a computer-aided diagnosis method to assist physicians in evaluating sacroiliac radiographs.
METHODS: Convolutional neural networks, a deep learning method, were used in this retrospective study. Transfer learning was implemented with pre-trained VGG-16, ResNet-101 and Inception-v3 networks. Normal pelvic radiographs (n = 290) and pelvic radiographs with sacroiliitis (n = 295) were used for the training of networks.
RESULTS: The training results were evaluated with the criteria of accuracy, sensitivity, specificity and precision calculated from
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 human eye is a vital sensory organ that is crucial for visual perception. The retina is the main component of the eye and is responsible for visual signals. Due to its characteristics, the retina can reveal the occurrence of ocular diseases. So, early detection and automated diagnosis of retinal disease are crucial for preventing both temporary and permanent blindness. In the proposed work, a comprehensive framework is introduced, meticulously designed to leverage the synergic strengths of EfficientNet-B4 and Vision Transformers for attention-driven sophisticated analysis, offering a promi
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 classification and diagnosis of pancreatic tumors present significant challenges due to their inherent complexity and variability. Traditional methods often struggle to capture the dynamic nature of these tumors, highlighting the need for advanced techniques that improve precision and robustness. This study introduces a novel approach that combines temporal-spatial mid-level features (CTSF) with bald eagle search (BES) optimized transformer networks to enhance pancreatic tumor classification. By leveraging temporal-spatial features that encompass both spatial structure and temporal evoluti
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.
Automated medical image segmentation plays a crucial role in assisting doctors in diagnosing diseases. Feature decoding is a critical yet challenging issue for medical image segmentation. To address this issue, this work proposes a novel feature decoding network, called multi-scale group agent attention-based graph convolutional decoding networks (MSGAA-GCDN), to learn local-global features in graph structures for 2D medical image segmentation. The proposed MSGAA-GCDN combines graph convolutional network (GCN) and a lightweight multi-scale group agent attention (MSGAA) mechanism to represent f
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.
Analysis of testis histology is fundamental to the study of male fertility, but it is a slow task with a high skill threshold. Here, we describe new neural network models for the automated classification of cell types and tubule stages from whole-slide brightfield images of mouse testis. The cell type classifier recognizes 14 cell types, including multiple steps of meiosis I prophase, with an external validation accuracy of 96%. The tubule stage classifier distinguishes all 12 canonical tubule stages with external validation accuracy of 63%, which increases to 96% when allowing for ±1 stage to
СтатьяПоддержка исследования: вне правительства СШАПоддержка 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.
Behavioral decision-making for mobile robots in unknown environments is a key research topic in the field of robotics applications. To address issues such as low computational efficiency in high-dimensional spaces and diminished long-term learning capability, this paper proposes an improved method that integrates deep neural network, a neural remodeling mechanism, and an adaptive step-size strategy. First, the motivated developmental network is fused with the target network of the Deep Q-Network through weighted integration, enhancing the reliability of Q-value estimation and improving trainin
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.
MOTIVATION: Biomedical knowledge graphs (KGs) are crucial for drug discovery and disease understanding, yet their completion and reasoning are challenging. Knowledge embedding (KE) methods capture global semantics but struggle with dynamic structural integration, while graph neural networks (GNNs) excel locally but often lack semantic understanding. Even ensemble approaches, including those leveraging language models, often fail to achieve a deep, adaptive, and synergistic co-evolution between semantic comprehension and structural learning. Addressing this critical gap in fostering continuous,
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.
Effective visual representation is crucial for image captioning task. Among the existing methods, the grid-based visual encoding methods take fragmented features extracted from the entire image as input, lacking the fine-grained semantic information focused on salient objects. To address this issue, we propose an effective method, namely Multi-Level Semantic-Aware Transformer (MLSAT) for image captioning, to simultaneously focus on contextual details and high-level semantic information centered on salient objects. First, to model the spatial correlations of grids and the semantic interactions
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.
Multi-modal Image Fusion (MMIF) enhances visual tasks by combining the strengths of different image modalities to improve object visibility and texture details. However, existing methods face two major challenges: First, a lack of intrinsic frequency-domain awareness, relying heavily on complex filters and fusion techniques that can be less adaptive. Second, simplistic channel combination that overlooks essential complex inter-channel relationships. To address these issues, we propose QWNet, a novel Quaternion Wavelet Network that harnesses both spatial and frequency information to enhance the
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.
In cardiovascular research, electromagnetic fields generated by Riga plates are utilized to study or manipulate blood flow dynamics, which is particularly crucial in developing treatments for conditions such as arterial plaque deposition and understanding blood behavior under varied flow conditions. This research predicts the flow patterns of blood enhanced with gold and maghemite nanoparticles (gold-maghemite/blood) in an electromagnetic microchannel influenced by Riga plates with a temperature gradient that decays exponentially, under sudden changes in pressure gradient. The flow modeling 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.
Steel surface defect detection is an important application of object detection in industry. Achieving object detection in industry while balancing detection accuracy and real-time performance is a challenge. Therefore, this paper proposes an improved FasterNet-YOLO model based on the one-stage detector. Introduce the FasterNet network to reconstruct the YOLOv5 backbone network. Achievement of model lightweighting and significant improvement in detection speed, but with a slight reduction in accuracy. The YOLOv5 neck network's ordinary convolution is improved by depthwise separable convolution.
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.
Currently, colonoscopy stands as the most efficient approach for detecting colorectal polyps. In clinical diagnosis, colorectal cancer is closely related to colorectal polyps. Therefore, precise segmentation of polyps holds paramount importance for the early detection and clinical diagnosis of colorectal cancer. Among conventional segmentation methods, multi-layer feature extraction is prone to ignore shallow features, while the segmentation of diminutive polyps perpetually depends on shallow features. Meanwhile, some polyps are frequently hide confusingly in the background due to their own ch
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.
Parkinson's disease (PD) remains a condition without a cure, though its early manifestations can be managed effectively by medical professionals. This underscores the significance of early detection of PD. It has been widely demonstrated that handwriting analysis is a promising avenue for early PD diagnosis. In recent research, there has been a pivot towards leveraging artificial intelligence (AI) technologies for analyzing handwriting images to aid in diagnosing the disease. This study introduces an innovative network architecture specifically designed to capture the nuances of tremor and irr
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 analysis of heart sound signals is critical in the early diagnosis of cardiovascular disease. However, the complexity and diversity of these signals pose significant challenges for accurate recognition. In this paper, we propose a novel heart sound dual-branch feature extraction network (HSDFE-Net) to address these challenges. The model first extracts both conventional audio features and bi-spectrum features from preprocessed heart sound signals, enabling comprehensive characterization of their linear spectral and nonlinear properties. Unlike conventional single-branch networks, HSDFE-Net
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.
Convolutional neural networks (CNNs) classify inverted eyelid images related to active trachoma. However, using these complex networks in medical service centers faces challenges due to computational resource constraints. To overcome this challenge, we propose a quantified feature map-based filter pruning framework (FSIM-SVD) that relies on feature similarity and feature map contributions. Based on these insights, our approach involves quantifying redundant feature maps using feature similarity (FSIM) and assessing the contribution of each feature map through singular value decomposition (SVD)
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.
Full-length radiographs contain information from which many anatomical parameters of the pelvis, femur, and tibia may be derived, but only a few anatomical parameters are used for musculoskeletal modeling. This study aimed to develop a fully automatic algorithm to extract anatomical parameters from full-length radiograph to generate a musculoskeletal model that is more accurate than linear scaled one. A U-Net convolutional neural network was trained to segment the pelvis, femur, and tibia from the full-length radiograph. Eight anatomic parameters (six for length and width, two for angles) were
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.
MedElevator
Войти в исследования