BACKGROUND: Pressure injuries (PIs) pose a negative health impact and a substantial economic burden on patients and society. Accurate staging is crucial for treating PIs. Owing to the diversity in the clinical manifestations of PIs and the lack of objective biochemical and pathological examinations, accurate staging of PIs is a major challenge. The deep learning algorithm, which uses convolutional neural networks (CNNs), has demonstrated exceptional classification performance in the intricate domain of skin diseases and wounds and has the potential to improve the staging accuracy of PIs.
OBJE
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2024eng
Alzheimer's disease (AD) is a neurodegenerative disease with insidious onset and progressive development. AD is a health issue that is attracting attention as the world's populations get older. Although there is currently no effective treatment for this disease, early diagnosis is necessary to help people prevent it. Here, we developed an MRI-based deep learning and multi-class AD classification and prediction framework. Based on the traditional Visual Geometry Group 19 (VGG19) architecture, we embedded the Convolutional Block Attention Module Attention layer to build an Alzheimer's directiona
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.
Treatment outcomes for individuals with substance use disorders (SUDs) are variable and more individualized approaches may be needed. Cross-validated, machine-learning methods are well-suited for probing neural mechanisms of treatment outcomes. Our prior work applied one such approach, connectome-based predictive modeling (CPM), to identify dissociable and substance-specific neural networks of cocaine and opioid abstinence. In Study 1, we aimed to replicate and extend prior work by testing the predictive ability of the cocaine network in an independent sample of 43 participants from a trial of
СтатьяПоддержка NIH: внешняя программаПоиск 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, Cataract, and Glaucoma are major retinal diseases that require early detection to prevent irreversible vision loss. This study proposes a deep learning-based framework for the automated classification of retinal images into four categories: Normal, Diabetic Retinopathy, Cataract, and Glaucoma. The dataset was compiled from publicly available retinal imaging databases, including IDRiD and HRF. Four convolutional neural network architectures-EfficientNet-B0, EfficientNet-B7, a build-from-scratch model, and AlexNet-were evaluated using multiple performance metrics. Among the
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.
Here, we demonstrate a correlation between gas chromatography/mass spectrometry (GC-MS) compositional data and quartz crystal microbalance (QCM) sensing data by developing a one-dimensional convolutional neural network (1D-CNN) model via principal component analysis (PCA). The 1D-CNN model was trained to predict the principal component scores derived from GC-MS profiles by using signals of nanostructured-QCM sensors with different surface modifications (ZnO, SnO2, MgO, and TiO2) decorated by atomic layer deposition. When employing ternary mixtures of ethanol, toluene, and dichloromethane with
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: Recent advancements in the field artificial intelligence (AI), particularly in the architecture of convolutional neural network (CNN) architecture, have revolutionized medical imaging by enabling accurate image recognition. However, the application of AI in identifying degenerative musculoskeletal disorders, specifically on plain radiographs, is still poorly explored. The aim of this study is to classify cuff tear arthropathy (CTA) and glenoid erosion using AI on plain shoulder radiographs, using the Hamada and Favard classification systems.
METHODS: We used a publicly available C
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: Accurately determining sex using features like facial bone profiles and teeth is crucial for identifying unknown victims. Lateral cephalometric radiographs effectively depict the lateral cranial structure, aiding the development of computational identification models.
OBJECTIVE: This study develops and evaluates a sex prediction model using cephalometric radiographs with several convolutional neural network (CNN) architectures. The primary goal is to evaluate the model's performance on standardized radiographic data and real-world cranial photographs to simulate forensic applicati
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.
BACKGROUND: To investigate feasibility of a method which combines segmenting convolutional neural networks (CNN) for the automated detection of ganglion cysts in 2D MRI of the wrist. The study serves as proof-of-concept, demonstrating a method to decrease false positives and offering an efficient solution for ganglia detection. METHODS: We retrospectively analyzed 58 MRI studies with wrist ganglia, each including 2D axial, sagittal, and coronal series. Manual segmentations were performed by a radiologist and used to train CNNs for automatic segmentation of each orthogonal series. Predictions w
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.
Comprehensive diagnosis of gastrointestinal parasites is largely reliant on traditional stool microscopy, despite gains in molecular diagnostics. Wet-mount examinations remain a significant challenge for traditional microscopy, digital microscopy, and artifical intelligence (AI). We developed and validated a deep convolutional neural network (CNN) model that provides highly sensitive detection and presumptive classification of enteric parasites. Twenty-seven different parasites were trained on a CNN model using a wide diversity of 4,049 unique parasite-positive specimens (determined by traditi
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.
This study presents a novel deep learning approach addressing the critical shortage of veterinary expertise in India’s North Eastern Hill (NEH) region through automated identification of parasitic infections in livestock. We developed a Convolutional Neural Network (CNN) architecture capable of analyzing both standard and microscopic images to identify and classify 16 distinct parasitic species. The model comprises four convolutional layers (32, 64, 128, 256 filters) with ReLU activation and MaxPooling for efficient feature extraction, followed by Dense layers and a Softmax classifier. The mod
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.
Periodontal disease is a significant global oral health problem. Radiographic staging is critical in determining periodontitis severity and treatment requirements. This study aims to automatically stage periodontal bone loss using a deep learning approach using bite-wing images. A total of 1752 bite-wing images were used for the study. Radiological examinations were classified into 4 groups. Healthy (normal), no bone loss; stage I (mild destruction), bone loss in the coronal third (< 15%); stage II (moderate destruction), bone loss is in the coronal third and from 15 to 33% (15-33%); stage III
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 vibration signal of the spindle motor contains complicated mixed modulation harmonics and background noise when computer numerical control (CNC) machine tools perform machining tasks. Additionally, frequent changes in the running speed of the spindle motor cause significant variations in the signal feature distribution, making fault diagnosis challenging. The adaptive sinusoidal fusion convolutional neural networks (ASFCNN) is proposed to achieve cross-speed spindle motor bearings fault diagnosis. The ASFCNN extracts multi-spatial and variable-scale fault features through the multi-spatial
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.
Temporal lobe epilepsy is associated with MRI findings reflecting underlying mesial temporal sclerosis. Identifying these MRI features is critical for the diagnosis and management of temporal lobe epilepsy. To date, this process relies on visual assessment by highly trained human experts (e.g. neuroradiologists, epileptologists). Artificial intelligence is increasingly recognized as a promising aid in the radiological evaluation of neurological diseases, yet its applications in temporal lobe epilepsy have been limited. Here, we applied a convolutional neural network to assess the classificatio
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.
Stubble burning (SB) is a pervasive practice in Northern India, contributing significantly to winter air pollution, particularly exacerbated by the widespread use of combined harvesters. Despite its illegality, SB continues, releasing harmful pollutants and significantly deteriorating air quality. Recent advancements in computer vision, particularly those utilizing neural networks like YOLO, have significantly improved object detection capabilities. This paper proposes a novel approach to address this pressing issue by developing a cost-effective neural network-based fire and smoke detection m
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 application of artificial intelligence (AI) technologies in the management of oral diseases is rapidly increasing, encompassing etiopathogenesis, disease course, diagnosis, treatment plans, and postoperative care. AI demonstrates exceptional performance in enhancing diagnostic accuracy and supporting clinical decision-making. This review provides a comprehensive overview of AI in dentistry, elucidating the neural network architectures and major implementation methods of AI. It focuses on specific application scenarios of AI-based models and evaluates their performance, and additionally hig
СтатьяОбзорПолный 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.
Platelets are small, anucleate cells with a primary physiological role in vascular damage repair (hemostasis) and initiation of thrombus formation in response to vascular injury. Platelets circulate approximately 7-10 days, slowly undergoing age-related changes in molecular composition, morphology, activation capacity, function, and surface receptor density. As older platelets are associated with poor clinical outcome, no in vitro tests are available to predict platelet age, or to determine the fitness of platelet transfusion products. In this study, we developed a convolutional neural network
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.
In autonomous driving and intelligent robotics, the semantic information of LiDAR (Light Detection and Ranging) sensor data is crucial for understanding the surrounding environment. However, directly operating on point clouds is computationally expensive. To address this, some researchers have projected three-dimensional LiDAR data onto a two-dimensional spherical range view and used two-dimensional convolutional neural networks to segment the projected images. While the results are promising, many of these models are structurally complex, with high spatiotemporal complexity, which makes them
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.
Common frameworks in molecular bioengineering and synthetic biology focus on orthogonality, viewing weak or non-specific interactions as problems to avoid. This constrains the usable sequence space, limits scalability, and neglects scenarios where synthetic systems must operate within natural backgrounds of high sequence diversity. Harnessing the full space is difficult because models are lacking that can accurately and quickly predict non-orthogonal interactions and be validated against ground truth data. Here we develop BINND - Binding and Interaction Neural Network for DNA - using DNA-DNA i
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.
Continuous depth-of-interaction (cDOI) detectors enable single-ended readout in positron emission tomography (PET) by encoding the interaction depth into the scintillation light distribution. This study presents a comprehensive performance optimization of a cDOI detector based on light distribution tailoring with crossed triangular-shaped reflectors by analyzing the effects of optical geometry based on various DOI decoding algorithms. Two parameters were systematically varied: the degree of light confinement through (1) optical segmentation and (2) crystal pitch adjustment. Five DOI decoding s
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.
While the segmentation of anatomical structures and pathological regions is indispensable for reliable disease assessment, contemporary algorithms often fail to achieve sharp demarcation. This deficiency stems from the high degree of morphological heterogeneity across different cases, which results in obscured contours and compromised segmentation accuracy. To address this gap, we propose a dual-branch attention network (D3T-Net) that combines deep split convolution and multi-dimensional Transformer. This network introduces parallel CNN branches and Transformer branches in the encoder and deco
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.
MedElevator
Войти в исследования