Federated learning (FL) is confronted with a fundamental trilemma: simultaneously achieving communication efficiency, personalized adaptation, and privacy protection. Current approaches typically optimize one objective at the expense of the others, failing to provide a unified solution. To address this challenge, we propose Federated Basis Decomposition (FedBD), a unified framework that leverages layer-wise basis decomposition to achieve balanced optimization across all three dimensions. The key innovation lies in reformulating the learning process as a subspace optimization problem: each netw
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 microbiome operates as a complex, interconnected ecosystem where microbial interactions dictate community stability, host health, and disease progression. Understanding these dynamics requires moving beyond simple taxonomic catalogs to systems-level network analyses. This chapter reviews network methodologies in microbiome research, progressing from traditional correlation-based approaches to advanced artificial intelligence techniques. We systematically cover co-occurrence, protein-protein interaction, metabolic, multi-omics integrated, and evolutionary transmission networks. Comput
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.
MOTIVATION: MicroRNAs (miRNAs) are key post-transcriptional regulators involved in diverse biological processes, and their dysregulation is closely associated with the onset and progression of many diseases. Accurate prediction of miRNA-disease association types is therefore essential for understanding disease mechanisms and advancing precision medicine. Although computational methods provide efficient alternatives to wet-lab experiments, existing approaches often focus on binary association prediction, inadequately integrate local semantic dependencies and global topological structures, and 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.
Parkinson's disease (PD) presents significant challenges due to its intricate symptoms and often delayed diagnosis. Therefore, early detection is vital for effective management and slowing the disease progression. Recently, machine learning based methods show high performance in this purpose. This research introduces a new machine learning approach that combines Residual-Shuffle Network (ResNet) with an advanced metaheuristic, the Improved Dandelion Optimizer (IDO) by integrating adaptive parameter control and enhanced exploration-exploitation balance, to provide an accessible and precise solu
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.
Visual speech recognition is a technology that relies on visual information, offering unique advantages in noisy environments or when communicating with individuals with speech impairments. However, this technology still faces challenges, such as limited generalization ability due to different speech habits, high recognition error rates caused by confusable phonemes, and difficulties adapting to complex lighting conditions and facial occlusions. This paper proposes a lip reading data augmentation method-Partition-Time Masking (PTM)-to address these challenges and improve lip reading models' pe
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.
Both brain functional connectivity (FC) and structural connectivity (SC) provide distinct neural mechanisms for cognition and neurological disease. In addition, interactions between SC and FC within distributed association regions are related to alterations in cognition or neurological diseases, considering the inherent linkage between neural function and structure. However, there is a scarcity of existing learning-based methods that leverage both modality-specific characteristics and high-order interactions between the two modalities for regression or classification. Hence, this study propose
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.
Accurate cancer survival prediction plays a crucial role in assisting clinicians in formulating treatment plans. Multimodal data, such as histopathological images, genomic data, and clinical information, provide complementary and comprehensive information, significantly enhancing the accuracy of this task. However, existing methods, despite achieving some promising results, still exhibit two significant limitations: they fail to effectively utilize global context and overlook the uncertainty of different modalities, which may lead to unreliable predictions. In this study, we propose a multimod
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.
Biological neural systems seamlessly integrate perception and action, a feat not efficiently replicated in current physically separated designs of neural-imitating electronics. This segregation hinders coordination and functionality within the neuromorphic system. Here, we present a flexible device tailored for neuromorphic computation and muscle actuation. Each individual device component emulates essential synaptic functions for neural computing, while the collective ensemble replicates muscle actuation in response to efferent neuromuscular commands. These properties stem from densely-packed
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.
Lipreading, the task of recognizing speech based on visual cues from lip movements, typically requires a substantial amount of labeled training data to achieve optimal performance. However, this task is highly sensitive to variations among speakers, often resulting in significantly degraded recognition accuracy for unseen speakers. In this work, we introduce a novel framework, multi-scale masked temporal fusion with Dirichlet uncertainty estimation (MsDUNE), designed to mitigate the feature distribution disparities across different speakers. The proposed framework leverages a Dirichlet distrib
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 and Objectives: This scoping review aimed to identify and synthesize current evidence on the clinical applications of artificial intelligence (AI) in periodontology, focusing on its potential to improve diagnosis, treatment planning, and patient care. Materials and Methods: A comprehensive literature search was conducted using electronic databases including PubMed-MEDLINE, Cochrane Central Register of Controlled Trials, Cochrane Database of Systematic Reviews, Scopus, and Web of Science™ Core Collection. Studies were included if they met predefined PICO criteria relating to AI appli
СтатьяScoping ReviewПоиск 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.
Alzheimer's Disease (AD) is a serious neurological illness that causes memory loss gradually by destroying brain cells. This deadly brain illness primarily strikes the elderly, impairing their cognitive and bodily abilities until brain shrinkage occurs. Modern techniques are required for an accurate diagnosis of AD. Machine learning has gained attraction in the medical field as a means of determining a person's risk of developing AD in its early stages. One of the most advanced soft computing neural network-based Deep Learning (DL) methodologies has garnered significant interest among research
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.
Objective.To develop an online quality control (QC) system for accurate assessment of dwell position and dwell time in high-dose-rate (HDR) brachytherapy, and to investigate the potential of neural networks so as to improve the robustness and stability of the proposed system.Approach.An integrated framework was constructed using a Basler high-speed camera (144 fps, 1920 × 1200 pixels), custom illumination, and dedicated software. Experiments were conducted with a GammaMedPlus iX afterloader equipped with a stepping192Irsource, testing various step sizes (0.2 cm, 0.5 cm, 1.0 cm) and dwell times
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.
Digital Eye Strain is an emerging occupational health concern with significant implications for digital well-being. To address the need for scalable and objective monitoring, EyeStrainNet is proposed. It is a multimodal and explainable health informatics framework that integrates thermal imaging and behavioral metrics for the non-invasive detection of Digital Eye Strain. Thermal images were captured pre- and post-screen exposure using a FLIR Edge Pro camera, and ocular temperature features were extracted from the inner and outer canthus and central cornea. Behavioral data, such as screen expos
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.
Multi-modal analysis can provide complementary information and significantly aid in the early diagnosis and intervention of Alzheimer's Disease (AD). However, the issue of missing modalities presents a major challenge, as most methods that rely on complete multi-modal data become infeasible. The most advanced approaches to addressing missing modalities typically use generative models, but these often neglect the importance of modality-specific features, leading to biased predictions and poor performance. Inspired by this limitation, we propose a Modality Disentanglement and Specific Features D
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: Alzheimer's disease (AD) is a neurodegenerative disorder characterized by memory loss and cognitive decline. While graph convolutional networks (GCNs) have emerged as popular tools for AD diagnosis due to their ability to handle structural information and fuse multi-modal features, deep learning approaches face significant challenges including the requirement for large datasets and sensitivity to unbalanced label distributions in AD research. To address these limitations and enhance the flexibility of GCNs, we propose a graph convolutional network based on the meta-learning paradig
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.
OBJECTIVE: Diabetes frequently results in diabetic foot ulcers (DFUs), which can lead to lower limb amputation if left untreated. Current DFU management consists of a multidisciplinary team approach, including physicians, podiatrists, wound care specialists, nursing staff and patients. Traditional diagnoses of DFUs can be expensive, lengthy, and generally reliant on local and private clinical evaluation. There is a need for an automated, remote, diagnostic option for patients with suspected DFUs.
METHOD: This paper introduces MGWONET, a new model for deep learning (DL) on classification probl
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.
Early detection of ocular diseases is vital to preventing severe complications, yet it remains challenging due to the need for skilled specialists, complex imaging processes, and limited resources. Automated solutions are essential to enhance diagnostic precision and support clinical workflows. This study presents a deep learning-based system for automated classification of ocular diseases using the Ocular Disease Intelligent Recognition (ODIR) dataset. The dataset includes 5,000 patient fundus images labeled into eight categories of ocular diseases. Initial experiments utilized transfer learn
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.
Inspired by the biological neuromorphic system with efficient information perception and processing capabilities, transistor-based synaptic devices are expected to address the von Neumann limitation and promote the evolution of a neuromorphic computing paradigm. However, achieving a wide spectrum light response and low power consumption using a simple process remains challenging for artificial visual perception electronics. Here, an optoelectronic synaptic transistor (OST) capable of both a wide light wavelength response and multilevel optical storage is verified to emulate the functions of th
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.
Drug-drug interactions are a major concern in healthcare, as concurrent drug use can cause severe adverse effects. Existing machine learning methods often neglect data imbalance and DDI directionality, limiting clinical reliability. To overcome these issues, we employed GPT-4o Large Language Model to convert free-text DDI descriptions into structured triplets for directionality analysis and applied SMOTE to alleviate class imbalance. Using four key drug features (molecular fingerprints, enzymes, pathways, targets), our Deep Neural Networks (DNN) achieved 88.9% accuracy and showed an average AU
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 forecasting of a patient's response to radiotherapy and the likelihood of experiencing harmful long-term health impacts would considerably enhance individual treatment plans. Due to the continuous exposure to radiation, cardiovascular disease and pulmonary fibrosis might occur. For forecasting the response of patients to chemotherapy, the Convolutional Neural Networks (CNN) technique is widely used. With the help of radiotherapy, cancer diseases are diagnosed, but some patients suffer from side effects. The toxicity of radiotherapy and chemotherapy should be estimated. For validating the p
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.
MedElevator
Войти в исследования