Monocular endoscope-based reconstruction of dynamic 3D surgical fields is beneficial for both intraoperative manual/robotic manipulation and post-operative surgical skills training. However, the natural characteristics of tissue deformations with instruments and blood obscuration bring great challenges to 3D scene awareness, especially under sparse viewpoints limited by laparoscopic movements. In this work, we propose Endo-4SRF, an effective Neural Radiance Field (NeRF)-based method that can reconstruct deformable tissues with instruments stealth by solely relying on monocular endoscopic image
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.
Class activation mapping (CAM) is key to understanding how convolutional neural networks (CNNs) make decisions, but current approaches face considerable challenges. First-order gradient-based methods are often affected by noise and are prone to gradient saturation, leading to less accurate localization. These methods also tend to rely on manual selection and merging of feature maps, limiting their ability to leverage complementary information across network layers and resulting in weaker visual explanations. To address these issues, we propose a smooth second-order gradient class activation ma
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.
A key goal of visual neuroscience is to explain how our brains infer object properties such as colour, curvature or gloss. Here we used machine learning to identify computations underlying human gloss judgements-traditionally considered a challenging inference. We rendered thousands of objects with varied shapes using a Ward reflectance model across lighting and viewpoints, then obtained gloss ratings for each image. Observers' judgements were consistent with one another, yet systematically deviated from reality. We compared these ratings with neural networks trained either to estimate physica
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.
Robotic grasping, particularly for mobile manipulators, often suffers from performance degradation in diverse, unpredictable backgrounds. Existing RGB-D grasp detection methods frequently struggle to maintain accuracy and efficiency on resource-constrained platforms due to insufficient background robustness. To address this challenge, we propose AADFNet: an Adaptive Asymmetric Dual-branch Fusion Network consisting of three coordinated components for background-robust grasping: 1) an Asymmetric Dual-Branch Encoder (ADE) that processes RGB and depth modalities with specialized backbones to decou
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 the present research work, graph theory has been used to represent the molecular structures of antiviral drugs corresponding to the influenza strain treatment using degree-based topological descriptors and Laplacian energy to understand their structural and physicochemical behavior. The graph theory-based descriptors are used to construct the quantitative structure property relationship and provide input to an ANN model used to predict various physicochemical properties among the selected antiviral drugs. The comparison shows that the ANN model outperforms the Linear Regression model by dem
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 abundance of omics data has significantly advanced the development of multi-omics data integration techniques. Non-linear embedding approaches for data integration have gradually become the mainstream in multi-omics research, as these approaches can substantially improve cancer analysis by enhancing the quality of the embeddings. However, current multi-omics data integration methods are typically confined to omics measurements, neglecting domain-specific prior knowledge encompassing biological pathways. In this study, we proposed a multi-omics integrated classification model, PathTransGCN,
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.
Satellite-observed solar-induced chlorophyll fluorescence (SIF) is a powerful proxy for the photosynthetic characteristics of terrestrial ecosystems. Direct SIF observations are primarily limited to the recent decade, impeding their application in detecting long-term dynamics of ecosystem function. In this study, we leverage two surface reflectance bands available both from Advanced Very High-Resolution Radiometer (AVHRR, 1982-2023) and MODerate-resolution Imaging Spectroradiometer (MODIS, 2001-2023). Importantly, we calibrate and orbit-correct the AVHRR bands against their MODIS counterparts
СтатьяDatasetПоиск 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 advancement in computing technology, online learning platforms, and pedagogical tools enable educators and learners to connect without temporal and geographical boundaries. The existing deep learning models to predict student performance are either simple recurrent neural networks or artificial neural networks employing demographic and hand-crafted features. This manuscript proposes a model, MultIFAR, that infuses multi-dimensional information representing different aspects of student behavior with an attention-driven deep learning model integrating bidirectional long short-term memory and
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.
Efficient separation of blood plasma and Packed Cell Volume (PCV) is vital for rapid blood sensing and early disease detection, especially in point-of-care and resource-limited environments. Conventional centrifugation methods for separation are resource-intensive, time-consuming, and off-chip, necessitating innovative alternatives. This study introduces "Intelligent Microfluidics", an ML-integrated microfluidic platform designed to optimize plasma separation through computational fluid dynamics (CFD) simulations. The trifurcation microchannel, modeled using COMSOL Multiphysics, achieved plasm
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: Spatial transcriptomics now enables sequencing while preserving the spatial location of cells. This significantly enhances researchers' understanding of cellular and tissue functions in their spatial context. However, due to current technical limitations, spatial transcriptomics data often exhibit high dropout rates and noise, posing challenges for downstream analysis, like spot clustering, differential gene analysis, and spatial domain identification. To address those challenges, we propose stGRL, a novel deep multi-task graph neural network model tailored for spatial transcriptom
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.
Fourier transform infrared (FTIR) microspectroscopy has emerged as a pivotal pathological tool, offering informative spectral biomarkers for numerous diseases. However, the dependency on specialized infrared (IR) substrates limits effective and widespread clinical translation. IR transparent bases like calcium/barium fluoride (CaF2/BaF2) are costly and fragile, while IR reflective bases cannot be used for microscopic screening due to their opacity to visible light. In comparison, 1 mm thick pathological glass substrates are cost-effective, reliable, and widely utilized in clinical pathology. T
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.
Diabetic Foot Ulcer (DFU) is a severe complication of diabetes mellitus, resulting in significant health and socio-economic challenges for the diagnosed individual. Severe cases of DFU can lead to lower limb amputation in diabetic patients, making their diagnosis a complex and costly process that poses challenges for medical professionals. Manual identification of DFU is particularly difficult due to their diverse visual characteristics, leading to multiple cases going undiagnosed. To address this challenge, Deep Learning (DL) methods offer an efficient and automated approach to facilitate tim
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.
Cataracts, among the most prevalent eye disorders, result in diminished vision due to cloudiness in the eye's natural lens. Timely diagnosis is crucial for preventing irreversible damage. While effective, existing automated systems encounter difficulties like limited dataset variety, lack of interpretability, and suboptimal generalization in real-world scenarios. This study presents a novel deep learning-based method that incorporates Generative AI (GenAI) and Explainable AI (XAI) to enhance cataract detection. The proposed methodology leverages a fine-tuned InceptionResNetV2 with additional l
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.
Real-time seizure prediction is essential for enabling timely interventions that significantly improve patient outcomes. Therefore, in this present work, we have introduced HybridConvMobileNet, a novel hybrid model that integrates 1D convolutional neural networks (CNN) with the MobileNet model to achieve efficient and accurate seizure prediction. The proposed model uses 1D Short-Time Fourier Transform (STFT) coefficients from pre-processed EEG data as input features. In the proposed algorithm, the developed 1D CNN framework captures the critical spatial features from frequency-domain EEG data,
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.
With rapid developments in artificial intelligence (AI), the discussion about and applications of generative AI have increased substantially. Generative AI has extensive and valuable applications in many industrial and medical fields and is a possible solution for industries that struggle to collect large quantities of data. The present study evaluated the use of generative AI in eye disease prediction. Because retinal images are difficult to acquire, this study used a generative AI model [i.e., the denoising diffusion implicit model (DDIM)] to conduct data augmentation, thereby improving the
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.
Drug-induced liver injury (DILI) toxicity is a condition when drugs have a destructive effect on the liver organ. The prediction of this toxicity becomes crucial in the drug development process to guarantee that drugs are safe from toxicity. Assessment is usually carried out in the conventional laboratory, which causes a high cost in materials and time. To help solve the problem, computational technology is used to predict DILI toxicity in compounds and drugs. Many researchers have developed the model by using various molecular datasets. The Simplified molecular input line entry system (SMILES
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.
Multivariate time series (MTS) forecasting is essential for process monitoring and decision optimization in numerous real-world domains. Existing deep models need to be trained from scratch on abundant data, resulting in limited generalization. Inspired by the success of large language models (LLMs) on various cross-modality tasks, recent research introduces LLMs for MTS forecasting. However, due to the inherent modality gap between MTS and text, there remain two challenges in generating MTS representations suitable for LLMs and handling the intricate inter-variable dependencies. To tackle 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.
Robotic grasping is crucial in manufacturing, logistics, and service robotics, but existing methods struggle with object occlusion and complex arrangements in cluttered scenes. We propose the Generative Residual Attention Network (GR-AttNet), based on the Generative Residual Convolutional Neural Network (GR-CNN). The spatial attention mechanism enhances its adaptability to clutter, and architectural optimization maintains high accuracy while reducing parameters and boosting efficiency. Experiments show GR-AttNet achieves 98.1% accuracy on the Cornell Grasping Dataset, 94.9% on the Jacquard Dat
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.
Infertility is a growing concern in today's technologically driven and mechanized world, with male related factors contributing to nearly half of all cases yet often remaining under diagnosed due to societal misconceptions and stigma. Prolonged sedentary behaviour, environmental exposures, and psychosocial stress further exacerbate reproductive health disorders. This study presents a hybrid diagnostic framework that combines a multilayer feedforward neural network with a nature-inspired ant colony optimization algorithm, integrating adaptive parameter tuning through ant foraging behaviour to e
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 similar appearance and composition of pungent spices frequently give rise to adulteration, which not only causes market confusion but also results in inconsistent product quality. This study employed terahertz time-domain spectra and absorption spectra coupled with three machine learning algorithms-Random Forest (RF), Support Vector Machine (SVM), and Deep Neural Network (DNN)-for the classification and identification of five spices (garlic, green pepper, Zanthoxylum bungeanum, Toona sinensis, and Qin pepper) as well as their binary mixtures. For single-component spices, all three models 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.
MedElevator
Войти в исследования