Brain tissue and tumor extraction plays a pivotal role in medical care and clinical research. Leveraging the diverse and complementary information provided by different imaging modalities is crucial to the success of these applications. However, existing deep learning-based methods exhibit limitations in two major aspects. First, they ignore the incorporation of task-oriented regularization when fusing multi-modal features, leading to suboptimal latent space learning. Second, these methods tend to overlook the explicit modeling and exploitation of prediction uncertainty, despite the strong cor
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
In recent times, deep learning extensively utilized across diverse domains, including Radiology. They play a pivotal role in early disease detection by analyzing data to identify patterns and biomarkers. Here, we propose a novel approach for classifying between Early MCI (EMCI) and Late MCI (LMCI), by integrating object detection with 3D CNN. Leveraging the capabilities of YOLOv5 object detection and 3D CNN, we focus on identifying changes in the corpus callosum (CC) and its neighbourhood, a crucial brain structure facilitating inter-hemispheric communication. Unlike existing methods that requ
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.
Inspired by the quality of computer-rendered images in the animated movie industry, cinematic rendering (CR) is a novel image visualization technique using proprietary rendering algorithms that simulate the propagation and interaction of light rays passing through 3-dimensional (3D) volumetric data, resulting in a photorealistic representation of bodily organs and vasculature.1,2 Due to its more realistic representative and intuitive format, it has become part of medical education, especially 3D anatomy teaching, patient education, and communication.3,4 It also plays an important role in the d
СтатьяКлинический случайVideo-Audio MediaПоиск 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.
OBJECTIVE: Ultra-high-resolution CT (UHR-CT), which can be applied normal resolution (NR), high-resolution (HR), and super-high-resolution (SHR) modes, has become available as in conjunction with multi-detector CT (MDCT). Moreover, deep learning reconstruction (DLR) method, as well as filtered back projection (FBP), hybrid-type iterative reconstruction (IR), and model-based IR methods, has been clinically used. The purpose of this study was to directly compare lung CT number and airway dimension evaluation capabilities of UHR-CT using different scan modes with those of MDCT with different reco
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: Cognitive assessments represent the most common clinical routine for the diagnosis of Alzheimer's Disease (AD). Given a large number of cognitive assessment tools and time-limited office visits, it is important to determine a proper set of cognitive tests for different subjects. Most current studies create guidelines of cognitive test selection for a targeted population, but they are not customized for each individual subject. In this manuscript, we develop a machine learning paradigm enabling personalized cognitive assessments prioritization.
METHOD: We adapt a newly developed le
СтатьяПоддержка NIH: внешняя программаПоддержка 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.
MR images of fetuses allow clinicians to detect brain abnormalities in an early stage of development. The cornerstone of volumetric and morphologic analysis in fetal MRI is segmentation of the fetal brain into different tissue classes. Manual segmentation is cumbersome and time consuming, hence automatic segmentation could substantially simplify the procedure. However, automatic brain tissue segmentation in these scans is challenging owing to artifacts including intensity inhomogeneity, caused in particular by spontaneous fetal movements during the scan. Unlike methods that estimate the bias f
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.
PURPOSE: To explore clinical applications of a novel conventional computed tomography (CT) color post-processing algorithm to increase conspicuity of nondisplaced trabecular fractures.
MATERIALS AND METHODS: The algorithm was created in Adobe Photoshop and Adobe Extendscript, utilizing DICOM images from conventional CT as source images. A total of six representative cases were selected and processed. No statistical analyses were performed.
RESULTS: A total of six cases are demonstrated, five with MRI correlation demonstrating corresponding fractures and bone marrow edema, including a case of
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.
AIM: The aims of this report are to present a case of nonsyndromic multiple supernumerary teeth and a discussion of the value of three-dimensional computerized tomography (3D CT) for precise radiographic imaging of the anomaly.
BACKGROUND: Multiple supernumerary teeth without any associated syndromes are very rare. Exact radiographic presentations with an associated diagnosis of nonsyndromic multiple supernumerary teeth have not been well published.
REPORT: A young Chinese female patient presented with asymmetrical nonsyndromic multiple supernumerary teeth in the premolar and molar regions o
Клинический случайСтатьяОбзорПоиск 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.
To quantify the in vivo magnitude and distribution of regional compensatory lung growth following extensive lung resection, we performed high-resolution computed tomography at 15- and 30-cmH(2)O transpulmonary pressures and measured air and tissue (including microvascular blood) volumes within and among lobes in six adult male foxhounds, before and after balanced 65% lung resection ( approximately 32% removed from each side). Each lobe was identified from lobar fissures. Intralobar gradients in air and tissue volumes were expressed along standardized x,y,z-coordinate axes. Fractional tissue vo
СтатьяПоддержка 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.
We address the problem of testing in every brain voxel v whether at least u out of n conditions (or subjects) considered shows a real effect. The only statistic suggested so far, the maximum p-value method, fails under dependency (unless u=n) and in particular under positive dependency that arises if all stimuli are compared to the same control stimulus. Moreover, it tends to have low power under independence. For testing that at least u out of n conditions shows a real effect, we suggest powerful test statistics that are valid under dependence between the individual condition p-values as well
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.
PURPOSE: Hepatocellular carcinoma (HCC) remains a major global health concern due to its high incidence and mortality. Contrast-enhanced ultrasound (CEUS) offers notable advantages for HCC diagnosis, including real-time imaging and non-invasiveness. However, CEUS images are often affected by noise, uneven signal distribution, and unclear boundaries between lesions and surrounding tissues, which pose challenges for automatic lesion segmentation.
METHODS: To improve segmentation performance, this study proposes an improved PIDNet-based model termed MEP-Net. The model integrates a median-enhance
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.
Odontogenic cystic lesions (OCLs) are complex jaw abnormalities that require a precise diagnosis of the disease for treatment. Visual OCL diagnosis is commonly based on reviewing cone-beam computed tomography (CBCT) to identify morpho-pathological features associated with specific lesion types in a hierarchical manner. Current state-of-the-art methods focus on extracting features from the image without any guidance beyond the lesion diagnosis, and do not fully leverage the hierarchical relationship between the lesion diagnosis and morphological features. In this study, we propose a hierarchica
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.
Concerns about the risk of radiation from CT have driven a spectrum of major advances in radiation dose reduction technology since the 2000s, including added beam filtration, dynamic z-axis collimation, automatic tube current modulation and tube potential selection, advanced iterative reconstruction, and deep learning-based reconstructions. The introduction of photon-counting detector CT further improved dose efficiency through electronic noise rejection, optimal photon-energy weighting, and high-resolution data acquisition. This Review summarizes key milestones and technologic innovations tha
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.
Accurate, reproducible body composition analysis from abdominal computed tomography (CT) images is critical for both clinical research and patient care. We present a fully automated, artificial intelligence (AI)-based pipeline that streamlines the entire process-from data normalization and anatomical landmarking to automated tissue segmentation and quantitative biomarker extraction. Our methodology ensures standardized inputs and robust segmentation models to compute volumetric, density, and cross-sectional area metrics for a range of organs and tissues. Additionally, we capture selected DICOM
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.
Ensuring strict medical data privacy standards while delivering efficient and accurate breast cancer segmentation is a critical challenge. This paper addresses this challenge by proposing a lightweight solution capable of running directly in the user's browser, ensuring that medical data never leave the user's computer. Our proposed solution consists of a two-stage model: the pre-trained nano YoloV5 variation handles the task of mass detection, while a lightweight neural network model of just 20k parameters and an inference time of 21 ms per image addresses the segmentation problem. This highl
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.
Rib pathology is uniquely difficult and time-consuming for radiologists to diagnose. AI can reduce radiologist workload and serve as a tool to improve accurate diagnosis. To date, no reviews have been performed synthesizing identification of rib fracture data on AI and its diagnostic performance on X-ray and CT scans of rib fractures and its comparison to physicians. The objectives of this study are to analyze the performance of artificial intelligence in diagnosing rib fracture on X-ray and computed tomography (CT) scan using multiple clinical studies and to compare it to that of physicians f
СтатьяСистематический обзорПоиск 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: Trauma-induced rib fractures are common injuries. The gold standard for diagnosing rib fractures is computed tomography (CT), but the sensitivity in the acute setting is low, and interpreting CT slices is labor-intensive. This has led to the development of new diagnostic approaches leveraging deep learning (DL) models. This systematic review and pooled analysis aimed to compare the performance of DL models in the detection, segmentation, and classification of rib fractures based on CT scans.
MATERIALS AND METHODS: A literature search was performed using various databases for studies
СтатьяСистематический обзорМетаанализПоиск 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 diagnosis of craniosynostosis, a condition involving the premature fusion of cranial sutures in infants, is essential for ensuring timely treatment and optimal surgical outcomes. Current diagnostic approaches often require CT scans, which expose children to significant radiation risks. To address this, we present a novel deep learning-based model utilizing multi-view X-ray images for craniosynostosis detection. The proposed model integrates advanced multi-view fusion (MVF) and cross-attention mechanisms, effectively combining features from three X-ray views (AP, lateral right, lateral left
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