Automatic colon polyp segmentation is important for reliable endoscopic visual sensing. However, segmentation performance can be degraded by ambiguous lesion boundaries, heterogeneous appearance, and image quality variations during acquisition or transmission. This study proposes a stage-aware Swin-enhanced nnU-Net v2 framework, where Swin Transformer blocks are inserted into selected encoder stages while preserving the original nnU-Net v2 pipeline. Different insertion strategies were evaluated on an independent Kvasir-SEG test set, and robustness was further assessed under six synthetic corru
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.
UNLABELLED: Objective. Retinal image registration improves the accuracy and validity of a doctor's diagnosis and holds a crucial role in the monitoring and treatment of associated diseases. However, most existing image registration methods have limitations in identifying retinal vascular features, making it difficult to achieve desirable results in retinal image registration tasks. To solve this problem, a fusion network of Swin Transformer and U-Net, improved by Differential Multi-scale Convolutional Block Attention Module with Residual Mechanism (DMCR), named D-STUNet, is proposed in conjunc
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.
Due to its irregular shape and varying contour, pancreas segmentation is a recognized challenge in medical image segmentation. Convolutional neural network (CNN) and Transformer-based networks perform well but have limitations: CNN have constrained receptive fields, and Transformer underutilize image features. This work proposes an improved pancreas segmentation method by combining CNN and Transformer. Point-wise separable convolution was introduced in a stage-wise encoder to extract more features with fewer parameters. A densely connected ensemble decoder enabled multi-scale feature fusion, a
Аннотация на английскомСтатьяПоиск 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
This paper presents a concept study of a week-long experimental protocol for controlling a lower-limb exoskeleton via a brain-machine interface. The system employed a neural network adapted from EEGNet that distinguishes motor imagery and resting states in a two-dimensional space under both static and movement conditions. Each day, the model was fine-tuned with that day's training data as well as data from previous days. Daily closed-loop asynchronous evaluations were carried out to assess real-time exoskeleton control performance. The results indicate steady improvements in system accuracy ov
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.
Parkinson's disease (PD), is a neural disorder that damages movement control, which is reflected by different non-motor and motor symptoms. PD is caused by the weakening of neurons that produce dopamine in the brain, and it includes symptoms like bradykinesia (delay in movements), stiffness, and tremors. People frequently suffer from loss of motor skills when the illness worsens, which has a big influence on everyday tasks like writing. Micrographia is a disorder marked by very tiny, cramped handwriting and is one of the symptoms of PD. As a reflection of the disease's wider motor impairments,
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.
Occupational pneumoconiosis (OP) staging is the core for OP diagnosis. It is essentially an image classification task concerning patients' lung condition by analyzing their chest X-ray. To perform artificial intelligence-assisted OP staging, the chest X-ray film representational learning and classification are commonly adopted, where a convolutional neural network (CNN) has proven to be very efficient. However, unlike commonly encountered image classification tasks, the OP staging relies heavily on the profusion level of opacities, i.e., the OP lesion reflection on the X-ray film. The OP lesio
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 OBJECTIVE: Fiducial points of electrocardiogram (ECG) characteristic waves (CWs) are essential for clinical interpretation, yet manual delineation is labor-intensive and automated methods often depend on pre-segmentation or are sensitive to sampling variability. A particularly challenging case is P-wave delineation in third-degree atrioventricular (AV) block, where atrial and ventricular rhythms dissociate, complicating segmentation.
METHOD: This study proposes a two-stage framework combining a reinforcement learning (RL)-based peak analyzer with an LSTM classifier. The peak an
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.
Deep-sea submersibles collect extensive underwater data, supporting the study and exploration of marine ecosystems. Efficient processing and analysis of underwater images and videos are crucial for applications like ecological monitoring, resource assessment, and environmental conservation. These underwater visual tasks face significant challenges due to the effects of wavelength-dependent absorption and scattering, which lead to issues like color casts, blurred details, and low contrast. Despite significant advancements in underwater image enhancement (UIE), underwater video enhancement (UVE)
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.
Alzheimer's disease (AD) is a type of brain disorder that is becoming more prevalent worldwide. It is a progressive and irreversible condition that gradually impairs memory and cognitive abilities, eventually making it difficult to perform even basic tasks. While the symptoms may not be noticeable until the disease has progressed significantly, early diagnosis can help slow its progression. Unfortunately, there is currently no cure for AD, and although medications and therapies can help manage its symptoms, they cannot reverse the disease. This article proposes a SpinalNet-Rider Neural Network
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.
OBJECTIVE: Early fluid resuscitation is crucial in the treatment of sepsis, yet the optimal dosage remains debated. This study aims to determine the optimal multi-stage fluid resuscitation dosage for sepsis patients.
METHODS: We propose a reinforcement learning algorithm with neural networks (RL-NN), utilizing the flexibility of deep learning architectures to mitigate model misspecification. We use cross-validation and random search for hyperparameter tuning to further enhance model robustness and generalization.
RESULTS: Simulation results demonstrate that our method outperforms existing me
СтатьяОбзорПолный 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.
Using deep learning and neural networks enables us to greatly speed-up quantitative studies and provide a useful tool for analyzing microscopic images. Studies conducted on selected algae Haematococcus and Coelastrum sp. confirm the feasibility of using the deep learning neural network. The confusion matrix demonstrated the numbers of errors generated by the YOLO v8 network in relation to the validation dataset. It indicated a higher number of errors in the detection of Haematococcus than Coleastrum. The F1 score, as the harmonic mean of precision and recall, is significantly higher for the cl
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 proliferation of Internet of Medical Things (IoMT) devices connected to the internet poses significant challenges to data integrity, confidentiality, and patient safety due to their vulnerability to outside exploitation. Specifically, IoMT devices capture and process vast amounts of sensitive patient data but often lack adequate security mechanisms, making them susceptible to attacks that compromise data integrity-such as the injection of false or fabricated information-which imposes significant risks on the patient. To address this, we introduce a novel hybrid anomaly detection model comb
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: Breast cancer screening via mammography plays a crucial role in early detection, significantly impacting women's health outcomes worldwide. However, the manual analysis of mammographic images is time-consuming and requires specialized expertise, presenting substantial challenges in medical practice.
PURPOSE: To address these challenges, we introduce a CNN-Transformer based model tailored for breast cancer classification through mammographic analysis. This model leverages both prior and current images to monitor temporal changes, aiming to enhance the efficiency and accuracy (ACC)
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.
Twin-to-twin transfusion syndrome (TTTS) is a complex prenatal condition in which monochorionic twins experience an imbalance in blood flow due to abnormal vascular connections in the shared placenta. Fetoscopic laser photocoagulation is the first-line treatment for TTTS, aimed at coagulating these abnormal connections. However, the procedure is complicated by a limited field of view, occlusions, poor-quality endoscopic images, and distortions caused by artifacts. To optimize the visualization of placental vessels during surgical procedures, we propose Hybrid-MedNet, a novel hybrid CNN-transfo
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.
Standard detectors such as YOLOv8 face significant challenges when applied to aerial drone imagery, including extreme scale variations, minute targets, and complex backgrounds. Their generic feature fusion architecture is prone to generating false positives and missing small objects. To address these limitations, we propose an improved MFDA-YOLO model based on YOLOv8. The model introduces an Attention-based Intra-scale Feature Interaction (AIFI) module in the backbone network to enhance high-level feature interactions, improve the adaptation to multi-scale targets, and strengthen feature repre
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.
Chronic wounds and associated complications present ever growing burdens for clinics and hospitals world wide. Venous, arterial, diabetic, and pressure wounds are becoming increasingly common globally. These conditions can result in highly debilitating repercussions for those affected, with limb amputations and increased mortality risk resulting from infection becoming more common. New methods to assist clinicians in chronic wound care are therefore vital to maintain high quality care standards. This paper presents an improved HarDNet segmentation architecture which integrates a contrast-elimi
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.
Accurate and early diagnosis of malaria from peripheral blood smear images remains a critical challenge in healthcare, particularly in resource-limited settings. In this work, we propose an optimized convolutional neural network (CNN) framework enhanced by Otsu thresholding-based image segmentation for improved detection of malaria-infected cells. A dataset of 43,400 blood smear images was utilized, divided into a 70:30 ratio for training and testing. A baseline 12-layer CNN achieved 95% accuracy, which improved to 97% with the integration of EfficientNet-B7 through a hybrid parallel feature-f
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.
In a treatment or diagnosis related to oral health conditions such as oral cancer and oropharyngeal cancer, an investigation of tongue's movements is a major part. In an automatic measurement of such movement, it must first start with a task of tongue segmentation. This paper proposes a solution of tongue segmentation based on a decoder-encoder CNN-based structure i.e., U-Net. However, it could suffer from a problem of feature loss in deep layers. This paper proposes a Deep Upscale U-Net (DU-UNET). An additional up-sampling of the feature map from a contracting path is concatenated to an upper
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.
Leukocytes, also called White Blood Cells (WBCs) or leucocytes, are the cells that play a pivotal role in human health and are vital indicators of diseases such as malaria, leukemia, AIDS, and other viral infections. WBCs detection and classification in blood smears offers insights to pathologists, aiding diagnosis across medical conditions. Traditional techniques, including manual counting, detection, classification, and visual inspection of microscopic images by medical professionals, pose challenges due to their labor-intensive nature. However, traditional methods are time consuming and som
СтатьяПоддержка исследования: вне правительства СШАПолный 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: Skin cancer diagnosis challenges dermatologists due to its complex visual variations across diagnostic categories. Convolutional neural networks (CNNs), specifically the Efficient Net B0-B7 series, have shown superiority in multiclass skin cancer classification. This study addresses the limitations of visual examination by presenting a tailored preprocessing pipeline designed for Efficient Net models. Leveraging transfer learning with pre-trained ImageNet weights, the research aims to enhance diagnostic accuracy in an imbalanced multiclass classification context.
METHODS: The stud
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