This paper presents a fully automated method for atlas-based whole-body segmentation in non-contrast-enhanced Micro-CT data of mice. The position and posture of mice in such studies may vary to a large extent, complicating data comparison in cross-sectional and follow-up studies. Moreover, Micro-CT typically yields only poor soft-tissue contrast for abdominal organs. To overcome these challenges, we propose a method that divides the problem into an atlas constrained registration based on high-contrast organs in Micro-CT (skeleton, lungs and skin), and a soft tissue approximation step for low-c
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.
BACKGROUND: Nowadays, people attach increasing importance to accurate and timely disease diagnosis and personalized treatment. Because of the uncertainty and latency of the pathogenesis, it is difficult to detect breast tumour early. With higher resolution, magnetic resonance imaging (MRI) has become an important method for early detection of cancer in recent years. At present, DL technology can automatically study imaging features of different depths.
OBJECTIVE: This work aimed to use DL to study medical image-assisted diagnosis.
METHODS: The image data were collected from the patients. ROI
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.
Nasopharyngeal carcinoma (NPC) is the most common malignant tumor of the nasopharynx. The delicate nature of the nasopharyngeal structures means that noninvasive magnetic resonance imaging (MRI) is the preferred diagnostic technique for NPC. However, NPC is a typically infiltrative tumor, usually with a small volume, and thus, it remains challenging to discriminate it from tightly connected surrounding tissues. To address this issue, this study proposes a voxel-wise discriminate method for locating and segmenting NPC from normal tissues in MRI sequences. The located NPC is refined to obtain it
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 proximal and distal radioulnar joints form a unique articular arrangement between the radius and ulna, allowing pivot motion of the forearm and positioning the hand in space. Typically imaged in conjunction with the elbow, radiographs, computed tomography (CT), and MR imaging of the proximal radioulnar joint contribute unique diagnostic information. Because dysfunction of the distal radioulnar joint is often a result of instability, dynamic CT protocols stressing the joint in addition to anatomic imaging with radiographs and MR imaging is valuable. Detailed knowledge of the patient's clini
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.
Contrast-enhanced ultrasound (CEUS) with microbubble contrast agents is a new imaging technique for quantifying tissue perfusion. CEUS presents several advantages over other imaging techniques in assessing tissue perfusion, including the use of microbubbles as blood-pool agents, portability, availability and absence of exposure to radiation or nuclear tracers. Dedicated software packages are necessary to quantify the echo-signal intensity and allow the calculation of the degree of tissue contrast enhancement based on the accurate distinction between microbubble backscatter signals and native t
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2008eng
High intensity focused ultrasound (HIFU) 'cooks' or ablates the target tissue at the focus of the ultrasound beam by thermal and cavitation effects. The HIFU is emerging as a non-invasive method for tumor ablation. The HIFU application for tissue ablation requires tools for dosimetry therapy planning, and real-time feedback of the intended and actual target tissues. Pretreatment planning is an important step for a successful HIFU therapy outcome. Typically, the therapy planning approach involves the use of pretreatment imaging data, defining the target and surrounding tissues by manual or semi
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.
Retinal disease diagnosis is vital in ophthalmology, particularly for the early detection of various conditions to prevent vision impairment. Traditional models often focus on single-disease classification, overlooking the complexity of multiple co-existing retinal diseases and their interrelated features. In this work, we propose a novel Multi-Resolution Hypergraph Vision Transformer (MR-HGViT) framework for multi-label retinal disease classification and lesion characterization. Our approach constructs multi-resolution hypergraphs to capture both global anatomical structures and fine-grained
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.
Lymph node metastasis assessment is critical for cancer staging, yet the process is labor intensive and prone to variability, particularly when evaluating micrometastases or isolated tumor cells that can directly alter treatment decisions. We present MetAssist 2.0, a modular artificial intelligence system that combines a pathology foundation model with transformer-based segmentation to automate metastasis detection across cancer types. Trained on colorectal and upper gastrointestinal cancers, it was validated on 8144 slides spanning 7 cancer types and 14 multi-institutional cohorts. MetAssist
СтатьяПоддержка 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.
Clinical studies indicate that the progression of Type 2 Diabetes Mellitus (T2DM) is associated with characteristic alterations in tongue features, which may facilitate non-invasive early detection. However, current deep learning-based tongue imaging approaches for diabetes diagnosis remain constrained by limited datasets, subtle feature variations, dependence on clinical expertise, and the lack of quantitative evaluation. To address these issues, we developed an open-source dataset for T2DM tongue diagnosis (DMT) and benchmarked it using multiple baseline models. Building on DMT, we propose T
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.
ABSTRACT: PURPOSE: To share first experience from the Swiss RetinAI Consortium in applying artificial intelligence (AI)-based optical coherence tomography (OCT) analysis across multiple centres, to highlight practical barriers encountered during implementation, and to outline practical recommendations for future collaborative multicentre AI-based OCT research.
ABSTRACT: METHODS: The Swiss RetinAI Consortium, consisting of six ophthalmology centres, implemented the FDA-cleared Discovery platform (RetinAI, Bern, Switzerland) for collaborative OCT analysis. Challenges encountered during protocol
СтатьяМногоцентровое исследованиеПоиск 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 application of Multiple Instance Learning (MIL) for classifying Whole Slide Images (WSIs) has gained extensive use in recent years, primarily due to the high cost and time consumption associated with pixel-level annotation of WSIs, which is challenging to accomplish. The advancements in MIL for WSIs have predominantly concentrated on two fronts: the development of superior feature extractors (for instance, utilizing self-supervised learning for training feature extractors) and the formulation of enhanced instance aggregation strategies. Regrettably, the majority of the most advanced approa
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.
Glaucoma is the second leading cause of blindness worldwide and the only form of irreversible vision loss, making early and accurate diagnosis essential. Although deep learning has revolutionized medical image analysis, its dependence on large-scale annotated datasets poses a significant barrier, especially in clinical scenarios with limited labeled data. To address this challenge, we propose a Classical-Quantum Hybrid Mean Prototype Network (CQH-MPN) tailored for few-shot glaucoma diagnosis. CQH-MPN integrates a quantum feature encoder, which exploits quantum superposition and entanglement fo
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.
Metabolic dysfunction-associated steatotic liver disease (MASLD) is among the most prevalent chronic liver diseases worldwide. B-mode ultrasound remains the first-line screening modality, yet its qualitative nature and inter-observer variability limit diagnostic consistency. Existing AI approaches largely rely on single-image classification with opaque outputs that do not reflect exam-level clinical reasoning. In this study, we aimed to develop a vision-language model (VLM) framework for automated, exam-level hepatic steatosis assessment from multi-image ultrasound, producing outputs aligned w
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.
OBJECTIVE: To construct a personalizable spatio-temporal disease progression model of patients with a late dry form of Age-Related Macular Degeneration (AMD), known as Geographic Atrophy (GA).
METHODS: From a series of retinal optical coherence tomography (OCT) scans, we infer the coefficients for the parametrized partial differential equation (PDE), such that the parametrized PDE best describes the observed imaging data. Acting as a soft constraint, the recovered PDE helps to extrapolate an implicit neural representation (INR) of the GA segmentation map progression. To enable efficient train
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.
To improve automatic lung nodule detection in chest X-ray images, this study proposes an improved YOLOv12-based detection framework by integrating space-to-depth convolution (SPDConv), a dynamic upsampling module (DySample), and a lightweight feature aggregation module (VoVGSCSP). SPDConv enhances spatial information preservation during feature extraction, DySample replaces conventional upsampling to improve multi-scale feature fusion, and VoVGSCSP strengthens feature representation while reducing computational redundancy. The optimized YOLOv12-DSV model was trained and evaluated using a publi
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.
Breast cancer remains one of the leading malignancies globally, and accurate diagnostic decisions at the early stages of the disease can significantly improve patient prognosis. This paper introduces a new ensemble deep learning framework, combining three specific attention mechanisms tailored to the breast pathology domain, namely, Multi-Scale Channel Attention (MSCA), Spatial-Morphological Attention (SMA), and Hierarchical Dual Attention (HDA). Unlike generic SENet and CBAM mechanisms, these modules are specifically designed for breast pathology: MSCA captures nuclear-level channel statistic
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: Echocardiography after myocardial infarction (MI) provides clinically useful information through assessment of regional wall motion abnormalities, but interpretation requires expertise and remains subject to observer variability. Artificial intelligence (AI) shows promise in automatic interpretation, but it is unclear how explainability affects human-AI collaborative performance.
METHODS: A ResNet18-LSTM model was trained to classify normal vs MI on 127 apical four chamber (A4C) and 120 apical two chamber (A2C) echocardiogram videos from the HMC-QU dataset. Gradient-weighted Class
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.
Lung ultrasound (LUS) is increasingly utilized for diagnosing pediatric pneumonia due to its bedside accessibility, radiation-free nature, and high diagnostic sensitivity. However, broader clinical adoption remains hindered by operator dependency, inconsistent interpretation, and training challenges, particularly among trainees and less-experienced health care providers. Currently, there is an unmet need for practical tools that help trainees reliably detect pneumonia-related ultrasound findings. In this technical innovation study, we evaluated a semi-automated, artificial intelligence (AI)-as
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.
Chest radiography is the most widely used imaging technique for the diagnosing of lung diseases, but interpreting X-rays can be very difficult due to the subtle abnormalities and variations in image quality taken during X-rays. While deep learning models, especially the Convolution Neural Networks (CNNs), have shown strong performance when it comes to detecting pneumonia and other conditions, Vision Transformers (ViTs) have recently surpassed CNNs on several chest X-ray benchmarks by dividing images into small patches and learning global relationships. However, standard ViTs can sometimes focu
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.
Choroidal thickness variations serve as critical biomarkers for numerous ophthalmic diseases. Accurate segmentation and quantification of the choroid in optical coherence tomography (OCT) images is essential for clinical diagnosis and disease progression monitoring. Due to the small number of disease types in the public OCT dataset involving changes in choroidal thickness and the lack of a publicly available labeled dataset, we constructed the Xuzhou Municipal Hospital (XZMH)-Choroid dataset. This dataset contains annotated OCT images of normal and eight choroid-related diseases. However, segm
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