BACKGROUND: Recent studies have reported the clinical usefulness of the soft-copy reading of mammograms. However, image-processing parameters for soft-copy reading of digital mammograms have not been established.
PURPOSE: To compare observer performance in detecting breast cancer by soft-copy reading of digital mammograms using a routine image-processing parameter versus each of several high-contrast parameters.
MATERIAL AND METHODS: The mammograms of 154 breasts, including 48 abnormal breasts with breast cancer and 106 normal breasts, were examined. Cancers were classified into 34 mass-domi
Сравнительное исследованиеСтатьяПоддержка 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.
This study aimed to analyse whether the precision of a three-dimensional mobile image intensifier (ISO-C 3D) differs from conventional two-dimensional fluoroscopy and high resolution CT scan in a fracture model of the proximal tibia. A depression fracture of the medial plateau (AO/OTA 41-B2.3) was created in 12 formalin-fixed, human cadaver knees. The cartilage of the depression could be positioned above (+1mm, +2mm), below (-1mm, -2mm), or in line with the joint surface. Fluoroscopy, computed tomography (CT) scans, and ISO-C 3D scans (four different protocols: 100 images, 66 images, 50 images
Сравнительное исследованиеСтатьяПоддержка 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.
We describe a case of mucus plug in the right main bronchus with ipsilateral obstructive emphysema and contralateral opaque hemithorax in an 18-month-old girl who presented with respiratory distress. The role of multi-detector CT scan with multi-planar reconstructions and virtual bronchoscopy is highlighted.
Клинический случайСтатьяПоиск 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 imaging evaluation of patients with suspected pancreaticobiliary abnormality includes noninvasive imaging modalities such as sonography and MRI. The use of computed tomography (CT) has typically been limited to the evaluation and staging of malignancy affecting the pancreas and biliary tree. With the increasing use of CT in abdominal imaging for patients with a wide variety of indications, biliary and pancreatic abnormalities are being initially identified with increasing frequency on CT. The evolution of CT technology to multi-detector channel row (MDCT) scanners, currently culminating in
СтатьяОбзорПоиск 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: Aim of this study is to illustrate the multidetector row computed tomographic findings related to oesophageal injuries and their significance for therapeutic decisions.
METHOD: From April 2002 to April 2005 we studied 16 patients with suspected oesophageal injury. Ten patients underwent standard chest radiograph, while five patients with suspected foreign body ingestion were submitted to cervical plain film and gastrografin swallow study. All 16 patients underwent multidetector row CT examination.
RESULTS: In six patients with cervical, thoracic and abdominal trauma, CT showed 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.
This paper presents an automatic method for classification of progressive stages of oral precancerous conditions like oral submucous fibrosis (OSF). The classifier used is a three-layered feed-forward neural network and the feature vector, is formed by calculating the wavelet coefficients. Four wavelet decomposition functions, namely GABOR, HAAR, DB2 and DB4 have been used to extract the feature vector set and their performance has been compared. The samples used are transmission electron microscopic (TEM) images of collagen fibers from oral subepithelial region of normal and OSF patients. The
Оценочное исследованиеСтатьяПоддержка 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.
INTRODUCTION: Meningiomas are the most common primary intracranial tumors and are frequently monitored over extended periods. Volumetric assessment typically requires manual segmentation, which is time-consuming and associated with interrater variability. This study aimed to develop and validate a deep learning-based model for the automated segmentation of meningiomas and associated peritumoral edema on preoperative magnetic resonance imaging (MRI).
METHODS: We trained a standard nnU-Net deep learning model on contrast-enhanced T1-weighted and FLAIR MRI scans from 100 patients treated at the
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.
This article presents a unique deep learning technique to identify AD using data from magnetic resonance imaging (MRI). However, deep learning models' lack of interpretability prevents them from being used in clinical settings, where explainability is crucial for winning over medical personnel. In order to diagnose AD, this work proposes a self-attending bidirectional gated recurrent unit (SA-Bi-GRU) method based on explainable AI (XAI) that makes use of a deep learning model. Before the diagnosis process, an integrated Ternary pattern and Fourier-Bessel series expansion based empirical wavele
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.
Brain tumors remain among the most fatal diseases of the central nervous system, and early diagnosis is vital for improving patient survival outcomes. However, conventional diagnostic approaches relying on manual interpretation of MRI scans by radiologists often suffer from subjectivity, inefficiency, and a high rate of missed diagnoses. To overcome these limitations, this study introduces a systematically optimized deep learning framework designed to achieve real-time performance while preserving high detection accuracy. Specifically, we propose the A2C2f-Mona module, which enhances local and
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: Alzheimer's disease (AD) is a progressive neurodegenerative disorder marked by brain atrophy, observable via MRI. Volumetric measures like hippocampal volume are widely used but often miss early microstructural changes. Texture features such as intensity entropy capture tissue heterogeneity and may improve early diagnosis. Combining these orthogonal modalities could yield better biomarkers.
NEW METHOD: We propose a Dual-Path Mixture of Experts (DP-MoE) model that integrates volumetric and entropy-based MRI features through two expert subnetworks and a self-attention gating mechani
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.
Colonoscopy remains the gold standard for detecting and treating precancerous polyps, yet it lacks real-time three-dimensional feedback, leading to blind spots and missed lesions. Using 3D reconstruction algorithms can alert clinicians to potentially missed areas, thereby improving the quality of colonoscopy examinations. Monocular depth estimation is crucial for achieving 3D reconstruction in colonoscopy. However, the complex image features of the colon surface, such as textures and reflections, along with varying geometric characteristics like deep folds, significantly affect depth distribut
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.
OBJECTIVES: To explore the value of habitat radiomics analysis using multi-b-value diffusion weighted imaging in differentiating sinonasal small round cell malignant tumors (SRCMTs) from non-small round cell malignant tumors (non-SRCMTs).
METHODS: This study enrolled 110 patients of sinonasal SRCMTs and non-SRCMTs, who were randomly divided into a training dataset (n = 88) and a test dataset (n = 22). Based on the true diffusion coefficient (Dt), perfusion fraction (f), and mean kurtosis coefficient (MK), which respectively characterize cellular density, perfusion, and heterogeneity, the sino
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.
BACKGROUND: Early and accurate classification of breast tumors from MRI scans is essential for improving patient outcomes. However, a key limitation of conventional deep learning models, such as Convolutional Neural Networks (CNNs), is their difficulty in capturing the subtle, spatially variant features that are crucial for precise medical image interpretation.
OBJECTIVE: To address this limitation, we propose a novel deep learning framework called AdaptiveInvolutionNet (AIN). This hybrid architecture is specifically designed to improve discriminative feature learning for breast tumor classif
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.
BACKGROUND: Prostate cancer is a prevalent malignancy in males, with prostate MRI imaging as the primary diagnostic method. However, this method is subjective and can miss early-stage cancers, necessitating more efficient diagnostic techniques.
METHOD: In this study, we introduced the PRAD-Hybrid CNN (Prostate Adenocarcinoma Hybrid Convolutional Neural Network, PRADHC) model, a novel amalgamation of EfficientNet and Residual Blocks, which was developed and validated on 1,528 MRI images from 64 patients. By strategically increasing the number of Convolutional Neural Network (CNN) layers in the
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.
BACKGROUND AND PURPOSE: The choroid of the eye is a rare site for metastatic tumor spread, and as small lesions on the periphery of brain MRI studies, these choroidal metastases are often missed. To improve their detection, we aimed to use artificial intelligence to distinguish between brain MRI scans containing normal orbits and choroidal metastases.
MATERIALS AND METHODS: We present a novel hierarchical deep learning framework for sequential cropping and classification on brain MR images to detect choroidal metastases. The key innovation of this approach lies in training an orbit localizati
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.
Сегментация неконтролируемого повреждения мозга, сосредоточенная на изучении нормативного распределения на основе изображений здоровых предметов, в меньшей степени зависит от данных с маркировкой повреждений, что свидетельствует о более эффективных возможностях обобщения. Одна из основных задач в изучении нормативного распределения изображений заключается в высокой размерности, если пиксели изображений рассматриваются как коррелятивные случайные переменные для улавливания пространственной зависимости. В этом исследовании мы предложили подпространственную глубоко-генеративную модель для изучени
СтатьяПоиск полного текста в очередиМашинный перевод · не проверен
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 PURPOSE: Accurate glioma segmentation has the potential to enhance clinical decision-making and treatment planning. Uncertainty quantification methods, including conformal prediction (CP), can enhance segmentation models reliability. CP quantifies uncertainty with statistical confidence guarantees. This study aimed to use CP in glioma segmentation.
MATERIALS AND METHODS: We used the publicly available University of California San Francisco (UCSF) and University of Pennsylvania (UPenn) glioma data sets, with the UCSF data set (495 cases) split into training (70%), validation (10
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.
Recent advancements in artificial intelligence have significantly enhanced the efficiency of abdominal MRI segmentation, thereby improving the screening and diagnosis of liver diseases. However, accurate precise liver segmentation in MRI remains a challenging task due to the high variability in liver morphology and the limited availability of high-quality annotated datasets. To address these challenges, this study presents an advanced semi-supervised learning framework that integrates cross-teaching with pseudo-label generation and intra-batch entropy minimization. This framework facilitates 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.
The demand for breast imaging services continues to grow, driven by expanding indications in breast cancer diagnosis and treatment. This increasing demand underscores the potential role of artificial intelligence (AI) to enhance workflow efficiency as well as to further unlock the abundant imaging data to achieve improvements along the breast cancer pathway. Although AI has made significant advancements in mammography and digital breast tomosynthesis, with commercially available computer-aided detection (CAD systems) widely used for breast cancer screening and detection, its adoption in breast
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.
MedElevator
Войти в исследования