BACKGROUND AND OBJECTIVE: Susceptibility Weighted Imaging (SWI) plays a pivotal role in detecting cerebral microbleeds (CMBs), key biomarkers of vascular abnormalities and neurodegenerative diseases. Clinical protocols often use larger slice spacing to reduce scan time, resulting in low-resolution SWI with compromised through-plane detail. Although deep learning-based super-resolution (SR) methods show promise, they require large paired high-resolution (HR) and low-resolution (LR) datasets that are difficult to acquire in medical imaging. To address these challenges, we propose MagNeRF, a zero
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.
Diffusion magnetic resonance imaging (dMRI) enables noninvasive mapping of tissue microstructure by probing water molecule diffusivity. While advanced multi-shell diffusion models offer improved sensitivity to cellular properties, their requirement for densely sampled q-space data leads to prohibitively long acquisition times. Current deep learning approaches for parameter estimation face three key limitations: (1) dependency on fixed acquisition protocols, (2) model-specific assumptions that constrain applicability, and (3) reliance on supervised learning paradigms that demand large labeled d
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.
Generalized category discovery aims to identify known medical categories and unknown new medical categories from unlabeled data by migrating knowledge from labeled datasets containing only known categories, which is crucial for disease understanding and precision medicine. Many methods have been proposed and significantly improved the performance of GCD in medical images. However, most of the existing methods discover new categories based on image modalities only, ignoring useful information in the large amount of textual data related to diseases. In this paper, we propose M3GCD (Medical Multi
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 Biomedical image analysis is also crucial in the contemporary healthcare system as it facilitates correct diagnosis of diseases, treatment planning, and clinical decision-making. As novel imaging methods like MRI, histopathology and chest X-ray have appeared, the necessity of automated systems that could effectively work with extensive image data of different complexity has grown. The main difficulty, however, is to strike the right balance between the complexity of biomedical images and computational efficiency because, most of the time, these images are large-scale, high-resolution, and
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.
OBJECTIVE: Geometric distortion from susceptibility artifacts in diffusion-weighted imaging (DWI) degrades anatomical fidelity and complicates clinical prostate magnetic resonance imaging (MRI) interpretation. We developed and evaluated DeDistortNet, a generative dual-conditioned diffusion model for correcting geometric distortions in prostate DWI without experimentally acquired paired distorted-undistorted data.
MATERIALS AND METHODS: We utilized the public PROSTATEx dataset, divided into training (n = 135, 1,893 slices), validation (n = 4, 64 slices), and test (n = 189, 2,623 slices) cohort
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 performance of a well-trained segmentation model is often trapped by domain shift caused by acquisition variance. Existing efforts are devoted to expanding the diversity of single-source samples, as well as learning domain-invariant representations. Essentially, they are still modeling the statistical dependence between sample-label pairs to achieve a superficial portrayal of reality. On the contrary, we propose a Spectrum Intervention based Invariant Causal Representation Learning (SI2CRL) framework, to unify the data generation and representation learning from causal view. Specifically,
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
Magnetic Resonance Imaging (MRI) plays an important role in identifying clinically significant prostate cancer (csPCa), yet automated methods face challenges such as data imbalance, variable tumor sizes, and a lack of annotated data. This study introduces Anomaly-Driven U-Net (adU-Net), which incorporates anomaly maps derived from biparametric MRI sequences into a deep learning-based segmentation framework to improve csPCa identification. We conduct a comparative analysis of anomaly detection methods and evaluate the integration of anomaly maps into the segmentation pipeline. Anomaly maps, gen
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.
Glioma is one of the most lethal types of brain tumors, accounting for approximately 33% of all diagnosed brain tumor cases. Accurate segmentation and classification are crucial for precise glioma characterization, emphasizing early detection of malignancy, effective treatment planning, and prevention of tumor progression. Magnetic Resonance Imaging (MRI) serves as a non-invasive imaging modality that allows detailed examination of gliomas without exposure to ionizing radiation. However, manual analysis of MRI scans is impractical, time-consuming, subjective, and requires specialized expertise
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.
Esophageal cancer is a highly aggressive malignancy where early detection is critical for survival. However, early-stage lesions typically present subtle mucosal changes that are difficult to identify using standard White Light Imaging (WLI), and hardware-based Narrow Band Imaging (NBI) is not universally available. In this study, we propose a novel image processing algorithm termed the Spectrum-Aided Vision Enhancer (SAVE) to address these challenges in computer-aided diagnosis (CAD). Leveraging hyperspectral data principles, SAVE transforms standard WLI endoscopic images into enhanced, NBI-l
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.
SIGNIFICANCE: Hyperspectral imaging (HSI) is an emerging imaging modality for oncological applications and can improve cancer detection with digital pathology.
AIM: The study aims to highlight the increased accuracy and sensitivity of detecting the margin of thyroid carcinoma in hematoxylin and eosin (H&E)-stained histological slides using HSI and data augmentation methods.
APPROACH: Using an automated microscopic imaging system, we captured 2599 hyperspectral images from 65 H&E-stained human thyroid slides. Images were then preprocessed into 153,906 image patches of dimension 250 × 250 × 84
СтатьяПоддержка исследования: вне правительства СШАПоддержка NIH: внешняя программаПолный 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.
Clinically, the severity of valvular regurgitation is assessed by manual tracing of the regurgitant jet in the respective chambers. This work presents a computer-aided diagnostic (CAD) system for the assessment of the severity of mitral regurgitation (MR) based on image processing that does not require the intervention of the radiologist or clinician. Eight different texture feature sets from the regurgitant area (selected through an arbitrary criterion) have been used in the present approach. First order statistics have been used initially, however, observing their limitations, the other text
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.
Three-dimensional CT imaging of the wrist was performed in 20 patients: three with Kienböck's disease, 14 with fractures or dislocations of the carpal bones, two with dislocation of the distal radio-ulnar joint and one with an intra-articular fracture of distal radius. These images were compared with those of plain radiographs and computed tomography. With the exception of two cases of distal radio-ulnar joint dislocation and one case of hamate body fracture, three-dimensional CT imaging was helpful in detecting the displacement of the fracture and in determining the location and the direction
Клиническое исследованиеСравнительное исследованиеКонтролируемое клиническое исследованиеСтатьяПоиск 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 diagnostic value of three-dimensional (3-D) image reconstruction in conditions affecting the craniofacial skeleton and the skull base has been assessed and the results compared with the CT scans used. Owing to reconstruction artefacts and some limitations in the exact display of 3-D images, no substantial improvement in diagnosis can be expected. Nonetheless, 3-D images facilitate the analysis and detection of complex fractures of the craniofacial skeleton and improve surgical planning and postoperative evaluation.
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.
Three-dimensional surface images from CT scans have been used to study the pre- and postoperative anatomy of patients with craniosynostosis: the sutural pattern per se, the morphology of the calvaria, the morphology of the endo- and exocranial bases, the morphology of the orbits and the position of the globes, and the morphology of the mandible. This technology assists diagnosis, treatment planning, and longitudinal follow-up.
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.
Glaucoma is a progressive eye condition caused by high intraocular fluid pressure, damaging the optic nerve, leading to gradual, irreversible vision loss, often without noticeable symptoms. Subtle signs like mild eye redness, slightly blurred vision, and eye pain may go unnoticed, earning it the nickname "silent thief of sight." Its prevalence is rising with an aging population, driven by increased life expectancy. Most computer-aided diagnosis (CAD) systems rely on the cup-to-disc ratio (CDR) for glaucoma diagnosis. This study introduces a novel approach by integrating CDR with the neuro-reti
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.
This paper is an exhaustive survey of computer-aided diagnosis (CAD) system-based automatic detection of several diseases from ultrasound images. CAD plays a vital role in the automatic and early detection of diseases. Health monitoring, medical database management, and picture archiving systems became very feasible with CAD, assisting radiologists in making decisions over any imaging modality. Imaging modalities mainly rely on machine learning and deep learning algorithms for early and accurate disease detection. CAD approaches are described in this paper in terms of it's their significant to
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.
PURPOSE: Lymphoid malignancies are remarkably heterogeneous, with variations in outcomes and clinical, biologic, and histologic presentation complicating classification according to the World Health Organization guidelines. Incorrect classification of lymphoid neoplasms can result in suboptimal therapeutic strategies for individual patients and confound the interpretation of clinical trials involving personalized, class-based treatments. This review discusses the potential role of pathology informatics in improving the classification accuracy and objectivity for lymphoid malignancies.
DESIGN:
СтатьяПоддержка NIH: внешняя программаПоддержка исследования: вне правительства СШАОбзорПоиск 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: Early and accurate diagnosis of gastric cancer is crucial for improving patient prognosis. However, conventional histopathological diagnosis is constrained by subjectivity and low efficiency. Current computer-aided diagnosis (CAD) systems often struggle with a "scale mismatch" problem, failing to simultaneously integrate macroscopic tissue structures and microscopic cellular details. To address this bottleneck, this study aims to develop a novel deep learning framework, named H-DCA Net, that mimics the multi-scale diagnostic workflow of pathologists to improve the acc
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.
In recent years, there has been increasing research on computer-aided diagnosis (CAD) using deep learning and image processing techniques. Still, most studies have focused on the benign-malignant classification of nodules. In this study, we propose an integrated architecture for grading thyroid nodules based on the Chinese Thyroid Imaging Reporting and Data System (C-TIRADS). The method combines traditional handcrafted features with deep features in the extraction process. In the preprocessing stage, a pseudo-artifact removal algorithm based on the fast marching method (FMM) is employed, follo
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 morphological diagnosis of thyroid gland neoplasms presents a dual challenge: it requires the expertise of highly trained specialists and considerable time, particularly when evaluating multiple whole slide images (WSIs) from a single patient. The integration of artificial intelligence (AI) techniques into the diagnostic workflow is a hot area of research. However, most studies rely on meticulously curated datasets, the preparation of which is both costly and fraught with complexities. This paper investigates the development of machine learning models using weakly-annotated "real-world" da
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.