Classification of glaucoma stages remains challenging due to substantial inter-stage similarities, the presence of irrelevant features, and subtle lesion size, shape, and color variations in fundus images. For this purpose, few efforts have recently been made using traditional machine learning and deep learning models, specifically convolutional neural networks (CNN). While the conventional CNN models capture local contextual features within fixed receptive fields, they fail to exploit global contextual dependencies. Transformers, on the other hand, are capable of modeling global contextual in
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.
Polyp segmentation in endoscopic imaging is essential for the early detection of colorectal cancer, as polyps are precursor lesions in the colon and rectum, yet the task is complicated by the morphological variability and indistinct boundaries of polyps, which often blend into surrounding tissues. Conventional approaches struggle with these complexities, as fixed scale and window sizes are unable to adapt to the diverse and irregular structures of polyps. To address this challenge, we introduce the Endoscopic Adaptive Transformer, EAT, a novel framework specifically engineered for polyp segmen
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.
Different cataract types and various severities usually require different countermeasures. For automatic cataract diagnosis, existing cataract classification methods group cataracts into common types, such as nuclear cataract, cortical cataract, and posterior subcapsular cataract, while existing cataract grading works aim to achieve fine-grained evaluation of the severity of the most common types of cataract. The severity assessment differs among various types of cataracts. Existing work is limited in predicting various cataract types at different granularity levels. In order to improve diagno
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.
Automated ultrasound image classification is increasingly important for clinical decision support in breast, thyroid and fetal screening. However, deploying deep learning models in such safety-critical settings demands not only high predictive accuracy but also transparency, interpretability and trustworthiness-properties that existing approaches address insufficiently. Convolutional neural networks (CNNs) capture local texture patterns but struggle with global contextual dependencies, while Transformer-based models offer long-range reasoning yet require large-scale training data and remain se
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.
PURPOSE: Wireless capsule endoscopy (WCE) examinations frequently become non-diagnostic due to early visibility degradation caused by dirt, bubbles, or sustained mucosal occlusion. Existing computational approaches typically assess examination quality retrospectively, after completion of the study, limiting the opportunity for corrective intervention. We propose a feasibility-aware computer-assisted intervention (CAI) framework that reformulates WCE quality management as a sequential decision problem during acquisition.
METHODS: Early checkpoints within the first 10-25% of each examination su
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.
The similar textures, diverse shapes and blurred boundaries of thyroid lesions in ultrasound images pose a significant challenge to accurate segmentation. Although several methods have been proposed to alleviate the aforementioned issues, their generalization is hindered by limited annotation data and insufficient ability to distinguish lesion from its surrounding tissues, especially in the presence of noise and outlier. Additionally, most existing methods lack uncertainty estimation which is essential for providing trustworthy results and identifying potential mispredictions. To this end, we
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.
Ordinal regression is well-known for leveraging the underlying inherent order between successive categories to obtain additional regularization beyond traditional probabilistic classification mechanism. However, there are challenges in real-world medical grading tasks: 1) The uneven distribution of disease severity levels, characterized by a long-tailed format, complicates the ordinal regression process. 2)The ambiguity in establishing disease severity thresholds introduces substantial challenges, rendering the ordinal regression framework susceptible to inter-class inconsistencies. To address
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.
Machine learning is widely used in dentistry nowadays, offering efficient solutions for diagnosing dental diseases, such as periodontitis and gingivitis. Most existing methods for diagnosing periodontal diseases follow a two-stage process. Initially, they detect and classify potential Regions of Interest (ROIs) and subsequently determine the labels of the whole images. However, unlike the recognition of natural images, the diagnosis of periodontal diseases relies significantly on pinpointing specific affected regions, which requires professional expertise that is not fully captured by existing
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.
Skin diseases are a significant global public health concern, affecting 21-85% of the world's population, particularly those in low- and middle-income countries. Accurate and timely diagnosis is crucial for effective treatment and improved patient outcomes. This study introduces a novel deep-learning multi-model architecture designed for high-precision skin disease diagnosis. The system employs a five-category Xception model to classify skin lesions into five classes: Atopic Dermatitis, Acne and Rosacea, Skin Cancer, Bullous, and Others. Trained on 25,010 images, the model achieved 95% accurac
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.
Bladder cancer (BC) remains a major disease burden in terms of incidence, morbidity, mortality, and economic cost. Deciphering the intrinsic molecular subtypes and identification of key drivers of BC has yielded successful novel therapeutic strategies. Advances in computational and digital pathology are reshaping the field of anatomical pathology. This review offers an update on the most relevant computational algorithms in digital pathology that have been proposed to enhance BC management. These tools promise to enhance diagnostics, staging, and grading accuracy and streamline efficiency whil
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.
BACKGROUND: Facial palsy or paralysis (FP) is a symptom that loses voluntary muscles movement in one side of the human face, which could be very devastating in the part of the patients. Traditional methods are solely dependent to clinician's judgment and therefore time consuming and subjective in nature. Hence, a quantitative assessment system becomes apparently invaluable for physicians to begin the rehabilitation process; and to produce a reliable and robust method is challenging and still underway.
METHODS: We introduce a novel approach for a quantitative assessment of facial paralysis tha
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 develop an efficient and flexible water/fat separated real-time MRI (RT-MRI) method using spiral out-in-out-in (OIOI) sampling and balanced SSFP (bSSFP) at 0.55T.
METHODS: A bSSFP sequence with golden-angle spiral OIOI readout was developed, capturing three echoes to allow water/fat separation. A low-latency reconstruction that combines all echoes was available for online visualization. An offline reconstruction provided water and fat RT-MRI in two steps: (1) image reconstruction with spatiotemporally constrained reconstruction (STCR) and (2) water/fat separation with hierarchical
СтатьяПоддержка исследования: вне правительства СШАПоддержка NIH: внешняя программаПолный 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.
Paragangliomas are highly vascular neuroendocrine tumors that arise from embryonic neural crest cells. They may either be hormonally active (sympathetic) or silent (parasympathetic). Approximately one-third are hereditary, and patients may develop multiple paragangliomas. Presurgical planning involves medical management as well as interventional and/or surgical techniques that must address vascular supply. Contrast-enhanced CT is the best initial anatomical study and shows the hypervascularity and feeding vessels. 3D cinematic rendering using multiplanar light sources can highlight spatial rel
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 term glaucoma refers to a group of heterogeneous diseases that cause the degeneration of retinal ganglion cells (RGCs). The degeneration of RGCs leads to two main issues: (i) structural changes to the optic nerve head as well as the nerve fiber layer, and (ii) simultaneous functional failure of the visual field. These two effects of glaucoma may lead to peripheral vision loss and, if the condition is left to progress it may eventually lead to blindness. No cure for glaucoma exists apart from early detection and treatment by optometrists and ophthalmologists. The degeneration of RGCs is nor
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.
Task-based functional magnetic resonance imaging (fMRI) has been used to examine neuroanatomical and functional changes following mild traumatic brain injury (mTBI). Prior studies have lacked consistency in identifying common regions of altered neural activity during cognitive tasks. This may be partly due to differences in task paradigm, patient heterogeneity, and methods of fMRI analysis. We conducted a meta-analysis using an activation likelihood estimation (ALE) method to identify regions of differential brain activation in patients with mTBI compared to healthy controls. We included exper
СтатьяМетаанализОбзорПоиск 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.
Nowadays, different anatomical atlases exist for the anatomical interpretation of the results from neuroimaging and lesion analysis studies that investigate the contribution of white matter fiber tract integrity to cognitive (dys)function. A major problem with the use of different atlases in different studies, however, is that the anatomical interpretation of neuroimaging and lesion analysis results might vary as a function of the atlas used. This issue might be particularly prominent in studies that investigate the contribution of white matter fiber tract integrity to cognitive (dys)function.
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.
Renal compartment segmentation from Dynamic Contrast-Enhanced MRI (DCE-MRI) images is an important task for functional kidney evaluation. Despite advancement in segmentation methods, most of them focus on segmenting an entire kidney on CT images, there still lacks effective and automatic solutions for accurate segmentation of internal renal structures (i.e. cortex, medulla and renal pelvis) from DCE-MRI images. In this paper, we introduce a method for renal compartment segmentation which can robustly achieve high segmentation accuracy for a wide range of DCE-MRI data, and meanwhile requires li
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.
As artificial intelligence (AI) tools are increasingly integrated into imaging workflows, understanding how AI results are generated and presented to the end user can equip radiologists to optimize interactions with AI results in practice. Although AI solutions are marketed as high-performing options that promise efficiency and diagnostic gains, issues arising at the radiologist-AI interface can lead to diminished returns due to unintentional cognitive burdens or misalignments with clinical workflows. A foundational understanding of how images are processed by AI solutions, presented in imagin
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.
Multiple instance learning (MIL) has enabled substantial progress in computational histopathology, where a large amount of patches from gigapixel whole slide images are aggregated into slide-level predictions. Heatmaps are widely used to validate MIL models and to discover tissue biomarkers. Yet, the validity of these heatmaps has barely been investigated. In this work, we introduce a general framework for evaluating the quality of MIL heatmaps without requiring additional labels. We conduct a large-scale benchmark experiment to assess six explanation methods across histopathology task types (
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.
PURPOSE: This study aims to design an auxiliary segmentation model for thyroid nodules to increase diagnostic accuracy and efficiency, thereby reducing the workload of medical personnel.
METHODS: This study proposes a Dual-Path Attention Mechanism (DPAM)-UNet++ model, which can automatically segment thyroid nodules in ultrasound images. Specifically, the model incorporates dual-path attention modules into the skip connections of the UNet++ network to capture global contextual information in feature maps. The model's performance was evaluated using Intersection over Union (IoU), F1_score, accu
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.
MedElevator
Войти в исследования