Уникальные публикации PubMed, Europe PMC и Crossref, сохранённые в библиотеке. Одна статья учитывается один раз, даже если получена из нескольких источников. Личные исследования и документы команд не публикуются.
Идёт проверка счётчикаДоступно в поиске—
Публикации, уже подготовленные для быстрого поиска. Остальная библиотека подключается в фоне.
Переведено на русский—
Готовые переводы среди доступных в поиске публикаций. Автоматический медицинский перевод и проверка специалистом учитываются отдельно.
Полные тексты—
Найденные полные тексты среди доступных в поиске публикаций. Доступность определяется первоисточником и условиями использования.
Оригиналов на русском—
Русскоязычные оригиналы доступны без ожидания перевода. Ниже — языки остальных оригиналов; для них готовится медицинский перевод на русский.
Пополняем библиотеку по диагнозам—Проверяем состояние обновлений
Для каждого диагноза из справочника МКБ-10 ищем связанные публикации в научных базах и добавляем их в библиотеку. Числа ниже — диагнозы, а не статьи.
Если сбор прервался, тема требует повторной попытки. Уже сохранённые статьи остаются в библиотеке.
Нажмите на показатель для подробностей. Показатели поиска обновляются автоматически; размер всей библиотеки сверяется отдельно. Время последней проверки указано явно.
Результаты поиска
13463 публикаций
Поиск: 806 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 922 с найденным полным текстом
Neural networks : the official journal of the International Neural Network Society2026eng
Breast tumor images show low intra-class similarity and suffer from distribution shift, posing challenges for recognition tasks. While increasing the number of labeled training data is a common strategy to improve performance, the high cost of expert annotation is another challenge. Semi-supervised learning methods, e.g., Graph Neural Networks (GNNs), which smooth features via graph topology, have the potential to reduce the annotation costs for breast tumor datasets while achieving satisfactory classification performance. To address these challenges, we propose Graph Adiabatic Diffusion Neura
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.
Turing patterns emerging from the vegetation-water model exhibit complex spatial and networked structures, while parameter identification of these patterns has become a challenging inverse problem. This paper aims to present two types of methods for parameter identification, based on a vegetation-water model coupled with climate data on precipitation, temperature, and carbon dioxide concentration in Zhangye. The statistical approach identifies parameters through handcrafted image feature matching using the distance metric. In addition, the deep learning method is employed for parameter identif
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.
Parkinson Disease is a progressive neurodegenerative disorder for which accessible, low-cost screening methods remain limited. Sustained-vowel voice recordings contain measurable acoustic biomarkers associated with disease-related dysphonia that can be acquired without specialized equipment. This protocol describes a four-qubit quantum-classical hybrid convolutional neural network (QI-HCNN) that combines a parameterized quantum circuit with a shallow classical classification layer to classify Parkinson Disease using dimensionally reduced acoustic voice features. The protocol also benchmarks th
СтатьяVideo-Audio MediaПоиск 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.
As digital imaging in healthcare grows quickly, dealing with vast medical image data is getting trickier. Content-Based Medical Image Retrieval (CBMIR) systems help with this, but they struggle because of the gap between simple image details and what these images mean in a clinical setting. This paper presents a new approach using deep learning for CBMIR that combines Convolutional Neural Networks (CNNs), Recurrent Neural Networks (RNNs), and Explainable AI (XAI). Using the Breast Ultrasound Image (BUSI) dataset for training, this hybrid model classifies images and finds the relevant results b
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: The primary research question addresses whether integrating Graph Convolutional Neural Networks with model uncertainty modeling can improve the accuracy and robustness of Whole Slide Imaging (WSI) classifications in pathology. METHODS: This study employed a novel framework combining GCNs with uncertainty quantification techniques to classify WSI images of spinal infections. We constructed a graph from segmented regions of WSI, where nodes represented segmented pathological features and edges represented spatial relationships. The model was trained on a dataset of 422 cases from the
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.
Despite the increasing adoption of deep neural networks (DNNs) in brain-computer interfaces (BCIs), developing high-degree-of-freedom (DOF) systems capable of decoding continuous movements, such as limb kinematics, remains a significant challenge. This difficulty stems from limited availability of task-specific neural features within individual neural signal datasets. To overcome this, we proposed a generative adversarial network (GAN) framework to enrich training features within neural signal datasets. Specifically, we synthesized artificial neural signal waveforms of the primary motor cortex
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.
Object detection in visible light (RGB) images is frequently compromised by low-illumination conditions, whereas infrared (IR) imaging typically exhibits superior robustness in such environments. Multispectral fusion addresses this limitation by leveraging complementary information from both modalities; however, existing methods predominantly rely on intricate fusion modules to integrate cross-modal features, inevitably incurring significant computational overhead and architectural complexity. To mitigate this issue, we propose a novel Cross-modal Orthogonal Representation Enhancement Network
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.
Epidermolysis bullosa (EB) defines a group of rare, inherited and currently incurable genetic disorders characterized by excessive skin fragility, with blistering and wounding of skin and mucous membranes upon minor mechanical trauma. Accurate wound assessment is imperative for measuring and longitudinal monitoring of disease activity and for determining the most accurate treatment. In this work, we describe the annotation of clinical images from EB patients and the subsequent training of both classical convolutional neural networks and state-of-the-art transformer-based architectures for 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.
The exploration of associations between circular RNAs (circRNAs) and diseases contributes to a deeper understanding of the pathogenesis of diseases. Many computational methods have been proposed for circRNA-disease associations identification. However, these methods still exhibit some limitations such as ignoring the effect of noise. In this paper, we proposed a new knowledge graph attribute mining attention network (KAATCDA) to predict circRNA-disease associations based on knowledge graph attribute network (KGA) and attribute mining attention network (AMA). Firstly, KGA is used to learn the f
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.
Clinical examination of the tongue is essential for diagnosing systemic and local diseases. However, traditional diagnostic methods rely on subjective evaluation. Artificial intelligence, particularly convolutional neural networks, has shown promise in enhancing diagnostic accuracy in medical imaging. This study aimed to classify common tongue lesions using convolutional neural networks, improving diagnostic precision in routine dental examinations. A dataset of 1038 tongue images was analyzed, categorized into six classes: healthy, coated, fissured, hairy, geographic, and median rhomboid glos
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 investigates the application of Radiomic features within graph neural networks (GNNs) for the classification of multiple-epitope-ligand cartography (MELC) pathology samples. It aims to enhance the diagnosis of often misdiagnosed skin diseases such as eczema, lymphoma, and melanoma. The novel contribution lies in integrating Radiomic features with GNNs and comparing their efficacy against traditional multi-stain profiles.
METHODS: We utilized GNNs to process multiple pathological slides as cell-level graphs, comparing their performance with XGBoost and Random Forest classif
СтатьяСравнительное исследованиеПоиск 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.
A control-aware digital twin framework for tracking and improving oil and gas production systems is suggested in this paper. The method combines spatiotemporal graph neural networks, neural 4D-Var data assimilation, reinforcement learning-based control, and physics-informed neural operators (FNO and Neural operator model). Benchmark cyber-physical system datasets (SWaT and WADI) and a simulated oil and gas dataset are used to assess the framework. The results, which were confirmed by several independent runs using average measures, demonstrate enhanced performance in state estimation, anomaly
СтатьяVideo-Audio MediaПоддержка 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.
Computed tomography (CT), particularly non-contrast CT (NCCT), is crucial in emergency settings for rapid stroke diagnosis due to its affordability and accessibility, yet subtle density variations in early ischemia are often obscured by high noise and low soft-tissue contrast in NCCT. To address this, we present RGCNN-nnUNet, a novel architecture designed for high-fidelity brain tissue segmentation. We introduce a Recurrent Group Convolutional Cell that leverages group equivariance to extract consistent anatomical features and stabilize iterative refinement. Evaluations on multi-center dataset
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.
Convolutional neural networks (CNNs) have been widely used for acne image classification due to their effectiveness in capturing local texture of skin lesions. However, the locality of convolution operations limits their ability to model long-range dependencies. Vision Transformer (ViT) methods address this issue to some extent but their high computational complexity and reliance on large-scale pre-training present challenges. Although CNN-Transformer architecture alleviates this conflict to some extent, acne images present task-specific challenges, including indistinct lesion boundaries, subt
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.
OBJECTIVES: Development and verification of a convolutional neural network (CNN)-based deep learning (DL) model for mandibular canal (MC) localization on multicenter cone beam computed tomography (CBCT) images.
METHODS: In this study, a total 1056 CBCT scans in multiple centers were collected. Of these, 836 CBCT scans of one manufacturer were used for development of CNN model (training set: validation set: internal testing set = 640:360:36) and an external testing dataset of 220 CBCT scans from other four manufacturers were tested. The convolution module was built using a stack of Conv + Inst
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 current industrial control system network is susceptible to data theft attacks such as SQL injection in practical applications, resulting in data loss or leakage of enterprise secrets. To solve the network intrusion problem faced by industrial control systems in the current global communication security environment, a network intrusion detection method based on genetic algorithm and improved convolutional neural network is proposed. Genetic algorithm is utilized to solve and optimize the data, one-dimensional multi-scale convolutional neural network is combined with gated recurrent unit to
СтатьяОтозванная публикацияПоиск 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.
Exploring the dynamics of complex systems such as the human brain is challenging due to inherent uncertainties and the limited availability of high-quality data. Here, we develop a mathematical theory for noisy linear recurrent neural networks (lRNNs) within the reservoir computing framework and demonstrate their effectiveness in constructing autonomous in silico replicas - digital-twins - of brain activity. We show that the Laplace-transform poles of high-dimensional inferred lRNNs directly encode the spectral properties of observed systems and are linked to the kernels of auto-regressive mod
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.
Diagnostics of respiratory disorders greatly benefit from medical imaging, especially X-ray imaging, which offers important information about the anatomical anomalies of the lungs. As we delve deeper into the field of lung illness recognition, it becomes clear that utilizing multiscale Deep Convolutional Neural Network (DCNN) techniques has the potential to transform the detection of pneumonia and tuberculosis from X-ray images. In this paper, we will classify images through a process that requires only chest X-ray images. We have proposed a deep learning (DL)-based algorithm for lung disease
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.
Limited recent evidence implicates the anterior/posterior cingulate (ACC/PCC) and lateral prefrontal networks as the neural substrates of risky decision-making biases such as illusions of control (IoC) and gambler's fallacy (GF). However, investigation is lacking on the dynamic interactive effect of those biases during decision making. Employing a card-guessing game that independently manipulates trial-by-trial perceived control and gamble outcome among 29 healthy female participants, we observed both IoC- and GF-type behaviors, as well as an interactive effect of previous control and previous
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.
With the development of science and technology, lithium batteries, as important energy storage devices, have become a research hotspot for fault diagnosis. In response to the shortcomings of traditional fault diagnosis techniques in processing complex signals and extracting key features, a high-performance lithium battery fault diagnosis model is constructed by combining the high-dimensional representation ability of a two-dimensional convolutional neural network (2DCNN) with the decomposition stability of an optimized empirical mode decomposition (EMD) method. The study first uses an improved
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.