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
1157 публикаций
Поиск: 81 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 247 с найденным полным текстом
Early and real-time detection of rice leaf diseases (RLD) poses a significant challenge for farmers, especially in rural regions with limited access to advanced technology. Conventional deep learning models often require substantial computational resources, rendering them impractical for deployment on mobile or edge devices commonly used in agricultural environments. Although models such as ResNet50, VGG16, and InceptionV3 can achieve high accuracy, they are computationally expensive and may be less suitable for real-time deployment in smart agricultural systems. Furthermore, many existing stu
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 rapid proliferation of Internet of Things (IoT) devices has brought about a profound transformation in our daily lives and work environments. However, this proliferation has also given rise to significant security challenges, as cybercriminals increasingly target IoT devices to exploit vulnerabilities and gain access to sensitive data. This escalating threat landscape poses a severe issue across diverse domains where IoT is deployed, including agriculture, healthcare, and surveillance. In the realm of agriculture, where farmers have historically contended with pests and environmental chall
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.
With the advent of IoT and its immense possibilities through cloud randomization, connectivity has matured almost out of proportion; yet this factor has equally opened various attack surfaces thereby rendering IoT-cloud environments vulnerable to multiple attacks. To address the issue, we introduce a versatile approach for hybrid intrusion diagnosis made possible through ResNeXt, a DCNN architecture noted for high efficiency and scalability in extracting features, and the Improved Ebola Optimization Search Algorithm (IEOSA), a novel metaheuristic optimizer fashioned after the spread dynamics o
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.
Wireless Sensor Networks (WSNs) are increasingly deployed in Internet of Things (IoT) systems for applications such as smart transportation, telemedicine, smart health monitoring and fall detection systems for the elderly people. Given that huge amount of data, vital and critical information can be exchanged between the different parts of a WSN, good management and protection schemes are needed to ensure an efficient and secure operation of the WSN. To ensure an efficient management of WSNs, the Software-Defined Wireless Sensor Network (SDWSN) paradigm has been recently introduced in the liter
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.
Successful pandemic preparedness and sustainable healthcare security increasingly rely on One Health-linking humans, animals, and the environment. Novel real-time geolocated data sources from social media, the web, digital traces, and Internet of Things (IoT) sensors, combined with traditional surveillance data, are increasingly used to power AI models and enhance environmental sensing that is essential for preparedness and response in the One Health context. Despite the abundance of data streams and sensing data, the potential of AI and IoT environmental monitoring for One Health remains unfu
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.
Safety has always been a concern. Thus, employing and utilizing technology is vital to help society address this concern. This paper looks at the design and implementation of a Smart Safety Protection System (SSPS), which employs the Internet of Things (IoT) to solve the issue of real-time monitoring, geolocation tracking, and emergency alert features. The proposed system is a wearable device that uses sensors and GPS to send continuous data to both an application on smartphones and a database on the cloud. The system's features include detecting unauthorized removal of the device as well as 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.
Healthcare and urban infrastructure are increasingly supported by Internet of Things-based sensing systems, in which heterogeneous physiological, environmental, and transmission-level data require reliable, low-latency processing. Existing works typically treat medical IoT sensing, smart-city anomaly detection, or edge-cloud offloading as isolated problems, thereby failing to support integrated sensing scenarios in shared smart environments. This paper introduces a Hybrid Edge-Cloud Intelligence Framework (HECIF) for reliable sensing and data fusion in smart healthcare and urban IoT environmen
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.
IoT-enabled smart homes require accurate activity classification to enhance safety, healthcare monitoring, and energy efficiency through continuous sensing and intelligent interpretation of human behavior. Common approaches employ wearable or ambient sensors, signal preprocessing, feature extraction, and deep learning models such as CNNs, LSTMs, BiLSTM, and attention-based classifiers. These techniques generally achieve high classification accuracy, robust temporal modeling, and improved detection of complex activities, supporting reliable automation, health assessment, and anomaly recognition
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.
OBJECTIVE: Strengthen the legal, compliant, and rational use of medical equipment and further guide the rationalization of medical behaviors.
METHODS: By utilizing the Internet of Things (IoT) and image analysis technology, collect real-time operation data of the equipment, establish a real-time running database for medical equipment, and cooperate with the 12 key links of the "whole life" of the equipment and the 8+6 management system framework to implement lean management of the efficiency, benefit, and effectiveness of medical equipment usage.
RESULTS: It realizes the improvement of the q
Аннотация на английскомСтатьяПоиск 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.
Internet of Things (IoT) technologies allow building a digital representation of people, objects, or physical phenomena to be available on the Internet. Thus, stakeholders can access this information from remote places or computational systems could analyze this data to find patterns, make decisions, or execute actions. For instance, a doctor could diagnose patients by analyzing the received data from an IoT system even when patients are located in a remote place. This article proposes an IoT system for monitoring electrocardiogram (ECG) signal and processing heart data in order to generate an
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 Internet of Medical Things (IoMT) ecosystems expand, life-critical devices become increasingly vulnerable to microarchitectural leakage attacks that enable adversaries to evade conventional digital authentication mechanisms. Exploiting timing and cache leakage allows adversaries to extract credentials and issue cryptographically valid commands with physiologically unsafe parameters, a systemic weakness we define as the verified attacker problem. This work introduces a dual-layer physiological and side-channel defense architecture that maintains patient safety even under credential compromis
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.
Accurate segmentation and classification of lung nodules in computed tomography (CT) scans remains a critical challenge in early lung cancer detection within distributed healthcare Internet of Things (IoT) environments. This paper presents a novel two-stage framework called Adaptive Geometric-Attention Network (AGA-Net) that integrates geometric constraints with multi-scale attention mechanisms for precise nodule segmentation followed by uncertainty-aware malignancy classification in federated learning scenarios. Unlike existing approaches that rely on traditional convolutional architectures,
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.
Internet of Medical Things (IoMT) is a group of medical devices that connect the healthcare information technology to minimize the redundant hospital visit and healthcare system troubles. IoMT connect the patients to the doctor and transmit the medical data over the network. The spread of corona virus has put the people at high risk. Due to increasing number of cases and its stress on health professionals, IoMT technology is used in many healthcare centers. But, the security level and data classification accuracy was not improved by existing methods during the data communication. In order to s
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 monitoring, diagnosis, and treatment of patients has been completely transformed by the Internet of Things (IoT) in healthcare, especially in underprivileged and distant locations. IoT-enabled remote patient monitoring (RPM) makes it possible to gather and transmit health data like heart rate, glucose levels, and blood pressure in real-time, facilitating proactive and individualized care. IoT-enabled smart wearable devices like smartwatches, ECG patches, and fitness bands track physical activity and health parameters provide real-time data to clinicians via mobile apps or cloud servers and
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.
Resource-constrained medical sensing devices are increasingly expected to support local intelligence, privacy-preserving collaboration, and secure communication in Internet of Medical Things (IoMT) environments. However, deploying federated learning in ICU monitoring remains challenging because hospital data are often non-IID, model updates may be adversarially poisoned, and emerging quantum-security threats require stronger communication protection. This paper presents a federated TinyML framework with an edge-hosted patient-state Digital Twin layer for ICU monitoring. The Digital Twin compon
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.
Space-Air-Ground Integrated Networks (SAGIN) supporting Industrial Internet of Things (IIoT) applications impose stringent requirements on intrusion detection due to node mobility, heterogeneous link characteristics, constrained edge resources, and cross-tier attack propagation. Most standard security methods rely on one main system or some fixed settings that makes it hard to respond quickly when the network changes or when there is not much power. This paper presents HSP-SR, a hierarchical intrusion detection and response framework structured according to the physical segmentation of SAGIN.
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.
Poultry farming is a rapidly growing agricultural subsector worldwide and plays a significant role in meeting global demand for human protein. In Bangladesh, poultry farming is in developing phase, but it faces major challenges. Where improper temperatures, humidity, gas concentrations, dust levels, and poor ventilation significantly reduce poultry health, egg production, and overall farm profitability. To address these issues, monitoring systems are increasingly being adopted for early detection and continuous assessment of the farm environment. However, in a traditional monitoring system, th
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.
Automated mobile microscopy in Internet of Things (IoT) networks is essential for scaling malaria screening in resource-constrained environments. Deploying standard convolutional architectures here introduces severe adversarial vulnerabilities. Post-Training Quantization (PTQ) mitigates hardware constraints by converting floating-point models to 8-bit integers (INT8); however, its impact on clinical safety and security remains unexplored. This study presents an adversarial audit of quantized Vision Transformers for medical edge deployment. We evaluated a Swin-Tiny transformer against ViT-Tiny
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.
According to the World Health Organization, about 15% of the world's population has some form of disability. Assistive Technology, in this context, contributes directly to the overcoming of difficulties encountered by people with disabilities in their daily lives, allowing them to receive education and become part of the labor market and society in a worthy manner. Assistive Technology has made great advances in its integration with Artificial Intelligence of Things (AIoT) devices. AIoT processes and analyzes the large amount of data generated by Internet of Things (IoT) devices and applies Ar
Систематический обзорСтатьяПолный 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.
Topology is one of the most important factors influencing the performance of software-defined wireless sensor networks (SDWSN) in the Internet of Things (IoT). This paper presents a novel topology control algorithm using federated reinforcement learning, proposed for SDWSN in the IoT. Our approach represents the SDWSN as a federated learning system in which each sensor node runs a reinforcement learning model to change its communication range such that the node degree approaches the desired value. Another reinforcement learning model was applied to the SDN controller to assign the sensor node
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.