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: 182 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 922 с найденным полным текстом
Atrial fibrillation (AF) is a prevalent cardiac arrhythmia associated with an elevated risk of severe complications, including stroke and heart failure. Due to its paroxysmal nature and the inherent complexity of electrocardiogram (ECG) signals, developing highly accurate and robust automated detection methods remains a critical challenge. To address the limitations of existing models in simultaneously capturing local morphological anomalies and long-range temporal dependencies, we proposed RT-AFNet, a novel hybrid ResNet-Transformer architecture. Specifically, RT-AFNet integrated the robust l
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.
Thyroid nodules are a common endocrine condition that can be detected through medical imaging, aiding in the identification of thyroid cancer. Accurate segmentation of these nodules is crucial for precise diagnosis, considering factors such as size, shape, and number of nodules that influence their grading. Automating the segmentation process can benefit clinicians and researchers by providing efficient and reliable results. However, ultrasound image segmentation presents challenges due to the complex tissue structure surrounding the thyroid. Traditional approaches have relied on manually deve
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.
INTRODUCTION: Accurate detection of gastrointestinal diseases from endoscopic images remains challenging due to substantial inter-class similarity, intra-class variability, and heterogeneous lesion presentation. While convolutional neural networks (CNNs) effectively capture fine mucosal textures, their limited receptive field restricts global contextual reasoning. Conversely, transformer architectures model long-range dependencies but may underrepresent localized structural detail.
METHODS: This study proposes a dual-branch hybrid transformer framework that integrates global token-level reaso
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.
BACKGROUND: Capsule endoscopy (CE) is an essential tool for detecting various lesions in the small bowel and plays a crucial role in assessing Crohn's disease (CD). However, manual interpretation of CE images is time-consuming and susceptible to missed detections, primarily due to multi-scale lesions, complex backgrounds, and ambiguous boundaries.
METHODS: To address these challenges, we propose ISFPE-Net, a novel feature pyramid network for robust multi-scale lesion detection in CE images. The network incorporates two key modules: the Cross-Dual Attention Fusion (CDAF) module, which adaptive
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: The purpose of this work is to develop a data-driven framework for real-time prediction of focused ultrasound pressure fields in the spinal cord, addressing the limitations of computationally intensive acoustic simulations. Focused ultrasound therapy offers submillimeter precision for targeted treatment of spinal cord injuries, but its efficacy depends critically on transducer placement due to the spinal cord's complex geometry and acoustic heterogeneity across anatomical layers.
METHODS: Conventional computational models rely on wave propagation simulations to generate patient-spe
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.
Traditional convolutional neural networks (CNNs) struggle with scale and rotation transformations, resulting in reduced performance on transformed images. Previous research focused on designing specific CNN modules to extract transformation-invariant features. However, these methods lack versatility and are not adaptable to a wide range of scenarios. Drawing inspiration from human visual invariance, we propose a novel brain-inspired approach to tackle the invariance problem in CNNs. If we consider a CNN as the visual cortex, we have the potential to design an "eye" that exhibits transformation
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.
Mycetoma, recognised by the WHO as a Neglected Tropical Disease, has significant diagnostic hurdles which lead to severe health consequences. Mycetoma can be caused by certain types of bacteria (actinomycetoma) or fungi (eumycetoma). Identifying whether mycetoma is bacterial or fungal plays a significant role in treatment planning, and an incorrect diagnosis can seriously affect patient prognosis and outcome. This paper explored the feasibility of using state-of-the-art artificial intelligence (AI) computer vision methods to effectively detect and diagnose mycetoma grains from histopathologica
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.
With the intent of assisting gastroenterologists from all over the world, the proposed work aims to eliminate the effort required to achieve accurate diagnoses. Statistically, gastrointestinal diseases often result in fatal disorders, contributing to a significant number of fatalities. The upper gastrointestinal tract (GIT) includes the stomach, esophagus, and duodenum, while the lower one comprises a section of the small intestine, namely the ileum, as well as the large intestine, including the colon. The challenges associated with GIT tract issues are apparently complex. Therefore, multiple
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.
Clinical otolaryngology : official journal of ENT-UK ; official journal of Netherlands Society for Oto-Rhino-Laryngology & Cervico-Facial Surgery2022eng
OBJECTIVES: To summarise the accuracy of artificial intelligence (AI) computer vision algorithms to classify ear disease from otoscopy.
DESIGN: Systematic review and meta-analysis.
METHODS: Using the PRISMA guidelines, nine online databases were searched for articles that used AI computer vision algorithms developed from various methods (convolutional neural networks, artificial neural networks, support vector machines, decision trees and k-nearest neighbours) to classify otoscopic images. Diagnostic classes of interest: normal tympanic membrane, acute otitis media (AOM), otitis media with e
МетаанализСистематический обзорСтатьяПолный 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.
Epilepsy is increasingly understood as a network disorder, prompting widespread application of graph-theoretic methods to electrophysiological and neuroimaging data. The resulting methodological landscape-spanning functional, structural, and effective connectivity, together with dynamic and multimodal extensions-has grown fragmented. Following PRISMA guidelines, we screen Web of Science, IEEE Xplore, PubMed, and Scopus, and reorganize the literature around five prevalent research tasks: seizure prediction, seizure detection, seizure type classification, clinical correlation analysis, and epile
СтатьяОбзорПолный 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.
Backdoor detection in neural networks is an emerging area of research in which backdoor triggers are injected to alter the model's output. For example, injected triggers into the citation network by modifying the features and structures of certain nodes. Whenever a model faces such a trigger, it misclassifies the node. In this paper, we propose a novel method for detecting backdoors in Graph Neural Networks (GNNs), which utilises model activation clustering and dynamic thresholding. The proposed model, XAI-DTBD: Explainable Dynamic Threshold-based Backdoor Detection in Graph Neural Networks, b
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.
Initial classification of microorganisms based on visual identification of colonies remains challenging for skilled microbiologists and is influenced by the proficiency and subjective interpretation of professionals. To overcome these challenges, we applied deep learning to microbial colony recognition to provide microbial data to microbiologists to assist in clinical classification. Photographs of clinically isolated microbial colonies were captured to produce a 48 × 48 pixel colony data set, which was divided into training, validation, and test data sets. Eight convolutional neural networks
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.
Alzheimer’s disease (AD), one of the most widespread neurodegenerative disorders, can be mitigated through early recognition and treatment. Recent research has shown that multimodal fusion is effective for the early-stage diagnosis of AD. However, most existing methods do not adequately account for the differences in data modality domains, their interconnections, and relative relevance.In this paper, we introduce a robust Intra-scale Interaction and Cross-scale Fusion Network (ISI-CSFN) for AD progression detection. The proposed model employs a linearized convolutional attention module to enab
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.
Human Activity Recognition (HAR) systems are designed to continuously monitor human behaviour, mainly in the areas of entertainment and surveillance in intelligent home environments. In this manuscript, Human Activity Recognition utilizing optimized Attention Induced Multi head Convolutional Neural Network with Mobile Net V1 from Mobile Health Data (HAR-AMCNN-MNV1) is proposed. The input data is collected through MHEALTH and UCI HAR datasets. Neural Spectrospatial Filtering (NSF) is used for avoiding accurate labelling and reduces errors. Afterwards, Variational Density Peak Clustering Algorit
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.
Cascading, as a multi-model combination approach, balances model execution efficiency and accuracy. This excellent method is widely used in various industrial production and commercial deployments, particularly in cloud-based inference services. With the increasing demand for low-latency services, researchers are more focused on the execution efficiency of these models, especially device utilization. It is highly desirable to fully utilize GPU resources by multiplexing different inference tasks on the same GPU through device-sharing techniques such as Multiprocessing Services (MPS). However, w
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.
At present, there is a phenomenon of network data packet loss in the trajectory tracking control system, which will degrade or even destabilize the system's performance. Therefore, this work first explains the theory of the deep long-short term memory (LSTM) neural network model, the kinematic model of mobile robots, and the trajectory tracking error model. The reasons for data packet loss in the control system are analyzed. Second, a prediction model based on the LSTM network is designed according to the theory mentioned above. Finally, the training effect of the LSTM model and the robot traj
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.
BACKGROUND: Pneumonia is a life-threatening disease, especially in infants and older individuals. Chest X-ray is the most common method for the detection of lung inflammation especially when the causes of pneumonia are unknown. However, the evaluation of X-ray images requires special human expertise hence, the detection process can be error-prone and is also time- and resource-consuming. Automating the pneumonia-detection process from chest X-ray using a computer algorithm will improve precision, save time and resources. METHODS: In this manuscript, a deep learning strategy called an ensemble
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.
Early diagnosis of Parkinson's disease (PD) is crucial for slowing its progression. Gait analysis is increasingly used to detect early symptoms, with smart insoles emerging as a cost-effective and convenient tool for daily monitoring. However, smart insoles have practical limitations, including durability concerns, limited battery life, and difficulties in minimizing the number of sensors. In this study, we designed a novel deep convolutional neural network model for accurately detecting abnormal gaits in patients with PD using a reduced number of sensors embedded in smart insoles. The propose
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.
Object detection methods that fuse visible and infrared modalities significantly enhance detection accuracy and robustness by leveraging complementary information from both modalities. However, existing methods suffer from the following shortcomings: 1) They are limited to specific scenarios (e.g., conventional or remote sensing small targets), making it difficult to meet the detection needs of multi-scale targets; 2) CNN-based fusion methods, constrained by static convolutional kernels, struggle to handle fusion tasks involving significant modality differences; 3) Transformer-based fusion met
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.
Image caption generation is an endeavor to provide a meaningful textual description that involves an image. Extracted information is relevant to the activities present in the images. ResNet (Residual Network) is well known for its ability to classify images, having developed deep hierarchical representations. The intention of this paper is to use ResNet with various smart filters to classify images more deeply, enabling the generation of genuine and meaningful descriptions that are highly precise with respect to the reference captions. Here, the work uses a smart filtering technique to enhance
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.