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
29666 публикаций
Поиск: 357 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1458 с найденным полным текстом
Deep learning involves an artificial intelligence (AI) approach and has been shown to provide superior performance for automating image recognition tasks, as well as exceeding human capabilities in both time and accuracy. Histopathology diagnostics is one of the more popular challenges at the intersection of artificial intelligence, computer vision, and medicine. Developing methods to automatically detect and identify pathologies in digitized histology slides imposes unique challenges due to the large size of these images and the complexity of the features present in biological tissue. Most me
СтатьяВалидационное 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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2024eng
Accurate segmentation of thyroid nodules is essential for early screening and diagnosis, but it can be challenging due to the nodules' varying sizes and positions. To address this issue, we propose a multi-attention guided UNet (MAUNet) for thyroid nodule segmentation. We use a multi-scale cross attention (MSCA) module for initial image feature extraction. By integrating interactions between features at different scales, the impact of thyroid nodule shape and size on the segmentation results has been reduced. Additionally, we incorporate a dual attention (DA) module into the skip-connection st
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 the field of medical image analysis, accurate lesion segmentation is beneficial for the subsequent clinical diagnosis and treatment planning. Currently, various deep learning-based methods have been proposed to deal with the segmentation task. Albeit achieving some promising performances, the fully-supervised learning approaches require pixel-level annotations for model training, which is tedious and time-consuming for experienced radiologists to collect. In this paper, we propose a weakly semi-supervised segmentation framework, called Point Segmentation Transformer (Point SEGTR). Particula
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: The use of optical surface systems (OSSs) for patient setup verification in external radiation therapy is increasing. To manage potential deformations in a patient's anatomy, a novel deformable image registration (DIR) tool has been applied in a commercial OSS. In this study we investigate the accuracy of the DIR as compared to rigid image registration (RR).
METHODS AND MATERIALS: The positioning accuracy of the DIR and RR implemented in the OSS was investigated using an ad hoc-developed anthropomorphic deformable phantom, named Mary. The phantom consists of 33 slices of expanded pol
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.
Non-invasive, contrast-free microvascular imaging of human thyroids can be potentially beneficial in reducing the large number of benign biopsies of suspicious nodules. However, motion incurred by thyroid due to its proximity to the pulsating carotid artery significantly impacts the visualization of blood flow in small vessels. Singular value based spatiotemporal clutter filtering (SVD-STF) improves the performance of tissue rejection in the presence of motion. However, despite effective clutter filtering, motion in thyroid imaging can impact coherent integration of the Doppler ensemble and de
СтатьяПоддержка NIH: внешняя программаПоиск 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: Beam hardening is an unavoidable phenomenon in polychromatic CT systems, where lower-energy photons are preferentially absorbed as x-rays pass through materials such as tissue, bone, and metal. This energy-dependent attenuation, which conflicts with the monochromatic assumption in filtered back-projection (FBP), produces artifacts that degrade CT image quality and diagnostic accuracy.
PURPOSE: This study aims to quantitatively estimate the mean energy corresponding to the beam-hardened projection data along each x-ray path and to employ this mean energy to convert energy-dependent
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.
A globally constant sound speed of 1540 m/s is often assumed when beamforming ultrasound images, despite variations in tissue properties that lead to heterogeneous sound speeds. As a result, the majority of local sound speeds are often misrepresented, which degrades image quality, resulting in inaccurate target depths, sizes, and shapes, thus reducing the overall effectiveness of diagnostic and interventional ultrasound imaging. In this article, we introduce a spatial coherence-based approach to estimate local sound speeds within and surrounding coherent and incoherent targets in ultrasound im
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.
This paper proposes a novel medical image segmentation method, SEFormer, which effectively leverages both local and global features representations to enhance segmentation accuracy and efficiency. To address the limitations of existing image segmentation methods based on transformers and CNNs cannot in simultaneously capturing both local and global features, we propose a novel hybrid network architecture that combines SENet, CNNs( Specifically ResNet), and Transformer. In this design, SENet is employed to enhance the global feature representation capabilities of CNNs, while the Transformer com
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.
Cone-beam computed tomography (CBCT) is widely used in dental imaging, small animal imaging, radiotherapy, and non-destructive industrial inspection. The quality of CBCT images depends on the precise knowledge of the CBCT system's alignment. We introduce a distinct procedure, 'precision alignment loop (PAL)', to calibrate any CBCT system with a circular trajectory. We describe the calibration procedure by using a line-beads phantom, and how PAL determines the misalignments from a CBCT system. PAL also yields the uncertainties in the simulated calibration to give an estimate of the errors in th
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.
Automated vertebrae detection (identification and localization) aims to identify vertebrae and locate their centroids in medical images, which is a critical step of spinal computer-aided systems. However, due to unpredictable field-of-view and various pathology cases, the image content is diverse and the vertebral morphology can be abnormal in a variety of ways, which challenges the designed systems. In this paper, we propose an effective sequence-based framework robust to various tough cases for accurate vertebrae identification and localization. Our method consists of three sub-modules: (1)
СтатьяОбзорПоддержка исследования: вне правительства СШАПолный 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 purpose of this study was to develop a technique to record the natural head position (NHP) of a subject using the scout images of cone beam computerized tomography (CBCT) scans. The first step was to align a hanging mirror with the vertical (XY) plane of the CBCT field-of-view (FOV) volume. Then, two scout CBCT images, at frontal and at sagittal planes, were taken when the subject exhibited a NHP. A normal CBCT scan on the subject was then taken separately. These scout images were used to correct the orientation of the normal CBCT scan. A phantom head was used for validation and performanc
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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
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.
Magnetic resonance (MR) image-guided radiotherapy is widely used in the treatment planning of malignant tumors, and MR-only radiotherapy, a representative of this technique, requires synthetic computed tomography (sCT) images for effective radiotherapy planning. Convolutional neural networks (CNN) have shown remarkable performance in generating sCT images. However, CNN-based models tend to synthesize more low-frequency components and the pixel-wise loss function usually used to optimize the model can result in blurred images. To address these problems, a frequency attention conditional generat
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.
BACKGROUND: Biomedical engineers in particular require fast and powerful data processing systems to process computerized tomography and magnetic resonance imaging scans and other medical imaging technologies. However, current computer data processing technologies are unable to satisfy such requirements. A promising approach to addressing these limitations is processing in memory (PIM). Unfortunately, several issues, such as the compatibility and interconnection of PIM with legacy systems, still remain.
OBJECTIVE: This paper proposes a standard memory bus-based PIM interface for medical image
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.
Reliable detection of engraved surface codes on surgical instruments is essential for end-to-end traceability, yet remains challenging in practice because metallic reflection, motion blur, scale variation and weak textures often hinder stable localization. Here we present LA-DBNet, a lightweight detection framework built on DBNet for this task. The model uses MobileNetV4 with LiteFPN to reduce complexity while preserving multi-scale feature representations. To better capture the elongated structure and edge features of engraved codes, we introduce a Directional Edge Collaborative Alignment (DE
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.
Atomic force microscopy (AFM) is a cornerstone for topographic imaging of biological specimens. However, the conventional reliance on raster scanning significantly constrains the acquisition speed of high-resolution images. To overcome this limitation, we propose the parameter-free channel-spatial attention network (PCSAN), a super-resolution (SR) model designed to accelerate AFM imaging. A paired dataset was constructed by applying controlled degradation to preacquired high-resolution (HR) virus images to generate corresponding low-resolution (LR) counterparts, which subsequently guided the s
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.
Plant diseases pose significant threats to agriculture, making proper diagnosis and effective treatment crucial for protecting crop yields. In automatic diagnosis processing, image segmentation helps to identify and localize diseases. Developing robust image segmentation models for detecting plant diseases requires high-quality annotations. Unfortunately, existing datasets rarely include segmentation labels and are typically confined to controlled laboratory settings, which fail to capture the complexity of images taken in the wild. Motivated by these, we established a large-scale segmentation
СтатьяDatasetПоиск 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.
Accurate segmentation of salient objects is crucial for various computer vision applications including image editing, autonomous driving, and object detection. While research on using depth information (RGB-D) in saliency detection is gaining significant attention, its broad application is limited by dependencies on depth sensors and the challenge of effectively integrating RGB and depth information. To address these issues, we propose an innovative method for salient object segmentation that integrates the Segment Anything Model (SAM), depth information, and cross-modal attention mechanisms.
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 accuracy of road object detection is crucial for ensuring the safe driving of autonomous vehicles. Challenges such as small object missed detection, excessive parameters, low accuracy, and poor robustness are commonly observed in current road object detection models. To address the above problems, a road object detection model named FRCP-YOLO is proposed in the present study, which is developed based on the YOLOv8n. Firstly, to reduce the model's parameters and complexity, the C2f module in the backbone network is replaced with a lightweight FasterNet Block, which enhancing the speed of im
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.
Painterly image harmonization aims to insert photographic objects into paintings to create visually harmonious artistic images. Unlike realistic images where local variations are relatively uniform, paintings exhibit highly spatially dependent style variations due to brushstrokes, textures, and color blending, with potentially significant style differences across different regions. Existing methods have made efforts to align the style of photographic objects with the whole painting, but often neglect the local style consistency around the insertion position. To address this, we propose a Posit
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.