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
13466 публикаций
Поиск: 176 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 922 с найденным полным текстом
INTRODUCTION: Hypertrophic cardiomyopathy (HCM) is a leading cause of sudden cardiac death in younger individuals. Accurate diagnosis is crucial for management and improving patient outcomes. The application of convolutional Neural Networks (CNN), a type of AI modeling, to electrocardiogram (ECG) analysis, presents a promising and optimistic avenue for the detection of HCM. We conducted a meta-analysis to assess the effectiveness of CNN models in diagnosing HCM through ECG.
METHODS: MEDLINE, Embase, and Cochrane were searched up to August 12, 2024, focusing on CNN ECG-based HCM detection mode
СтатьяМетаанализСистематический обзорПолный 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.
Pig coughing is an important acoustic indicator for the early detection of respiratory diseases in swine. Traditional monitoring relies heavily on manual inspection, which is labour-intensive and increases the risk of cross-infection. Therefore, intelligent detection of cough sounds using audio-based methods is essential for improving disease prevention and breeding efficiency. However, most existing studies focus on traditional audio features, such as Mel-Frequency Cepstral Coefficients (MFCCs) and filter bank (F-bank) features, which often struggle to maintain recognition accuracy in the 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.
Machine learning (ML) has benefited from both software and hardware advancements, leading to increasing interest in capitalising on ML throughout academia and industry. There have been efforts in the scientific computing community to leverage this development via implementing conventional partial differential equation (PDE) solvers with machine learning packages, most of which rely on structured spatial discretisation and fast convolution algorithms. However, unstructured meshes are favoured in problems with complex geometries. To bridge this gap, we propose to implement the unstructured Finit
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.
We present the design for a thermodynamic computer that can perform arbitrary nonlinear calculations in or out of equilibrium. Simple thermodynamic circuits, fluctuating degrees of freedom in contact with a thermal bath and confined by a quartic potential, display an activity that is a nonlinear function of their input. Such circuits can therefore be regarded as thermodynamic neurons, and can serve as the building blocks of networked structures that act as thermodynamic neural networks, universal function approximators whose operation is powered by thermal fluctuations. We simulate a digital m
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.
Seminal frameworks of predictive coding propose a hierarchy of generative modules, each attempting to infer the neural representation of the module one level below; the predictions are carried by top-down feedback projections, while the predictive error is propagated by reciprocal forward pathways. Such symmetric feedback connections support visual processing of noisy stimuli in computational models. However, neurophysiological studies have yielded evidence of asymmetric cortical feedback connections. We investigated the contribution of neural feedback in visual processing for computing grasp
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.
Abdominal organ segmentation is a rapidly advancing area in medical imaging, boasting numerous remarkable applications in clinical and research settings. Despite these advancements, most existing segmentation models are developed using single-source data. This homogeneity raises concerns regarding the applicability of these models to more diverse and complex clinical scenarios. This study aimed to develop a generalizable model for the semantic segmentation of abdominal organs using three widely recognized public datasets: BTCV, AMOS, and TotalSegmentator. Extensive cleaning and preprocessing w
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.
Many existing memristive synaptic models merge presynaptic and postsynaptic activities into a single aggregated stimulus, making their distinct functional roles difficult to interpret. To address this issue, this paper proposes a memristive synapse with a pre-driven and post-gated state-update mechanism, in which presynaptic activity drives synaptic-state evolution while postsynaptic activity nonlinearly modulates the direction and strength of the update. The proposed synapse is embedded into a compact two-neuron memristive Hopfield neural network to investigate how this functional decompositi
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.
Unsupervised medical anomaly detection aims to identify abnormal images by training exclusively on normal samples, thereby enabling the detection of disease-related irregularities without the need for large-scale labeled datasets. Current knowledge distillation-based methods typically detect anomalies by comparing feature discrepancies between teacher and student networks. However, because these methods employ an optimization strategy where the teacher and student architectures are highly similar, the student network's features tend to closely mirror those of the teacher, leading to an identit
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.
Accurate brain tumor classification from magnetic resonance imaging (MRI) is critical for early diagnosis and effective clinical decision-making. Although recent CNN-Transformer hybrid models have shown promising performance, most approaches rely primarily on single-modal spatial information, limiting their ability to capture complementary spectral features, model tumor heterogeneity, and generalize across datasets. To address these challenges, this paper proposes MM-FD-ConvFormer, a multimodal frequency-aware deformable CNN-Transformer network for robust brain tumor classification with enhanc
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 modern power systems continue to be integrated with renewable energy sources, the ability to detect faults in these systems quickly and accurately is becoming more sophisticated. A Hybrid Quantum Classical Neural Network (HQCNN) model is presented in this paper that addresses the real-time fault detection challenge in transmission systems. A classical feature extractor, in this case a 1D CNN, and a quantum circuit are combined by the model, which aids in the classification of faults. Evaluations were conducted on simulated IEEE 14 and 39-bus system and on approximately 800 real PMU fault ev
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.
Facial paralysis severely changes the individual's life and enlarges the physician's need for precise analysis and grading of facial paralysis for appropriate rehabilitation and treatment. A patient with facial paralysis will have asymmetry of their face, challenging their everyday actions like drinking and eating, and having psychosocial and physical distress owing to their physical form. Conventional models are only reliant on the clinician's decision and so time-consuming and subjective in nature. The notion of intelligent models executing artificial intelligence methods, particularly deep
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.
Metabolite-protein interactions (MPIs) play pivotal roles in regulating cellular processes and metabolic pathways and have important implications for systems biology and drug discovery. Although several computational models have been proposed, alternative approaches are needed to broaden the methodological toolkit for MPI prediction. In this study, we developed a new deep-learning model for predicting MPIs. Chemical and protein large language models were used to generate informative representations of metabolites and proteins. For each entity type, we constructed two K-nearest-neighbor hypergr
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.
Prostate cancer is a leading cause of cancer-related deaths, with Gleason grading being key for assessing tumor aggressiveness. We propose a Graph Neural Network-based approach to automate Gleason grading using the Automated Gleason Grading Challenge 2022 dataset. Patch-level graphs constructed from Hematoxylin and Eosin-stained Whole-Slide Images were classified into Gleason grades. Our results show that Graph Neural Networks, specifically Graph Attention Networks and Graph Convolutional Networks, effectively distinguish between grades despite class imbalance. Focal Loss improves the classifi
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: Eating is a primary daily activity crucial for maintaining independence and quality of life. Individuals with neuromuscular impairments often struggle with eating due to limitations in current assistive devices, which are predominantly passive and lack adaptive capabilities.
OBJECTIVE: This study aims to introduce an adaptive feeding robot that integrates time series decomposition, autoregressive integrated moving average (ARIMA), and feed-forward neural networks (FFNN). The goal is to enhance feeding precision, efficiency, and personalization, thereby promoting autonomy for indiv
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.
Peptide therapeutics offer great promise in drug discovery, yet the accurate identification of peptide toxicity remains essential for both safety assessment and biodefense. We developed ToxMamba, a toxic peptide prediction framework that integrates Implicit Structure Model (ISM)-derived pretrained embeddings, state space models, multi-scale feature learning, and ensemble inference. Built upon the Mamba architecture, ToxMamba enables efficient sequence modeling and captures contextual patterns across multiple receptive fields from parallel branches. On the independent test set, ToxMamba consist
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.
Phages (or bacteriophages) play a critical role in microbial communities, and accurately predicting the hosts of phages is essential for understanding the dynamics of these viruses and their impact on bacterial populations. In the prediction of classification of phage hosts, feature extraction is a critical step that directly affects the accuracy of the predictions. Among the techniques used for feature extraction, k-mers are the most commonly employed method. Although many methods based on k-mers have been proposed, these methods typically use only the frequency information of k-mers as featu
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 of polyps in colonoscopy images plays a pivotal role in the early detection and subsequent treatment of colorectal cancer. Nevertheless, existing segmentation techniques face challenges due to the significant variability in polyps' shapes, sizes, and the often indistinct contrast between polyp boundaries and the surrounding mucosal tissue. To address these limitations,we introduce a novel network architecture termed FDSS-Net, aimed at enhancing segmentation accuracy. Our key innovations include, Firstly, the Feature Enhancement and Propagation Module (FEPM) is designed to
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: Numerous neural networks based on the U-Net architecture have been developed for the segmentation of breast ultrasound images. However, the accuracy of such segmentation tasks is often compromised by the complex and variable shapes of tumors, the indistinct boundaries of lesion areas, and background noise.
PURPOSE: In this study, we develop a hybrid receptive field U-Net (HRF U-Net) to improve lesion segmentation in breast ultrasound images.
METHODS: We design an innovative hybrid receptive field module (HRFM) to replace conventional convolutional layers, integrating deformable c
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.