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
29669 публикаций
Поиск: 1739 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1458 с найденным полным текстом
International journal of environmental research and public health2019eng
Face scanners promise wide applications in medicine and dentistry, including facial recognition, capturing facial emotions, facial cosmetic planning and surgery, and maxillofacial rehabilitation. Higher accuracy improves the quality of the data recorded from the face scanner, which ultimately, will improve the outcome. Although there are various face scanners available on the market, there is no evidence of a suitable face scanner for practical applications. The aim of this in vitro study was to analyze the face scans obtained from four scanners; EinScan Pro (EP), EinScan Pro 2X Plus (EP+) (Sh
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.
PURPOSE: Fully automatic and accurate breast lesion segmentation is an essential and challenging task. In this paper, the authors develop a novel, effective, and fully automatic method for breast ultrasound (BUS) image segmentation.
METHODS: The segmentation method utilizes a novel phase feature to improve the image quality, and a novel neutrosophic clustering approach to detect the accurate lesion boundary. First, a region of interest is generated to cut off complex background. After speckle reduction, an enhancement algorithm based on phase in max-energy orientation (PMO) is developed to fu
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 treatment of androgenetic alopecia (AGA) is usually long lasting, and the effects of treatment attempts are difficult to measure. Consequently, there was a need for a sensitive tool to monitor hair loss and treatment response. Therefore, we developed the Trichoscan as a method which combines epiluminescence microscopy with automatic digital image analysis for the measurement of human hair. The Trichoscan is able to analyze all important parameters of hair growth (density, diameter, growth rate, vellus and terminal hair density) with an intraclass correlation of approximately 91% within the
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.
BACKGROUND: This study characterizes the topographic changes induced by pterygia.
METHODS: Using data obtained from a videokeratoscope (TMS-1), we assessed the topographic changes of corneas from 24 consecutive eyes with pterygia.
RESULTS: Each pterygium induced a localized area of flattening central to its apex of 38.00 +/- 2.80 diopter (D) which was significantly flatter (p < .0001) than the mean corneal power (43.70 +/- 1.70), minimum corneal power (MinK, 42.70 +/- 2.10), and the power of the flattest corneal meridian (42.90 +/- 1.90).
CONCLUSIONS: Our topographic findings characterize a
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.
We performed serial slit-lamp examinations and topography analysis on a patient whose initial topographic map suggested a diagnosis of keratoconus to us but which others interpreted as normal topography. Topography analysis documented cone progression during a two-year period. The initial map showed a cone apex power of 44.5 diopters located 2.1 mm inferior to the vertex normal. An oblong-shaped area of maximum power was surrounded by concentric bands of lower power. Corneal surface power ranged from 41.5 to 44.5 diopters. Two years later cone apex power increased to 51.0 diopters, and the pat
СтатьяПоддержка исследования: вне правительства СШАПоддержка службы здравоохранения 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.
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 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.
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.
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 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
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.Complicated deformation remains a critical challenge in medical image registration (MIR). Although deep learning-based spatial domain registration networks have achieved improved accuracy and efficiency, they still suffer from irreversible information loss, the 'small objects move fast' problem-where small objects are lost at low resolutions and reappear with large motions at finer resolutions-and accumulated deformation errors propagating through coarse-to-fine architectures.Approach.We propose Wave-Reg, a spatial-frequency registration framework built on a wavelet pyramid architect
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.Chest x-ray (CXR) imaging is widely used for screening thoracic diseases. However, accurate multi-disease detection remains challenging because lesion sizes vary substantially, multiple abnormalities often coexist, and small or low-contrast lesions can be obscured by anatomical structures. This study aims to improve multi-disease detection in CXR images by enhancing multi-scale lesion representation and cross-level feature consistency.Approach.We propose a CXR multi-disease detection framework based on multi-scale parallel perception and adaptive feature fusion. The Multi-scale Paral
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: Accurate and efficient deformable medical image registration is crucial in medical image analysis. While recent deep learning-based registration methods have achieved state-of-the-art accuracy, they often suffer from extensive network parameters and slow inference times, leading to inefficiency. Efforts to reduce model size and input resolution can improve computational efficiency but frequently result in suboptimal accuracy.
PURPOSE: To address the trade-off between high accuracy and efficiency, we propose a Lightweight Cross-Resolution Coarse-to-Fine registration framework, term
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 increasing complexity of whole slide images in histopathology requires models that would be accurate across magnifications while being robust to visual, topological, and contextual variations in the setting. Thus far, existing approaches have either failed to generalize across various resolutions, have ignored the inherent structural relationships within tissue architecture, or have not integrated a mechanism to adaptively prioritize samples during training. Aside from this, most approaches do not consider both pixel-level appearance and morphological context, which restricts their diagnos
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.
The process of particle picking, a crucial step in cryo-electron microscopy (cryo-EM) image analysis, often encounters challenges due to outliers, leading to inaccuracies in downstream processing. In response to this challenge, this research introduces an additional automated step to reduce the number of outliers identified by the particle picker. The proposed method enhances both the accuracy and efficiency of particle picking, thereby reducing the overall running time and the necessity for expert intervention in the process. Experimental results demonstrate the effectiveness of the proposed
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.
In the domain of medical image segmentation, traditional diffusion probabilistic models are hindered by local inductive biases stemming from convolutional operations, constraining their ability to model long-term dependencies and leading to inaccurate mask generation. Conversely, Transformer offers a remedy by obviating the local inductive biases inherent in convolutional operations, thereby enhancing segmentation precision. Currently, the integration of Transformer and convolution operations mainly occurs in two forms: nesting and stacking. However, both methods address the bias elimination a
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.
This research work explores the integration of medical and information technology, particularly focusing on the use of data analytics and deep learning techniques in medical image processing. Specifically, it addresses the diagnosis and prediction of fetal conditions, including Down Syndrome (DS), through the analysis of ultrasound images. Despite existing methods in image segmentation, feature extraction, and classification, there is a pressing need to enhance diagnostic accuracy. Our research delves into a comprehensive literature review and presents advanced methodologies, incorporating sop
ОбзорСтатьяПоддержка 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.
Objective. Accurate segmentation of various anatomical structures from dental panoramic radiographs is essential for the diagnosis and treatment planning of various diseases in digital dentistry. In this paper, we propose a novel deep learning-based method for accurate and fully automatic segmentation of the maxillary sinus, mandibular condyle, mandibular nerve, alveolar bone and teeth on panoramic radiographs.Approach. A two-stage coarse-to-fine prior-guided segmentation framework is proposed to segment multiple structures on dental panoramic radiographs. In the coarse stage, a multi-label se
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.
Automatic vessel segmentation is a critical area of research in medical image analysis, as it can greatly assist doctors in accurately and efficiently diagnosing vascular diseases. However, accurately extracting the complete vessel structure from images remains a challenge due to issues such as uneven contrast and background noise. Existing methods primarily focus on segmenting individual pixels and often fail to consider vessel features and morphology. As a result, these methods often produce fragmented results and misidentify vessel-like background noise, leading to missing and outlier point
СтатьяПоддержка 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.