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
8188 публикаций
Поиск: 146 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1278 с найденным полным текстом
EEG signal classification for neurological disorders is a very critical task in the healthcare field, demanding accuracy and efficiency. Due to the diversity of these disorders and the complexity of the EEG signals, the task of diagnosing these disorders is very challenging. Traditional methods usually cannot capture the intricate relationships between temporal and spatial features, which are inherent in EEG data. To overcome this challenge, the proposed Lightweight Graph Triplet Capsule Networks combined with Nearest Neighbor Graphs effectively leverage both temporal and spatial information i
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.
Cardiovascular disease (CVD) is caused by the abnormal functioning of the heart which results in a high mortality rate across the globe. The accurate and early prediction of various CVDs from the electrocardiogram (ECG) is vital for the prevention of deaths caused by CVD. Artificial intelligence (AI) is used to categorize and accurately predict various CVDs. Among different AI-based techniques, deep learning (DL)--based approaches are more effective in classifying various CVDs because they extract characteristics directly from the huge amounts of data needed to train the DL network. This paper
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
The automated classification of phonocardiogram (PCG) recordings represents a substantial advancement in cardiovascular diagnostics. This paper presents a systematic comparison of four distinct models for heart murmur detection: two specialized convolutional neural networks (CNNs) and two zero-shot universal audio transformers (BEATs), evaluated using fixed-length and heart cycle normalization approaches. Utilizing the PhysioNet2022 dataset, a custom heart cycle normalization method tailored to individual cardiac rhythms is introduced. The findings indicate the following AUROC values: the CNN
СтатьяСравнительное исследованиеПолный 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 study introduces a novel Cardiac Electric Vector Simulation Model (CEVSM) to address the computational inefficiencies and low fidelity of traditional electrophysiological models in generating electrocardiograms (ECGs). Our approach leverages CEVSM to efficiently produce reliable ECG samples, facilitating data augmentation essential for the computer-aided diagnosis of myocardial infarction (MI). Significantly, experimental results show that our model dramatically reduces computation time compared to conventional models, with the self-adapting regression transformation matrix method (SRTM)
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.
According to the World Health Organization (WHO), Atrial Fibrillation (AF) is emerging as a global epidemic, which has resulted in a need for techniques to accurately diagnose AF and its various subtypes. While the classification of cardiac arrhythmias with AF is common, distinguishing between AF subtypes is not. Accurate classification of AF subtypes is important for making better clinical decisions and for timely management of the disease. AI techniques are increasingly being considered for image classification and detection in various ailments, as they have shown promising results in improv
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.
In this paper, we investigated and evaluated various machine learning-based approaches for automatically detecting wheezing sounds. We conducted a comprehensive comparison of these proposed systems, assessing their classification performance through metrics such as Sensitivity, Specificity, and Accuracy. The main approach to developing a machine learning-based system for classifying respiratory sounds involved the combination of a technique for extracting features from an unknown input sound with a classification method to determine its belonging class. The characterization techniques used in
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2024eng
This study investigates the utilization of the wav2vec 2.0 framework for heart sound analysis, with the intention to reduce the reliance on supervised data provided by cardiologists. Leveraging the self-supervised learning concept, wav2vec learns audio context representations by solving pretext tasks, thus diminishing the need for labeled data in downstream tasks. The model was pre-trained on heart sounds, lung sounds, and hospital ambient noise to sufficiently grasp the acoustic features of biological sounds. To tailor this pre-trained model for heart sound analysis, we employ either freezing
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.
Early detection of cardiac arrhythmia is needed to reduce mortality. Automatically detecting the cardiac arrhythmias is a very challenging task. In this paper, a new deep convolutional encoded feature (CEF) based on non-linear compression composition is applied to diminish the ECG signal segment size. Bidirectional long short-term memory (BLSTM) network classifier has been proposed to detect arrhythmias from the ECG signal, which is encoded by the convolutional encoder. These encoded features are used as the input to BLSTM network classifier. For performance comparison, three other classifiers
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 era of technological advances and innovations in transportation technologies, application of driving simulators for the investigation and assessment of the driving process provides a safe and suitable testing environment. Although driving simulators are crucial for further improvements in transportation, it is important to resolve one of their main disadvantages-simulator sickness. Therefore, suitable methods for the assessment of simulator sickness are required. The main aim of this paper was to present a non-invasive method for assessing simulator sickness by recording gastric myoelec
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.
INTRODUCTION: Quantitative measurements are helpful to discern fractionated electrograms in paroxysmal and persistent atrial fibrillation (AF), and may be useful to detect optimal ablation sites. However, electrical activation events can be transient, leading to erroneous estimates of electrogram properties. Measurement of continuous changes in electrogram frequency content may improve analysis.
METHOD: Fractionated local electrograms from 10 paroxysmal and 10 persistent AF patients were acquired from outside the pulmonary vein ostia and left atrial free wall using the distal bipolar ablation
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.
Based on communication theory, this study proposes a model to synthesize normal and wheezing sounds. The model included five parts: the flow source as a transmitter, the frequency and amplitude-modulated (FM-AM) sounds, the accompanying noise as a modulator, the airway wall as a medium, and the microphone as a receiver. The hypothesis of modulation builds on that the deviation of frequency and amplitude of the sounds which cause from the deviation of collision speed of the air flow on the wall. The model was successful to simulate the normal breath and wheezing sounds. Furthermore, it provided
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.
Recent advances in brain activity analysis and computational algorithms have enabled people with severe motor disorders to control external devices via brain activity. Brain-machine interface (BMI)/brain-computer interface has gained importance as the ultimate strategy for functional compensation because it improves impaired neuromuscular systems. Invasive BMI performed using needle arrays can best control robotic arms or computer cursors because it records neural activity in the primary motor cortex in detail. The extensive and validated physiological background of recorded signals enables re
Аннотация на английскомСтатьяОбзорПоиск 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.
A feed-forward neural network is used for diagnosis of spastic paralysis. It is a two-layer perceptron and it is able to classify two kinds of myoelectric signal recorded in surface electromyography: the normal EMG and the EMG in the case of spastic paralysis. The myoelectric signal was recorded with a surface electrode pair and sampled at 10 kHz. The EMG activity is stochastic and the instantaneous amplitude distribution for a fixed level of contraction is Gaussian. The signal variance is considered a measure of muscle force. We can describe any kind of this process by the AR model. For a pre
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.
Historically, the development of computerized models that utilize the deductive methods used by clinicians for the interpretation of cardiac arrhythmias have been limited by the absence of a consistently reliable means of detecting atrial activation. In this study, a theoretical model was developed with a hierarchical organization of problem-solving strategies utilizing automated analysis of atrial activation from a commercially available esophageal pill electrode and ventricular activation from a simultaneously recorded surface electrocardiographic lead. The theoretical model was then tested
СтатьяПоддержка исследования: вне правительства СШАПоддержка 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.
One of the most difficult but important steps in assessing the fetus's health is the diagnosis of fetal cardiac abnormalities using fetal electrocardiograms (FECG). In order to provide accurate information regarding the fetus's condition, FECG monitoring is required. Severe fetal arrhythmia can cause heart failure or even death. This paper presents a Non-Causal Adaptive Filter that extracts the FECG through multiple error estimation. The maternal channel ECG in the chest will be used as the reference input, and the abdominal ECG will be used as the primary input for this filter. The clean FECG
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 nonlinear neural network classifier was applied to noninvasive acoustic detection of coronary artery disease; the classifier included a feature vector, derived from diastolic heart sounds, and a multi-layered network trained by the backpropagation. The feature vector is based on the linear prediction coefficients of the autoregressive method after an adaptive line enhancement method was used as the input pattern to the neural network. One hundred and twelve recordings (70 abnormal, 42 normal) were studied and the network was trained on a randomly chosen set of six abnormal and six normal pat
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.
PURPOSE: An MRI scanner was designed and built to encode k -space points in the spin echoes occurring between 18 0 ∘ pulses in an echo train by using blipped B 0 gradient pulses applied just prior to those spin echoes.
METHODS: The proposed MRI scanner is a modification of an original design that used TRansmit Array Spatial Encoding (TRASE), a built-in B 0 gradient, and a thin RF coil defining a single axial slice. However, for TRASE, the thin profile coil needed a spatially uniform B 1 phase, and this proved difficult to achieve. We therefore replaced the RF encoding coil
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.
BACKGROUND: Light-weight, low-profile, and high-resolution head-mounted displays (HMDs) now allow personalized viewing, of a laparoscopic image. The advantages include unobstructed viewing, regardless of position at the operating table, and the possibility to customize the image (i.e., enhanced reality, picture-in-picture, etc.). The bright image display allows use in daylight surroundings and the low profile of the HMD provides adequate peripheral vision. Theoretic disadvantages include reliance for all on the same image capture and anticues (i.e., reality disconnect) when the projected image
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.
PURPOSE: Assessment of temporal and spatial relations between spontaneous mechanical activities in musculature (SMAM) at rest as revealed by diffusion-weighted imaging (DWI) and electrical muscular activities in surface EMG (sEMG). Potential influences of static and radiofrequency magnetic fields on muscular activity on sEMG measurements at rest were examined systematically.
METHODS: Series of diffusion-weighted stimulated echo planar imaging were recorded with concurrent sEMG measurements. Electrical activities in sEMG were analyzed by non-parametric Friedman and two-sample Kolmogorov-Smirno
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.
GOAL: The aim of this study was to investigate the normalization of the intrinsic functional activity and connectivity of TS adolescents before and after the cranial electrotherapy stimulation (CES) with alpha stim device.
METHODS: We performed resting-state functional magnetic resonance imaging on eight adolescents before and after CES with mean age of about nine-years old who had Tourette's syndrome with moderate to severe tics symptom. Independent component analysis (ICA) with hierarchical partner matching method was used to examine the functional connectivity between regions within cortic
Клиническое исследованиеСтатьяПоддержка 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.