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
13467 публикаций
Поиск: 159 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 922 с найденным полным текстом
Brain image analysis presents significant challenges due to limitations in precision, computational efficiency, and interpretability. Although neural networks have proven effective for modeling complex patterns, they often function as black-box systems, making their predictions difficult to interpret and limiting their clinical utility. To address these challenges, we propose the adaptive spatial key-region identification (ASKRI) framework-a novel method to identify region of interest, which combines adaptive sampling based on Shannon entropy, probability-mean-driven selection, and spatial unc
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: Quantification of dental irregularities is essential for assessing case severity, evaluating treatment outcomes, and aiding early detection of fixed retainer failure. Measurements are typically performed on casts or digital scans, although manual measurement on intraoral photographs has been explored to enable remote monitoring. This study evaluated automated measurement of mandibular anterior irregularity on intraoral photographs using a deep learning model.
METHODS: A dataset of intraoral occlusal photographs annotated with contact points of mandibular anterior teeth was created
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.
CONTEXT.—: The current melanoma staging system does not account for 26% of the variance seen in melanoma-specific survival, therefore our ability to predict patient outcome is not fully elucidated. Morphology may be of greater significance than in other solid tumors, with Breslow thickness remaining the strongest prognostic indicator despite being subject to high levels of interobserver variation. The application of convolutional neural networks to whole slide images affords objective morphologic metrics, which may reveal new insights into patient prognosis.
OBJECTIVE.—: To develop and evalua
СтатьяОценочное исследованиеПолный 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.
Developments in image captioning technologies played a crucial role in improving the quality of life for individuals with visual impairments, advancing better social inclusivity. Image captioning is the task of representing the visual content of the images in natural language, applying a language method and a visual understanding system able to generate significant and syntactically correct sentences. Image captioning is a field of research of vast significance, targeting the creation of natural language representations for visual content in static images. Automatically representing the 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.
Accurate primary tumor (pT) staging in muscle-invasive bladder cancer (MIBC) is crucial for treatment and prognosis. Current methods require time-consuming, labor-intensive microscopic evaluation by pathologists, with inherent interobserver variability. There is a need for AI-driven automated diagnosis of whole-slide images (WSI) to improve diagnostic efficiency while maintaining accuracy in pT staging. We obtained 281 H&E-stained WSI samples from the TCGA dataset for developing and validating a graph neural network (GNN)-based diagnostic model, and 83 additional samples from a hospital for ex
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.
RATIONALE AND OBJECTIVES: To simplify the diagnostic features used by an artificial neural network compared with logistic regression (LR) in the diagnosis of calvarial metastasis with computed tomography and analyze their accuracy.
MATERIALS AND METHODS: Twenty-one of 167 patients with calvarial lesions were found to have metastasis. Clinical and computed tomography data were used for LR and neural network models. Both models were tested with the leave-one-out method. The final results of each model were compared using the area under receiver operating characteristic curve (Az).
RESULTS: The
Сравнительное исследованиеОценочное исследованиеСтатьяПоиск 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: Parkinson's Disease (PD) is a chronic neurodegenerative disorder that has been ranked second after Alzheimer's disease worldwide. Early diagnosis of PD is crucial to combat against PD to allow patients to deal with it properly. However, there is no medical test(s) available to diagnose PD conclusively. Therefore, computer-aided diagnosis (CAD) systems offered a better solution to make the necessary data-driven decisions and assist the physician. Numerous studies were conducted to propose CAD to diagnose PD in the early stages. No comprehensive reviews have been conducted to summari
СтатьяScoping ReviewПоиск 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.
Artificial neural networks (ANNs), computer paradigms that can learn, excel in pattern recognition tasks such as disease diagnosis. Artificial neural networks operate in two different learning modes: supervised, in which a known diagnostic outcome is presented to the ANN, and unsupervised, in which the diagnostic outcome is not presented. A supervised learning ANN could emulate human expert diagnostic performance and identify relevant predictive markers in the diagnostic task, while an unsupervised learning ANN could suggest reasonable alternative diagnostic classification criteria. In the pre
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.
Image classification uses computers to simulate human understanding and cognition of images by automatically categorizing images. This study proposes a faster image classification approach that parallelizes the traditional Adaboost-Backpropagation (BP) neural network using the MapReduce parallel programming model. First, we construct a strong classifier by assembling the outputs of 15 BP neural networks (which are individually regarded as weak classifiers) based on the Adaboost algorithm. Second, we design Map and Reduce tasks for both the parallel Adaboost-BP neural network and the feature ex
Поиск 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.
Alzheimer's disease (AD) develops long before clinical symptoms appear, which highlights the need for early diagnostic tools. Current diagnostic techniques often miss the subtle structural brain changes in the early stages of AD, creating a critical gap in timely medical intervention. This paper proposes a combined modified Transformer Encoder-Convolutional Neural Network (CNN) architecture for AD detection using Magnetic Resonance Imaging (MRI). Data augmentation techniques, including rotation, zooming, brightness adjustment and flipping, are applied to increase the number of training images.
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
In this study, we proposed a capsule dynamic graph convolution network (EF-CapsDGCN) for accurate decoding of upper limb motor execution (ME) based on both electroencephalogram (EEG) and functional near-infrared spectroscopy (fNIRS) signals. In EF-CapsDGCN, EEG/fNIRS features are extracted using the same convolutional architecture but different parameter settings. The extracted features from both modalities are then dynamically routed to capsules. Afterwards, the single-modality capsules are concatenated to form EEG-fNIRS multimodal capsules. Each capsule is treated as a graph node, and hidden
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.
Underwater objects often suffer from severe visual degradation, including strong background noise induced by water impurities, blurred boundaries caused by optical scattering, and small object suppression in complex environments. These factors collectively pose significant challenges to underwater object detection (UOD). To address these issues, we propose the Multi-Scale Inverted Pyramid Network (MIP-Net) tailored for UOD. Moving beyond standard feature fusion paradigms, MIP-Net introduces explicit conceptual shifts through two key components: the Local Adaptive Contrast module (LAC) and the
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.
Modeling the interplay between macro-level structure and micro-level dynamics remains a fundamental challenge in neural sequence modeling, particularly in dialogue analysis. While cognitive theories establish that thematic evolution and emotional dynamics are intrinsically coupled-where topic appraisal drives emotion and affective states signal topic shifts-current neural dialogue models largely treat these dimensions in isolation. Consequently, existing architectures often oversimplify dialogue context into flat sequences or monolithic graphs, failing to capture the hierarchical dependencies
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.
Vocal cord lesions (VCL) that are not promptly diagnosed and treated may adversely affect patients' voice quality and speech communication in the short term, diminishing their quality of life. Long-term progression may lead to malignant tumors in the larynx, posing a threat to patients' health and life. To this end, this study proposes CKAD-Net, a vocal cord lesion prediction model based on category-guided key feature aggregation and adaptive decision-making. The category-guided key feature aggregation mechanism adaptively adjusts the attention distribution across different features for variou
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.
This study develops and analyses a mathematical model that represents dengue transmission between human and mosquito populations. The human population is divided into susceptible, infected, and recovered classes, while the mosquito population is divided into susceptible and infected classes. This model captures interaction between humans and vectors with a number of significant epidemiological parameters governing the spread of disease. In devising effective intervention strategies, two optimal control techniques are considered. The first technique applies Pontryagin's Minimum Principle for ob
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.
OBJECTIVE: The aim of this study was to develop convolutional neural network (CNN)-based systems to diagnose calculus, plaque, gingival hyperplasia and gingival inflammation in intraoral images from orthodontic patients.
MATERIALS AND METHODS: A dataset of 1,000 lateral and frontal intraoral images from orthodontic patients was used to develop CNN-based models. Periodontology specialists annotated areas of dental calculus, plaque, gingival inflammation, and gingival hyperplasia on the teeth and gingiva. The dataset was divided into training (80%), validation (10%), and test (10%) sets for mod
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.
Compared to single modal object tracking, the main challenge in RGBT tracking lies in effectively fusing features from both modalities. However, many existing methods neglect the dependence of distinct regions from different modalities, instead only considering that of identical regions, which fails to capture the cross-modal cross-regional relationships. In other words, they do not leverage the mutual guidance between different regions of different modalities. To address this limitation, we propose a novel RGBT tracking network, MGNet, which employs dual-stage attention and multi-scale featur
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.
Identifying feature-concealed backdoor samples that entangle with benign semantics of target-class or possess dynamic triggers challenges backdoor attack detection. Existing methods focus on sample distribution differences in latent space of victim model. However, backdoor samples containing target-class discriminative semantics tend to produce distribution overlapped with those of benign samples, prone to missed detection. Moreover, these methods assume distribution of backdoor samples is continuous and clustered, which have difficulty in precisely fitting fractured distribution arising from
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: Leukemia is a cancer that develops in the bone marrow and blood that is brought on by an excessive generation of abnormal white blood cells. This disease damages deoxyribonucleic acid (DNA), which is associated with immature cells, particularly white blood cells. It is time-consuming and requires enhanced accuracy for radiologists to diagnose acute leukemia cells.
OBJECTIVE: To overcome this issue, we have studied the use of a novel proposed LEU-EHO NET.
METHODS: LEU-EHO NET has been proposed for classifying blood smear images based on leukemia-free and leukemia-infected images.
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.
Scale variation is a challenge in human pose estimation. The scale variations of human body are related to the accuracy and robustness of posture estimation. For example, the prediction accuracy of smaller joints (such as ankles and wrists) is less than that of larger joints (such as head and shoulders). To address the impact of scale variations across parts of the human body on the positioning of key points. In this paper, we propose a Detail Enhanced High-Resolution Network (DE-HRNet), which can efficiently extract local detail features and mitigate the impact of scale variations for human p
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.