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
13502 публикаций
Поиск: 152 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 922 с найденным полным текстом
Computational intelligence and neuroscience2012eng
One of the most important issues in power system restoration is overvoltages caused by transformer switching. These overvoltages might damage some equipment and delay power system restoration. This paper presents a radial basis function neural network (RBFNN) to study transformer switching overvoltages. To achieve good generalization capability for developed RBFNN, equivalent parameters of the network are added to RBFNN inputs. The developed RBFNN is trained with the worst-case scenario of switching angle and remanent flux and tested for typical cases. The simulated results for a partial of 39
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.
Reading distorted letters is easy for us but so challenging for the machine vision that it is used on websites as CAPTCHA (Completely Automated Public Turing Test to tell Computers and Humans Apart). How does our brain solve this problem? One solution is to have neurons selective for letter combinations but invariant to distortions. Another is for neurons to encode letter distortions and longer strings to enable separable decoding. Here, we provide evidence for the latter possibility using neural recordings in the monkey inferior temporal (IT) cortex. Neural responses to distorted strings were
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.
Planning is critical for adaptive behaviour in a changing world, because it lets us anticipate the future and adjust our actions accordingly. While prefrontal cortex is crucial for this process, it remains unknown how planning is implemented in neural circuits. Prefrontal representations were recently discovered in simpler sequence memory tasks, where different populations of neurons represent different future time points. We demonstrate that combining such representations with the ubiquitous principle of neural attractor dynamics allows circuits to solve much richer problems, including planni
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.
Deep learning has achieved notable success in sensor-based human activity recognition (SHAR), yet wearable inertial signals contain activity patterns at different temporal scales while practical deployment imposes strict computational constraints. This paper proposes a three-stage Adaptive CNN-Enhanced Scale-fusion Network (ACESNet) for six-channel accelerometer-gyroscope activity recognition. The Adaptive Kernel Encoder dynamically combines temporal kernels of different sizes, while the CNN-Enhanced Scale-fusion design combines multi-scale temporal mixing, explicit channel mixing and a parall
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.
To address the challenges of cross-modal information fusion in high-dimensional multimodal medical data for cancer prognosis, this study presents a hybrid diagnostic accuracy model for cancer survival prediction, integrating quantum computing with classical deep learning in a retrospective analysis of bladder cancer patients. We propose QTMPN (Quantum-Transformer Multimodal Prognostic Network), a novel framework integrating quantum neural networks (QNNs), Transformers, and graph neural networks (GNNs). For high-dimensional whole-slide pathological images (WSIs), a quantum feature extractor (QF
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.
To achieve rapid, nondestructive, and intelligent quality detection of A. sinensis, this study combines NIR-HSI technology with deep learning. It proposes a multi-task convolutional neural network (MT-CNN) equipped with a multi-head hierarchical attention mechanism. First, a multi-task sample partitioning algorithm (MSPXY) was developed with two target variables to improve the representativeness and balance of sample division. Second, a multi-head hierarchical attention mechanism (4HSA + 8HSA) was added to the convolutional neural network to capture both local and global spectral features. Fin
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 rapid growth of quantum computing is driven by promises of performing complex calculations with unprecedented speed; however, current use cases have been limited by quantum hardware and the difficulty of identifying problems that classical computers cannot easily address. Within these constraints, biological problems including drug discovery, protein folding, and precision medicine present an opportunity to understand how current quantum hardware can make advances. In immunology, accurate prediction of cancer neoantigens remains a major challenge, limited by small, noisy datasets and the i
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.
Soybean production is significantly affected by crop diseases and improper pesticide use, which hinder effective disease management and reduce yield. In this study, we propose an efficient multi-task convolutional neural network (CNN) framework for the simultaneous detection of soybean seed diseases and pesticide presence from seed images. The model leverages a shared feature extraction backbone with task-specific output heads to learn complementary features for both disease classification and pesticide detection. A dataset of 429 soybean leaf images was preprocessed using normalization and au
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 herein propose Deep-DoPIo, a deep learning-based framework that predicts shear elastic modulus from paired narrow- and wide-track displacement profiles generated by a single acoustic radiation force (ARF) push. Unlike the traditional double-profile intersection (DoPIo) ultrasound technique, which relates the intersection time (tint) between these profiles to shear modulus through a linear empirical model, Deep-DoPIo leverages neural networks to learn this mapping directly from the displacement data. Four architectures were evaluated: a feedforward neural network (FFNN), a 1-D convolutional
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.
OBJECTIVES: To thoroughly review Deep Convolutional Neural Networks for detecting interproximal caries with bitewing radiographs.
DATA: Data was collected from studies that utilized Deep Convolutional Neural Networks (DCNN) focused on the analysis of bitewing radiographs taken with intraoral X-ray units.
SOURCES: A comprehensive literature search was conducted across various scholarly databases including Google Scholar, MDPI, PubMed, ResearchGate, ScienceDirect, and IEEE Xplore, encompassing 2014 to 2024. The risk of bias assessment utilized the current version of the Quality Assessment Tool
СтатьяСистематический обзорПоиск 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.
Bitumen extraction for the production of synthetic crude oil in Canada's Athabasca Oil Sands industry has recently come under spotlight for being a significant source of greenhouse gas emissions. A major cause of concern is methane, a greenhouse gas produced by the anaerobic biodegradation of hydrocarbon in oil sands residues, or tailing, stored in settle basins commonly known as oil sands tailing ponds. In this work, we build a data-driven modeling framework to determine the methane emitting potential of these tailing ponds and have future methane projections using a Dispersion based Recurren
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.
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.
Reliable neural recording on densely hair-covered scalp remains challenging due to the incompatibility between efficient hair penetration, conformal skin contact, and low-impedance electrical interfacing. Here, we report a claw-shaped dry electrode that integrates thermoresponsive phase-transition networks for reversible stiffness switching, with temperature-invariant conductivity enabled by crystallization-induced confinement, achieving comfortable, low-impedance neural interfacing on densely hair-covered scalps. The electrode comprises a bottlebrush polymer/multi-walled carbon nanotubes (MWC
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.
While convolutional neural networks (CNNs) and vision transformers (ViTs) have advanced medical image segmentation, they face inherent limitations such as local receptive fields in CNNs and high computational complexity in ViTs. This paper introduces Deconver, a novel network that integrates traditional deconvolution techniques from image restoration as a core learnable component within a U-shaped architecture. Deconver replaces computationally expensive attention mechanisms with efficient nonnegative deconvolution (NDC) operations, enabling the restoration of high-frequency details while supp
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 StitchNet framework introduced a paradigm shift in Neural Architecture Search (NAS) by proposing the construction of neural networks from pre-trained fragments. This approach reduces computational costs and enables task-specific model creation without retraining entire networks. Building on this foundation, our study evaluates the practical application of StitchNet in constructing neural networks tailored to medical image classification tasks. Specifically, we assess its performance on a dataset of retinal images classified into three categories: healthy, dry, and wet AMD (Age-Related Macu
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.
BACKGROUNDS: Colonoscopy plays a crucial role in preventing the malignant transformation of colorectal polyps, with early diagnosis and detection of colorectal cancer being effective approaches to reducing incidence and mortality rates among patients. With the rise of neural networks, research on computer-aided detection of colorectal polyps has garnered increasing attention. However, existing computer-aided diagnostic systems are constrained by insufficient training sample sizes, making it difficult to train high-performance systems.
METHODS: This paper proposes the Y-Polyp model for colorec
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.
Fish species recognition is essential for ecological studies, fishery management, and marine biology. Accurate detection and categorization are critical for preserving biodiversity, allowing scientists to track species distribution, identify invasive species, and analyze the effects of environmental changes. The fish sector is essential to any country's food and agriculture. Identification of species by the morphology process is both inaccurate and costly. However, the manual process of measuring important details like species identification, length, and quantity is difficult to capture, which
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.
To address the issues of low perception accuracy and poor robustness in traditional motion recognition methods within complex walking environments for visually impaired individuals, this study utilizes multi-modal data, including ECG, PPG, and IMU, for classification. Regarding the low filtering efficiency of multi-modal data, an improved wavelet filtering algorithm based on LSTM is proposed. To further enhance classification accuracy, this paper introduces a motion recognition method for the blindfolded mobility simulation based on an Attention-based Two-Stream Deep Fusion Convolutional Neura
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.
Transformer-based deep learning architectures have achieved notable success across various medical image analysis tasks, driven by the global modeling capabilities of the self-attention mechanism. However, Transformer-based methods exhibit significant computational complexity and a large number of parameters, rendering them challenging to apply effectively in practical medical scenarios. Compared with Transformers, large-kernel Convolutional Neural Networks (CNNs) and Multi-Layer Perceptrons (MLPs) offer more efficient inference while retaining global contextual awareness. Therefore, we rethin
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.
White matter hyperintensities (WMHs) are common radiological findings in brain magnetic resonance imaging (MRI) and are strongly associated with neurological disorders such as stroke, dementia, and multiple sclerosis. Accurate detection and segmentation of WMHs are crucial for early diagnosis, disease progression analysis, and treatment planning. However, manual delineation of WMHs is labour-intensive, time-consuming, and prone to inter-observer variability, which limits its practicality in large-scale clinical and research settings. Deep learning has shown promise in automating WMH analysis;
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.