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
2460 публикаций
Поиск: 197 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 642 с найденным полным текстом
Brain-computer interfaces (BCI) allow control of computers or external devices with regulation of brain activity alone. Invasive BCIs, almost exclusively investigated in animal models using implanted electrodes in brain tissue, and noninvasive BCIs using electrophysiological recordings in humans are described. Clinical applications were reserved with few exceptions for the noninvasive approach: communication with the completely paralyzed and locked-in syndrome with slow cortical potentials, sensorimotor rhythm and P300, and restoration of movement and cortical reorganization in high spinal cor
СтатьяПоддержка NIH: внешняя программаПоддержка исследования: вне правительства СШАОбзорПолный 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.
Intracortical brain-computer interfaces (iBCIs) hold promise for restoring motor, sensory, and cognitive functions, including applications in paralysis treatment and speech decoding. High-density microelectrode arrays (MEAs) provide fine spatial and temporal discrimination of neural activity, but the considerable upsurge in data generation poses challenges for wireless transmission from miniaturized implants due to constraints on power, bandwidth, heat dissipation, and device size. To address these constraints, we propose a two-stage wireless iBCI architecture comprising a transdural galvanic-
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 notion of a somatotopically organized motor cortex, with movements of different body parts being controlled by spatially distinct areas of cortex, is well known. However, recent studies have challenged this notion and suggested a more distributed representation of movement control. This shift in perspective has significant implications, particularly when considering the implantation location of electrode arrays for intracortical brain-computer interfaces (iBCIs). We sought to evaluate whether the location of neural recordings from the precentral gyrus, and thus the underlying somatotopy, h
СтатьяПрепринтПолный 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: Brain-computer interfaces (BCIs) have been proposed as an assistive technology (AT) allowing people with locked-in syndrome (LIS) to use neural signals to communicate. To design a communication BCI (cBCI) that is fully accepted by the users, their opinion should be taken into consideration during the research and development process.
OBJECTIVE: We assessed the preferences of prospective cBCI users regarding (1) the applications they would like to control with a cBCI, (2) the mental strategies they would prefer to use to control the cBCI, and (3) when during their clinical trajecto
СтатьяПоддержка NIH: внешняя программаПоддержка 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.
BACKGROUND: The processing of brain signals for Motor imagery (MI) classification to have better accuracy is a key issue in the Brain-Computer Interface (BCI). While conventional methods like Artificial neural network (ANN), Linear discernment analysis (LDA), K-Nearest Neighbor (KNN), Support vector machine (SVM), etc. have made significant progress in terms of classification accuracy, deep transfer learning-based systems have shown the potential to outperform them. BCI can play a vital role in enabling communication with the external world for persons with motor disabilities.
NEW METHODS: De
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.
This paper provides an analysis of perspectives from different stakeholders on the state-of-the-art of BCI. Three barriers for technology transfer of BCIs as access technologies are identified. First, BCIs are developed with a narrow focus on creating a reliable technology, while a broader focus on creating a usable technology is needed. Second, the potential target group, which could benefit from BCIs as access technologies is expected to be very small. Development costs are therefore high, while reimbursements are expected to be low, which challenges the commercial viability. Third, potentia
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.
Spinal cord injury (SCI) often affects a person's ability to perform critical activities of daily living and can negatively affect his or her quality of life. Assistive technology aims to bridge this gap in order to augment function and increase independence. It is critical to involve consumers in the design and evaluation process as new technologies such as brain-computer interfaces (BCIs) are developed. In a survey study of 57 veterans with SCI participating in the 2010 National Veterans Wheelchair Games, we found that restoration of bladder and bowel control, walking, and arm and hand funct
СтатьяПоддержка исследования: вне правительства СШАПоддержка 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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
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.
Brain-computer interfaces have shown great potential in the rehabilitation of Cerebral palsy, improving the ability of children with cerebral palsy to perform activities of daily living by replacing and restoring lost neurological functions, as well as accurately evaluating cognitive functions and facilitating rehabilitation in conjunction with various rehabilitation techniques. Nonetheless, numerous challenges persist in the application of brain-computer interfaces for cerebral palsy. Future research should focus on developing enhanced and more dependable brain-computer interfaces, advancing
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.
Amyotrophic lateral sclerosis (ALS) is a relentlessly progressive neurodegenerative disorder that frequently culminates in severe dysarthria and anarthria, profoundly isolating patients and diminishing their quality of life. Traditional speech therapy and conventional augmentative and alternative communication devices rely on residual motor control and become ineffective in late-stage ALS. In response, brain-computer interfaces and speech neuroprostheses have emerged as transformative solutions. By decoding neural signals directly from the motor cortex and translating them into synthesized spe
Редакционная 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.
Brain-computer interfaces (BCIs) establish direct communication pathways between the brain and external devices. Leveraging the unique neuroplasticity of the developing brain, BCIs have emerged as a novel rehabilitative technology for children with neurodevelopmental disorders, including cerebral palsy, autism spectrum disorder (ASD), attention deficit hyperactivity disorder (ADHD), and perinatal brain injury. This review comprehensively examines five major BCI paradigms-P300, motor imagery (MI), steady-state visual evoked potentials (SSVEP), functional near-infrared spectroscopy (fNIRS), and
СтатьяОбзорПоиск 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.
Brain-computer interface (BCI) technology has driven revolutionary advancements in the field of artificial vision, presenting new opportunities for individuals with visual impairments. This review summarizes the key technological developments, clinical applications, and future challenges of BCI in artificial vision. In the domain of signal acquisition, both invasive techniques (such as MEA, ECoG, and DBS) and non-invasive techniques (including EEG, MEG, fMRI, and fNIRS) have significantly improved signal resolution and stability. Advances in visual encoding have facilitated the more efficient
СтатьяОбзорПоиск 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 rapid advancement of brain-computer interfaces (BCIs), particularly adaptive closed-loop systems, presents unprecedented opportunities for medical intervention and human augmentation. At the same time, the growing adoption of applications outside clinical settings also poses significant risks to mental privacy. In this article, we review the current state of neural decoding advancements and their projected trajectory to assess what current and foreseeable technologies can reveal about mental states and the implications for mental privacy. Drawing on a neuroscientific perspective, we clarif
СтатьяОбзорПолный 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: Communication is a fundamental human right and should not be constrained by disability; advances in modern technology are reshaping how communication is conceived and delivered, creating new possibilities for people who rely on augmentative and alternative communication (AAC). This systematic review examined whether immersive virtual, augmented, and mixed reality (VR/AR/MR; hereafter referred to as XR) has been integrated with brain-computer interfaces (BCIs) to support AAC for people who rely on it, and what evidence exists regarding usefulness and usability.
METHODS: Searches
СтатьяСистематический 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.
Brain-computer interfaces (BCIs) establish a communication pathway between the human brain and external devices by decoding neural signals. This study focuses on enhancing the classification of Motor Imagery (MI) within BCI systems by leveraging advanced machine learning and deep learning techniques. The accurate classification of electroencephalogram (EEG) data is crucial for enhancing BCI performance. The BCI architecture processes electroencephalography signals through three critical stages: data pre-processing, feature extraction, and classification. The research evaluates the performance
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: Brain sensing devices are approved today for Parkinson's, essential tremor, and epilepsy therapies. Clinical decisions for implants are often influenced by the premise that patients will benefit from using sensing technology. However, artifacts, such as ECG contamination, can render such treatments unreliable. Therefore, clinicians need to understand how surgical decisions may affect artifact probability.
OBJECTIVES: Investigate neural signal contamination with ECG activity in sensing enabled neurostimulation systems, and in particular clinical choices such as implant location tha
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.
OBJECTIVE: Using traditional approaches, a brain-computer interface (BCI) requires the collection of calibration data for new subjects prior to online use. Calibration time can be reduced or eliminated e.g., by subject-to-subject transfer of a pre-trained classifier or unsupervised adaptive classification methods which learn from scratch and adapt over time. While such heuristics work well in practice, none of them can provide theoretical guarantees. Our objective is to modify an event-related potential (ERP) paradigm to work in unison with the machine learning decoder, and thus to achieve a r
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.
Brain-computer interfaces (BCIs) present an alternative way of communication for people with severe disabilities. One of the shortcomings in current BCI systems, recently put forward in the fourth BCI competition, is the asynchronous detection of motor imagery versus resting state. We investigated this extension to the three-class case, in which the resting state is considered virtually lying between two motor classes, resulting in a large penalty when one motor task is misclassified into the other motor class. We particularly focus on the behavior of different machine-learning techniques and
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.
Brain-Computer Interfaces (BCIs) based on electroencephalography (EEG) are widely used in motor rehabilitation, assistive communication, and neurofeedback due to their non-invasive nature and ability to decode movement-related neural activity. Recent advances in deep learning, particularly convolutional neural networks, have improved the accuracy of motor imagery (MI) and motor execution (ME) classification. However, EEG-based BCIs remain vulnerable to adversarial attacks, in which small, imperceptible perturbations can alter classifier predictions, posing risks in safety-critical applications
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.
Objective.Reliable extraction of single-trial somatosensory evoked potentials (SEPs) is essential for developing brain-computer interface (BCI) applications to support rehabilitation after brain injury. For real-time feedback, these responses must be extracted prospectively on every trial, with minimal post-processing and artifact correction. However, noninvasive SEPs elicited by electrical stimulation at recommended parameter settings (0.1-0.2 msec pulse width, stimulation at or below motor threshold, 2-5 Hz frequency) are typically small and variable, often requiring averaging across multipl
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.