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
1057 публикаций
Поиск: 249 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 485 с найденным полным текстом
Neural networks : the official journal of the International Neural Network Society2026eng
Object-goal navigation aims to guide an agent to find a specific target object in an unfamiliar environment based on first-person visual observations. It requires the agent to learn informative visual representations and robust navigation policy. To promote these two components, we propose two complementary techniques, dual object graph (DOG) and bisimulation metric (BM). DOG integrates current and historical object relationships, including category proximity and spatial correlation. It constructs a current object graph (COG) to model real-time object relationships and maintains a historical o
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: Inverse planning is often used for Gamma Knife radiosurgery, allowing clinicians to mathematically specify desired clinical objectives and dose limits. The objectives are controlled by weights that are manually tuned to find the desired trade-off, which varies from case to case. Automation of this process can reduce clinical workload and improve consistency in plan quality.
PURPOSE: To train a deep reinforcement learning agent using a reward function that incorporates the clinical metrics from past plans into its scoring criteria. The metric trade-off from the clinical plan is sco
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.
Effective reinforcement learning requires balancing exploration of uncertain options with exploitation of known outcomes. In real-world contexts, the same action may yield rewards in some situations and punishments in others, yet how these learning processes influence each other remains unclear. Here, we examine the neural mechanisms underlying how reward and punishment learning interact to guide adaptive behavior. We conducted four experiments (N = 159) using an instrumental learning task with binary choices, some of which were exclusive to reward or punishment learning trials, while others a
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.
Trusting selectively is a crucial ability in successfully navigating social environments: trusting a trustworthy partner maximizes mutual benefits; withholding trust from an untrustworthy partner minimizes chances of being exploited. Here, we ask how children's trust expectations and experienced trustworthiness inform their own trust decisions. Using a child-friendly repeated Trust Game, we employ a computational modeling approach to examine how children learn about the trustworthiness of others through experience and adjust their own trust behaviors. We tested N = 96 children ages 6-11 years
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 vast majority of work in computer vision focuses on developing and applying new machine learning models, which often rely on large amounts of labeled training data. However, annotation is costly and time-consuming. This paper presents an approach based on Deep Reinforcement Learning (DRL) to automatically generate new annotations and reduce human effort in the preparation of training data for supervised learning models in object detection. Our methodology introduces a virtual agent trained with human guidance, inspired by constructivist teaching methods, where interaction with a human teac
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.
Reinforcement learning (RL) has emerged as a powerful artificial intelligence paradigm in medical image analysis, excelling in complex decision-making tasks. This systematic review synthesizes the applications of RL across diverse imaging domains-including landmark detection, image segmentation, lesion identification, disease diagnosis, and image registration-by analyzing 20 peer-reviewed studies published between 2019 and 2023. RL methods are categorized into classical and deep reinforcement learning (DRL) approaches, focusing on their performance, integration with other machine learning mode
СтатьяСистематический обзорПоддержка 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.
INTRODUCTION: Mission-critical automation demands decision-making that is explainable, adaptive, and scalable-attributes elusive to purely symbolic or data-driven approaches. We introduce a hybrid intelligence (H-I) system that fuses symbolic reasoning with advanced machine learning via a hierarchical architecture, inspired by cognitive frameworks like Global Workspace Theory (Baars, A Cognitive Theory of Consciousness, 1988).
METHODS: This architecture operates across three levels to achieve autonomous, end-to-end workflows: Navigation: Using Vision Transformers, and graph-based neural netwo
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.
Background: As cardiovascular medicine advances rapidly, the integration of artificial intelligence (AI) has garnered increasing attention. Although AI has been widely adopted in diagnostics, risk prediction, and decision support, its application in exercise-based cardiovascular rehabilitation is still limited, representing a new and promising research frontier. Objective: This scoping review aimed to identify and analyze original studies that have applied AI to exercise-based interventions designed to improve cardiovascular outcomes. Methods: Following the PRISMA-ScR guidelines, PubMed, Scopu
СтатьяОбзорПоиск 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.
Artificial intelligence (AI) has transformed prostate brachytherapy by enhancing precision, efficiency, and personalization. This systematic review evaluates 70 peer-reviewed studies from PubMed, Embase, and Web of Science, focusing on the applications of AI in imaging, treatment planning, applicator reconstruction, and outcome prediction. Machine learning (ML) and deep learning (DL) techniques, including U-Net and deep reinforcement learning, demonstrate improvements in segmentation (84% sensitivity), dose optimization (20-30% time savings), and quality assurance (25% error reduction). Challe
Систематический обзорСтатьяПолный 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: Traditional rehabilitation medicine, primarily dependent on qualitative clinical assessment and static therapeutic protocols, faces significant challenges in scalability, objectivity, and dynamic adaptability. The integration of Artificial Intelligence (AI) is catalyzing a paradigm shift from "experience-driven" to "data-driven" precision rehabilitation.
OBJECTIVE: This narrative review delineates the current landscape of AI innovations in rehabilitation, evaluates their clinical integration across the patient lifecycle, and identifies the socio-technical barriers to widespread ad
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.
Globally, the outbreaks of infectious diseases have exerted an extremely profound and severe influence on health security and the economy. During the critical phases of epidemics, devising effective intervention measures poses a significant challenge to both the academic and practical arenas. There is numerous research based on reinforcement learning to optimize intervention measures of infectious diseases. Nevertheless, most of these efforts have been confined within the differential equation based on infectious disease models. Although a limited number of studies have incorporated reinforcem
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.
Protein language models (pLMs) enable generative design of novel protein sequences but remain fundamentally misaligned with protein engineering goals, as they lack explicit understanding of function and often fail to improve properties beyond those found in nature. We introduce Reinforcement Learning from eXperimental Feedback (RLXF), a general framework that aligns protein language models with experimentally measured functional objectives, drawing inspiration from the methods used to align large language models like ChatGPT. Applied across five diverse protein families, RLXF improves generati
СтатьяПоддержка NIH: внешняя программаПоиск 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.
Building on recent insights that augmenting reinforcement-learning policies with disturbance estimates improves robustness and sim-to-real transfer, this paper proposes a disturbance-aware actor-critic RL framework for high-precision robotic manipulators. We derive the dynamics of manipulators ranging from two to six degrees of freedom and design a nonlinear disturbance observer that provides real-time estimates of lumped uncertainties. Unlike conventional feedforward-only designs, the proposed DACRL framework deeply integrates DOB information into the actor-critic's learning state, cost funct
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 a rehabilitation exoskeleton, stable and safe operation is of central importance in rehabilitation training. This article develops a soft prescribed performance (SPP)-based reinforcement learning (RL) control method to address the conflict between performance constraints and system degradation, ensuring high accuracy and safe operation. First, a tunnel-type prescribed performance function is used to achieve faster convergence and smaller overshoot. Safety boundaries are used to define the tolerable error range, and an intermediate system links the safety and soft boundaries. The soft bounda
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.
Enabling quadrupedal robots to traverse complex terrains, from rugged outdoor environments to urban landscapes, requires seamless integration of multiple motor skills, smooth transitions between gaits, and high-speed perceptive locomotion using only onboard sensors. We present APT-RL (action pretrained transformer-based reinforcement learning), a unified framework that enables multiskill locomotion to achieve high-speed traversal in complex environments through autonomous skill transitions using only onboard perception and computation. Our approach generates large-scale, feature-rich two-dimen
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.
Insect locomotion exhibits remarkable adaptability and flexibility despite the limited scale of its nervous system. However, the underlying principles that govern leg coordination remain difficult to extract and model computationally. Understanding how insects achieve stable and adaptive locomotion has long provided important inspiration for the development of control strategies in bio-inspired robotics. Nevertheless, many existing approaches rely on predefined coordination rules, manually tuned parameters, or hand-crafted reward functions, which limit the flexibility and transferability of th
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.
Emergency signal control has to clear emergency vehicles through intersections without creating excessive delay for ordinary traffic. Many existing controllers still depend on manually designed traffic features, and unfamiliar emergency patterns often require additional training before the control policy can be adjusted reliably. For this setting, a multi-agent meta-reinforcement learning framework is developed using Contrastive Predictive Coding (CPC) for traffic state representation. CPC compresses high-dimensional traffic sequences into compact representations that are subsequently used by
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.
Cancer drug response (CDR) prediction is crucial for advancing precision medicine. Advanced computational predictors extracted CDR patterns from multimodal features of cell lines and drugs under the guidance of known CDRs. However, most existing methods struggle to extract biologically meaningful and generalizable CDR representations due to insufficient semantic alignment among the multimodal features. In addition, semantic inconsistencies between multimodal and topological features further hinder the predictive accuracy of CDRs. To address the challenges, a novel Reinforcement Learning-driven
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.
Warfarin is a commonly prescribed anticoagulant with a narrow therapeutic window, which requires frequent and specialized monitoring. This work aims to develop standardized optimal warfarin dose decision support using a machine learning model based on time-series anticoagulation data and patient demographic characteristics. We propose an offline reinforcement learning model (RL) using a Batch-Constrained Q-Learning algorithm (BCQ) in a discrete action setting to predict the cumulative warfarin dose for the days until the next INR (International Normalized Ratio) test. Prior approaches utilized
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.
The development of humanoid intelligent controllers represents a breakthrough in enhancing the effectiveness and comfort of rehabilitation training using lower limb rehabilitation robots for diverse gait patterns. In this study, a kinematic model of the lower limb rehabilitation robot is established based on a simplified link structure. For dynamic modeling, the Lagrange formulation is employed to analyze human lower limb motion from an energy-based perspective.Gait data were collected from five healthy subjects, with each performing 20 walking trials, yielding a total of 100 gait cycles for 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.