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: 121 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 642 с найденным полным текстом
BACKGROUND: Motor imagery-based electroencephalogram (EEG) brain-computer interface (BCI) technology has seen tremendous advancements in the past several years. Deep learning has outperformed more traditional approaches, such next-gen neuro-technologies, in terms of productivity. It is still challenging to develop and train an end-to-end network that can sufficiently extract the possible characteristics from EEG data used in motor imaging. Brain-computer interface research is largely reliant on the fundamental problem of accurately classifying EEG data. There are still many challenges in the f
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 interface (BCI) is a revolutionizing human-computer interaction with potential applications in both medical and non-medical fields, emerging as a cutting-edge and trending research direction. Increasing numbers of groups are engaging in BCI research and development. However, in recent years, there has been some confusion regarding BCI, including misleading and hyped propaganda about BCI, and even non-BCI technologies being labeled as BCI. Therefore, a clear definition and a definite scope for BCI are thoroughly considered and discussed in the paper, based on the existing definit
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.
BACKGROUND: Generally, brain-computer interfaces (BCIs) require calibration before usage to ensure efficient performance. Therefore, each BCI user has to attend a certain number of calibration sessions to be able to use the system. However, such calibration requirements may be difficult to fulfill especially for patients with disabilities. In this paper, we introduce a probabilistic transfer learning approach to reduce the calibration requirements of our EEG-fTCD hybrid BCI designed using motor imagery (MI) and flickering mental rotation (MR)/word generation (WG) paradigms. The proposed approa
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 assessment of consciousness has been shaped largely by research on acquired disorders of consciousness after acute or chronic brain injury, but similar problems of unreliable behavioral expression increasingly arise in neurodegenerative disease. This translational overlap is especially relevant when preserved cognition, awareness, or intentionality cannot be reliably expressed because of severe motor impairment, fluctuating arousal, cognitive decline, aphasia, apraxia, or impaired cooperation. In neurodegenerative disease, degeneration of arousal systems, large-scale brain networks, cognit
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.
Background.Implantable brain-computer interfaces (iBCIs) decode neural signals to generate command signals for effector devices to restore lost functions, such as movement or speech. However, maintaining device performance over time requires recalibration of decoding algorithms due to inherent instability in neural signals.Objective.To systematically review recalibration procedures in iBCIs for patients with motor impairments, focusing on the clinical implications of recalibration requirements and strategies which can enable long-term, independent use.Approach.A systematic search was conducted
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.
The rehabilitation of motor dysfunction following stroke remains a major clinical challenge, underscoring the urgent need to develop novel therapeutic strategies to improve functional recovery in patients. Brain-computer interface (BCI) technology has emerged as a cutting-edge approach in neurorehabilitation, demonstrating significant potential for motor function restoration. Transcranial electrical stimulation (tES), a non-invasive neuromodulation technique, can promote neuroplasticity by regulating cortical excitability. In recent years, studies have begun to explore the combination of BCI w
СтатьяОбзорАннотация на английскомПолный 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.
Post-stroke motor dysfunction is one of the leading causes of acquired disability worldwide. The induction and maintenance of neuroplasticity constitute the core mechanisms underlying motor function recovery. Conventional open-loop brain-computer interfaces (BCIs) lack real-time closed-loop feedback and are therefore unable to reliably activate the "temporal contingency" principle required by Hebbian synaptic remodeling, resulting in limited rehabilitation efficacy. Multimodal closed-loop BCIs integrate motor intent decoding, functional electrical stimulation (FES), virtual reality (VR), and e
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.
This study proposes a motor imagery brain-computer interface (MI-BCI) experimental paradigm for right-hand steering movements in driving scenarios. The proposed paradigm aligns more closely with actual steering behavior at the action level, aiming to address the mismatch between conventional motor imagery and actual driving tasks. To validate the feasibility of this paradigm, motor imagery EEG data were collected from 12 participants using an eight-electrode low-cost OpenBCI device and systematically analyzed. Time-frequency analysis revealed that, during right-hand steering imagery, electrode
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.
Motor Imagery (MI) Brain-Computer Interfaces (BCIs) represent a promising technology for neurorehabilitation and assistive control. However, the clinical viability of these systems is frequently hindered by the inherent limitations of electroencephalography (EEG) with regard to its low signal-to-noise ratio (SNR), non-stationarity, and high inter-subject variability. Standard decoding methods often fail to capture the complexity of user intention leading to unreliable performance and user frustration. This review proposes a solution to these challenges by advocating for the integration of pass
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.
Unilateral spatial neglect (USN) is a complex cognitive syndrome frequently observed after stroke. Characterized by a failure to attend, respond and orient to stimuli on the side opposite the brain lesion, USN significantly impairs patients' functional independence and presents significant challenges for rehabilitation. Current rehabilitation strategies often fall short in addressing the heterogenous manifestations of USN across perceptual modalities due to limited ecological validity, patient engagement and adaptability to individual needs. Recent advances in neurotechnologies such as virtual
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.
BACKGROUND: Post-stroke hand dysfunction severely limits patients' independence, and conventional rehabilitation often fails those without active movement. Noninvasive EEG-based brain-computer interface (BCI) technology addresses this by creating a closed-loop feedback system rooted in Hebbian learning principles. This system decodes rhythmic signals from the sensorimotor cortex during imagined hand movements in real-time. The decoded intention is then translated into commands to drive exoskeletons, functional electrical stimulation (FES), or virtual reality (VR) devices, thereby moving the af
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.
Intracortical brain-computer interfaces (iBCIs) enable people with tetraplegia to gain intuitive cursor control from movement intentions. To translate to practical use, iBCIs should provide reliable performance for extended periods of time. However, performance begins to degrade as the relationship between kinematic intention and recorded neural activity shifts compared to when the decoder was initially trained. In addition to developing decoders to better handle long-term instability, identifying when to recalibrate will also optimize performance. We propose a method, "MINDFUL", to measure in
СтатьяПоддержка исследования: вне правительства СШАПоддержка правительства СШАПоддержка NIH: внешняя программаПоиск 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.
In the future, policies surrounding end-of-life decisions will be faced with the question of whether competent people in a completely locked-in state should be enabled to make end-of-life decisions via brain-computer interfaces (BCI). This article raises ethical issues with acting through BCIs in the context of these decisions, specifically self-administration requirements within assisted suicide policies. We argue that enabling patients to end their life even once they have entered completely locked-in state might, paradoxically, prolong and uphold their quality of life.
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.
OBJECTIVE: Electrocorticography (ECoG)-based brain-computer interface (BCI) systems have the potential to improve quality of life of people with locked-in syndrome (LIS) by restoring their ability to communicate independently. Before implantation of such a system, it is important to localize ECoG electrode target regions. Here, we assessed the predictive value of functional magnetic resonance imaging (fMRI) for the localization of suitable target regions on the sensorimotor cortex for ECoG-based BCI in people with locked-in syndrome.
METHODS: Three people with locked-in syndrome were implante
СтатьяПоддержка исследования: вне правительства СШАПоддержка NIH: внешняя программаПолный 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.Critical decisions are made by effective teams that are characterized by individuals who trust each other and know how to best integrate their opinions. Here, we introduce a multimodal brain-computer interface (BCI) to help collaborative teams of humans and an artificial agent achieve more accurate decisions in assessing danger zones during a pandemic scenario.Approach.Using high-resolution simultaneous electroencephalography/functional MRI (EEG/fMRI), we first disentangled the neural markers of decision-making confidence and trust and then employed machine-learning to decode these n
СтатьяПоддержка 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.
OBJECTIVES: The development of Brain-Computer Interfaces to restore communication (cBCIs) in people with severe motor impairment ideally relies on a close collaboration between end-users and other stakeholders, such as caregivers and researchers. Awareness about potential differences in opinion between these groups is crucial for development of usable cBCIs and access technology (AT) in general. In this study, we compared the opinions of prospective cBCI users, their caregivers and cBCI researchers regarding: (1) what applications would users like to control with a cBCI; (2) what mental strate
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.
Brain-computer interfaces (BCIs) for major neurological disorders face physical and physiological limitations. Mechanical mismatch in rigid microelectrode arrays precipitates chronic immune rejection and irreversible central nervous system damage, whereas bandwidth scaling in traditional wireless links inevitably breaches the 1 °C tissue thermal safety threshold. To circumvent this deadlock among bandwidth, heat dissipation, and biocompatibility, this review proposes the "terahertz liquid network" architecture. Utilizing injectable plasmonic nanoparticles as free-floating relay nodes, this arc
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.
In recent years, deep-learning models gained attention for electroencephalography (EEG) classification tasks due to their excellent performance and ability to extract complex features from raw data. In particular, convolutional neural networks (CNN) showed adequate results in brain-computer interfaces (BCI) based on different control signals, including event-related potentials (ERP). In this study, we propose a novel CNN, called EEG-Inception, that improves the accuracy and calibration time of assistive ERP-based BCIs. To the best of our knowledge, EEG-Inception is the first model to integrate
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.
Brain-computer interfaces (BCIs) represent a new frontier in the effort to maximize the ability of individuals with profound motor impairments to interact and communicate. While much literature points to BCIs' promise as an alternative access pathway, there have historically been few applications involving children and young adults with severe physical disabilities. As research is emerging in this sphere, this article aims to evaluate the current state of translating BCIs to the pediatric population. A systematic review was conducted using the Scopus, PubMed, and Ovid Medline databases. Studie
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
Seasickness is a common condition that negatively affects both the experience of passengers and the operating performance of maritime personnel. Techniques aimed at redirecting attention have been proposed to alleviate motion sickness symptoms; however, their effectiveness has not yet been rigorously verified, especially in maritime environments, which present unique challenges due to the prolonged and severe motion conditions. This research introduces a mindfulness brain-computer interface (BCI) specifically designed to redirect attention and alleviate seasickness. The system employs a single
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.