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
1419 публикаций
Поиск: 71 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 95 с найденным полным текстом
medRxiv : the preprint server for health sciences2021eng
For some SARS-CoV-2 survivors, recovery from the acute phase of the infection has been grueling with lingering effects. Many of the symptoms characterized as the post-acute sequelae of COVID-19 (PASC) could have multiple causes or are similarly seen in non-COVID patients. Accurate identification of phenotypes will be important to guide future research and help the healthcare system focus its efforts and resources on adequately controlled age- and gender-specific sequelae of a COVID-19 infection. In this retrospective electronic health records (EHR) cohort study, we applied a computational fram
ПрепринтСтатьяПоиск 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.
IMPORTANCE: Increasing levels of high-density lipoprotein (HDL) cholesterol through pharmacologic inhibition of cholesteryl ester transfer protein (CETP) is a potentially important strategy for prevention and treatment of cardiovascular disease (CVD).
OBJECTIVE: To use genetic variants in the CETP gene to assess potential risks and benefits of lifelong lower CETP activity on CVD and other outcomes.
DESIGN, SETTING, AND PARTICIPANTS: This prospective biobank study included 151 217 individuals aged 30 to 79 years who were enrolled from 5 urban and 5 rural areas of China from June 25, 2004, thr
СтатьяМногоцентровое исследованиеПоддержка 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.
Reliable perception of orchard scenes is needed for agricultural automation. Fruit detection, counting, and localization support yield prediction, harvest planning, and precision fertilization, while 3D point clouds provide geometric information with less dependence on ambient illumination than conventional RGB images. Orchard analysis also requires predictions at more than one scale: individual fruits and trunks must be separated, but the fruits must still be associated with their parent tree. Most existing 3D panoptic segmentation methods operate at a single instance granularity and do not r
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 timing of rice panicle anthesis is critical for quantifying sterility risk under heat and humidity, yet minute-scale field measurement remains challenging because anthesis is transient and spikelets are tiny and difficult to detect. To address this, we present OPAL-Flow, a pipeline that provides single-panicle anthesis start and peak times under field conditions, consisting of a detector for panicle detection and tracking, a super-resolution reconstruction model, and an event-time pinpointing model. For slender panicle detection and panicle pose normalization, YOLO-SnakePanNet was int
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 pest detection is crucial for safeguarding crop productivity and quality. Few-shot image classification offers a promising solution for automated pest recognition in limited-data settings. Recent studies have demonstrated the effectiveness of meta-learning with episodic tasks, enabling rapid adaptation to new classes. However, due to the limited number of samples available for each task, pretraining an appropriate embedding network for meta-learning plays a critical role in determining the few-shot classification performance. To enhance feature extraction, recent approaches have adopt
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.
Stomatal traits are key microscopic phenotypes for evaluating plant physiology, stress responses, and crop breeding potential. However, in vivo high-magnification microscopy often suffers from a shallow depth of field, causing noticeable defocus blur across different spatial locations and making it difficult to capture clear and complete stomatal structures in a single image. Multi-focus image fusion offers a practical solution, yet existing methods typically rely on supervised training, paired data, or hand-crafted rules, limiting their use in real agricultural microscopy scenarios. In this s
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.
Thermal imaging enables non-invasive assessment of canopy temperature, an essential indicator of plant stress, yet the lack of color cues and strong shadow interference make plant segmentation in thermal images difficult. Recent advances in foundation models have demonstrated improved performance and generalizability across applications, showing promise for domain-specific applications with limited annotated datasets such as plant segmentation in thermal images. This study investigates large multimodal models (LMMs) for thermal image segmentation in plant phenotyping. Building upon the SAM-CLI
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.
Leaf nitrogen content (LNC) is critical for crop nutrition and precision fertilization. UAV-based hyperspectral sensing enables rapid field-scale nitrogen diagnosis in winter wheat, but stage-dependent drift in the LNC-spectral relationship limits multi-temporal monitoring. To address this limitation, this study proposed a Growth-stage Deep learning model for Leaf Nitrogen Content estimation in winter wheat (GD-LNC). The core innovation of GD-LNC lies in the synergistic integration of explicit growth-stage embedding with a dynamic feature fusion gating mechanism. The growth stage was incorpora
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.
Poplars are essential to China's forestry, contributing to timber production, ecological restoration, and shelterbelt construction. Branch architecture critically influences tree growth, demanding scalable solutions beyond manual methods to assess phenotypic variation in large-scale poplar breeding programs. Unmanned aerial vehicle light detection and ranging (UAV LiDAR) provides an efficient alternative; however, existing methods focus on conifers, leaving a gap in approaches for the more complex morphology of poplar branches. This study proposes a poplar branch reconstruction algorithm utili
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.
Phenotyping remains a critical bottleneck in sorghum (Sorghum bicolor L. Moench) breeding programs, limiting rates of genetic gain due to labor-intensive yield estimation methods. To address this concern, this study investigates the potential of integrating remote sensing data with machine learning (ML) and deep learning (DL) models to improve sorghum grain yield predictions. Unmanned aircraft systems (UAS)-based imagery was collected across multiple field trials, extracting standard vegetation indices, canopy height features, and panicle traits using a YOLOv11-based object detection model, "Y
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.
Plants are geometrically and topologically complex objects, and methods and devices that produce plant point clouds often miss parts due to self occlusions, making further analysis, such as phenotypic trait extraction or 3D reconstruction, difficult. We introduce A-Occ-Plant, a novel method for point cloud completion. The first novelty of our algorithm is converting point clouds into a set of images, which are then completed using 2D amodal segmentation. The images are then converted into a complete point cloud by using view-consistent Gaussian splats. The second novelty is the use of a coarse
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.
Fruit growth has long been described using single- or double-sigmoid curves; however, these temporal models cannot fully capture the spatial heterogeneity that ultimately shapes a fruit. Here, we present a three-dimensional analysis pipeline that non-destructively tracks spatial fruit growth dynamics from field-collected imagery. Surface landmarks were drawn, and video recordings were taken throughout development for three pome fruits, apple (Malus × domestica), Japanese pear (Pyrus pyrifolia) and European pear (Pyrus communis), and two drupe fruits, peach (Prunus persica) and Japanese apricot
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.
Accurate plant segmentation in thermal imagery remains a significant challenge for high throughput field phenotyping, particularly in outdoor environments where low contrast between plants and weeds and frequent occlusions hinder performance. To address this, we present a framework that leverages synthetic RGB imagery, a limited set of real annotations, and GAN-based cross-modality alignment to enhance semantic segmentation in thermal images. We trained models on 1128 synthetic images containing complex mixtures of crop and weed plants in order to generate image segmentation masks for crop and
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.
Leaf inclination angle (LIA) strongly affects canopy photosynthesis and is an important trait for crop productivity. Difficulty in determining mean LIA throughout the canopy makes it a trait rarely evaluated in crop science research. Here, we report a novel, low-cost, simple method to rapidly measure the mean LIA throughout the canopy. We captured RGB and depth images of the crop canopy with a compact stereo depth camera aligned parallel to the ground in a handheld manner. The mean LIA was estimated through simple vector calculations. To validate the accuracy of this method, we used tests with
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.
Accurate litchi counting from whole-tree images is essential for yield estimation, orchard management, and plant phenotyping, but remains challenging in real orchards because fruits occur in dense, heavily occluded clusters and vary markedly in scale, illumination, and appearance across ripening stages, particularly when green fruits resemble surrounding foliage. Existing methods have shown promise, but their robustness in complex orchard environments remains limited. To address these challenges, we propose FG-LCNet, a two-stage foreground-guided litchi counting framework. In the first stage,
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.
Apple leaf disease segmentation is critical for yield and quality preservation in what is globally one of the most economically significant fruit crops. Despite recent advances in deep learning, real-world orchard environments present three primary challenges: (1) low contrast between lesions and background textures, which hinders accurate localization; (2) leaf overlap and occlusion, leading to incomplete feature representation and increased false negatives; and (3) the inherent limitations of unimodal RGB imagery in capturing subtle pathological features, which constrains generalization and
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.
Individual tree segmentation from LiDAR point clouds is critical for forest inventory and ecological monitoring. However, accurate delineation remains challenging in complex forest environments with dense crown overlap, occlusion, and multilayer vertical structures. To address these challenges, we propose ForestSeg3D, a semantically guided framework that improves individual tree segmentation through hierarchical semantic supervision and bidirectional cross-task distillation. Specifically, hierarchical semantic supervision (HSS) introduces a coarse-to-fine semantic learning scheme with explicit
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.
Three dimensional (3D) instance segmentation is essential for precision characterization of tree architecture at the branch level, which supports both tree fruit crop breeding and the development of robotic systems for orchard management. Existing methods usually use sparse convolution-based operation, which requires a coordinate quantization preprocess to generate sparse tensors, risking the loss of geometric details for fine-grained downstream phenotyping tasks. To overcome this challenge, we developed the dynamic sparse point-voxel transformer (DSPVFormer) model for the efficient and accura
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.
Breeding rice varieties that are both salt-tolerant and high-yielding is essential for utilizing saline-alkaline lands and ensuring food security. However, However, high-throughput and accurate phenotyping at early growth stages remains a major bottleneck in breeding programs. In this study, unmanned aerial vehicle (UAV) imaging was employed to screen salt-tolerant and high-yielding varieties among 60 rice varieties under saline-alkaline field conditions. Red-green-blue (RGB), multispectral, and thermal canopy images were acquired throughout the growing season by UAV, from which 41 phenotypic
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.
Pine wilt disease (PWD), caused by the pine wood nematode (Bursaphelenchus xylophilus), continues to threaten forest ecological security. Unmanned aerial vehicle (UAV) remote sensing makes large-scale screening feasible, but accurate canopy segmentation remains difficult in practice. The main obstacles are threefold: (i) canopy appearance changes noticeably from early to late infection stages, which can cause model representations to drift toward later-stage symptoms and weaken subtle early-stage cues; (ii) dense pixel-wise annotation is costly, making semi-supervised learning dependent on imp
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.