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: 409 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 485 с найденным полным текстом
BACKGROUND: Deep learning applied to ECG has demonstrated strong diagnostic performance for acute coronary syndrome (ACS), but widespread clinical adoption remains limited by lack of interpretability and model robustness. Classical machine learning approaches, such as random forests (RF), offer greater explainability but often underperform compared with deep learning models.
OBJECTIVE: To develop and evaluate a structured, multi-stage hyperparameter optimization framework for a reinforcement learning-enhanced RF (RL-RF) model to improve the accuracy, stability, and interpretability of ACS cla
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.
UNLABELLED: This narrative review examines the application of artificial intelligence (AI) and machine learning (ML) across three major learning paradigms-supervised, unsupervised, and reinforcement learning (RL). The former has shown remarkable accuracy in diagnosing dental diseases, such as caries, periodontal conditions, and oral cancers; the second uses unsupervised learning techniques, such as clustering and association rule mining, to uncover hidden patterns in patient data, improving preventive care and resource allocation; and the latter uses RL techniques, such as Q-learning, deep Q-n
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.
PURPOSE: Patients with locally-advanced head and neck squamous cell carcinomas (HNSCCs), particularly those related to human papillomavirus (HPV), often achieve good locoregional control (LRC), yet they suffer significant toxicities from standard chemoradiotherapy. This study aims to optimize the daily dose fractionation based on individual responses to radiotherapy (RT), minimizing toxicity while maintaining a low risk of LRC failure.
METHOD: A virtual environment was developed to simulate tumor dynamics under RT for optimizing dose schedules. Patients predicted to maintain LRC were selected
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.
Endogenous pain modulation is believed to encompass a crucial evolutionary purpose in guiding decision-making away from harm. This is well exemplified by the idea that mechanisms of learning through error correction and endogenous pain modulation are inherently intertwined. However, adaptive behavior requires more than learning through error correction. Biological environments are volatile, which can cause decision-makers to be uncertain about what actions lead to rewards or punishments. Evidence on how uncertainty in action-outcome distributions impacts endogenous pain modulation is lacking.
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.
This study examined whether habitual video game play influences reinforcement learning dynamics, feedback adaptation, consolidation, and motivational biases. Two groups of participants (gamers and controls) completed a Probabilistic Selection Task that assessed learning from positive and negative feedback across three phases: Learning, Test, and Transfer. Mixed-effects modeling revealed that gamers showed enhanced learning trajectories, particularly under high-uncertainty conditions; however, computational modeling indicated no differences in learning rate (α), suggesting comparable value upda
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.
OBJECTIVE: This study investigated neurophysiological and behavioural adaptations in reward learning and decision making which may contribute to the development and persistence of alcohol use disorder.
METHODS: 20 abstinent alcohol dependent participants (mean abstinence: 20 months, range 1-76) and 26 healthy controls completed an electroencephalography (EEG) probabilistic reversal learning paradigm. Reinforcement learning modelling, event-related potentials (ERPs), and unsupervised machine learning (tensor decomposition) were used to characterise spatiotemporal patterns of reward valuation.
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.
Bio-inspired musculoskeletal robots offer inherent advantages in flexibility, robustness, and compliance. However, achieving efficient and generalizable motion learning while producing natural, human-like movements remains challenging. Neuromechanical mechanisms provide a promising framework to emulate biological motor control and skill acquisition. In this study, we present a biomimetic hierarchical neuromechanical control model (HNCM) that integrates deep reinforcement learning with two distinct lower-level controllers. The model is designed to manage high-dimensional muscle control, enhance
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.
INTRODUCTION: Fragment-based drug discovery (FBDD) employs the Grow-Merge-Link (GML) model to identify therapeutic compounds through a combination of experimental and computational techniques. Generative models facilitate compound design, predict interactions, and enhance chemical diversity.
AREAS COVERED: This perspective highlights recent FBDD developments, especially in silico methods where AI-ML accelerates discovery. Reinforcement learning optimizes properties, saving resources for targets like kinases and GPCRs. Generative chemistry enables de novo design, boosting diversity and IP, wit
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.
Quadruped robots have gained significant attention due to their superior mobility on uneven and unstructured terrains, offering potential applications in inspection, search and rescue, and field exploration. However, achieving robust locomotion on low-cost platforms remains challenging because of constraints in stability, adaptability, sensing quality, and onboard computation. In this work, we present an integrated motion-control framework that combines biologically inspired Central Pattern Generators (CPGs), a multi-agent reinforcement learning coordination layer, and low-cost hardware adapta
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.
To address the wearable exoskeletons' core bottlenecks, difficulty in personalized adaptation, over-reliance on iterative human experiments, and poor generalization across multiple working conditions. This study proposes a musculoskeletal-exoskeleton coupled assistance framework based on heterogeneous multi-agent reinforcement learning (MARL), with deep integration of biomechanical principles. A high-fidelity OpenSim simulation environment is constructed, incorporating a bilaterally symmetric 7 degrees of freedom (7-DOFs) lower-limb musculoskeletal model and a hip-assist exoskeleton, which are
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.
Generative Artificial Intelligence (GAI) has witnessed significant progress in recent years, demonstrating transformative potential for education by enabling dynamic content creation and personalized learning pathways. However, many existing educational platforms rely on static content and fixed pathways, lacking the integrated architecture needed to fully harness GAI's capabilities to create cohesive, adaptive learning experiences. To address this gap, this study details the design, implementation, and empirical evaluation of a novel, comprehensive educational platform built upon GAI. The pla
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.
Model-informed precision dosing (MIPD) utilizes pharmacokinetic/pharmacodynamic (PK/PD) models to optimize drug therapy. However, conventional MIPD often requires manual simulation and regimen selection, which are time-consuming and demand specialized expertise. Reinforcement learning (RL), in which an agent learns optimal decisions through iterative interactions with an environment, offers a scalable and automated alternative. In this study, we developed a model-informed Deep Q-Network (DQN) to personalize infliximab dosing for patients with Crohn's disease. The DQN was trained in a simulatio
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.
Therapeutic and assistive exoskeletons and exosuits show promise in both clinical and real-world settings. Improving their autonomy can enhance usability, effectiveness, and cost efficiency. This Review presents a generic control framework for autonomous operation of upper and lower limb devices and reviews current advancements and future directions. We highlight how data-driven machine learning aids in intention recognition, synchronization, patient assessment, and task-agnostic control. In addition, we discuss how reinforcement learning optimizes control policies through digital human twins
СтатьяОбзорПоддержка 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.
Psychiatric disorders are complex, multidimensional pathologies rooted in various cognitive processes. Computational psychiatry aims to reveal distortions in these processes through behavior modeling, providing a deeper understanding of psychiatric disorders. Previous studies that used Daw's two-stage task linked imbalances between habitual/model-free and goal-directed/model-based behaviors to disorders featuring compulsive behaviors and intrusive thoughts. The model-based part depends on estimating environmental probabilities. To improve this, we incorporated a well-known distortion in subjec
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.
A control-aware digital twin framework for tracking and improving oil and gas production systems is suggested in this paper. The method combines spatiotemporal graph neural networks, neural 4D-Var data assimilation, reinforcement learning-based control, and physics-informed neural operators (FNO and Neural operator model). Benchmark cyber-physical system datasets (SWaT and WADI) and a simulated oil and gas dataset are used to assess the framework. The results, which were confirmed by several independent runs using average measures, demonstrate enhanced performance in state estimation, anomaly
СтатьяVideo-Audio MediaПоддержка 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.
Laparoscopy is one of the most widely used surgical techniques in clinical practice. However, its practice is associated with medium- and long-term musculoskeletal disorders in surgeons. In this context, robot-assisted surgery has emerged as a promising approach for mitigating ergonomic constraints while enhancing control and precision during laparoscope manipulation. Despite these advances, existing research predominantly focuses on robotic control strategies, whereas the study of human-robot interaction in the operating room remains comparatively underexplored. This paper presents a proof-of
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.
PURPOSE: Accurate segmentation of prostate cancer on magnetic resonance (MR) images is crucial for planning image-guided interventions such as targeted biopsies, cryoablation, and radiotherapy. However, subtle and variable tumour appearances, differences in imaging protocols, and limited expert availability make consistent interpretation difficult. While automated methods aim to address this, they rely on large expertly annotated datasets that are often inconsistent, whereas manual delineation remains labour-intensive. This work aims to bridge the gap between automated and manual segmentation
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.
Sickle cell disease requires rapid, accurate diagnostic screening to facilitate early therapeutic actions with potential life-saving impact. Unfortunately, traditional manual microscopy screening is heavily affected by high rates of human error, long processing delays, and detection variability, which are especially pronounced when identifying truly challenging microscopic fields of view, such as those consisting of clusters of overlapping red blood cells. These diagnostic delays result in poor patient outcomes, particularly in resource-limited settings where specialized healthcare providers a
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.
Reinforcement learning (RL) is a powerful machine learning technique that has been successfully applied to a wide variety of problems. However, it can be unpredictable and produce suboptimal results in complicated learning environments. This is especially true when multiple agents learn simultaneously, which creates a complex system that is often analytically intractable. Our work considers the fundamental framework of Q-learning in public goods games, where RL individuals must work together to achieve a common goal. This setting allows us to study the tragedy of the commons and free-rider eff
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.
Diabetes mellitus is a global health challenge requiring innovative solutions for early diagnosis, personalized treatment, and ongoing management. This review aims to examine the impact of artificial intelligence (AI) on diabetes care, focusing on precision diagnosis, tailored therapies, and real-time monitoring, while addressing challenges related to model transparency and equitable access to health care. We conducted a comprehensive review of AI applications in diabetes management. Studies utilizing supervised and unsupervised learning, deep learning, federated learning, and reinforcement le
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.