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
1621 публикаций
Поиск: 276 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 575 с найденным полным текстом
Automated meningioma segmentation on multi-modal MRI remains challenging when models are transferred across institutions, because scanner protocols, image characteristics, and annotation styles may differ between centers. Federated learning (FL) provides a privacy-preserving strategy for multi-center model development, but standard aggregation may not fully overcome cross-center domain shift. This study aimed to quantify the external generalization gap in MRI meningioma segmentation and evaluate whether Glioma-pretrained FL could improve robustness without centralized data pooling. A UMamba 2D
СтатьяVideo-Audio MediaПоддержка 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.
Leukemia diagnosis with medical imaging necessitates the development of highly accurate and individualized models that uphold data privacy among institutions. This research proposes a framework named FedPerLoRA-Health, a communication-efficient federated learning framework that combines federated personalization and low rank adaptation with EfficientNet architectures for personalized leukemia detection. The proposed PerFLR-EffNet algorithm holds the structural efficiency of EfficientNet variants B0 and B2 as backbone models, facilitating parameter-efficient updates and local personalization ac
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.
Множественный склероз (MS) — хроническое нервно-воспалительное заболевание, вызванное повреждением центральной нервной системы с иммунной помощью, часто приводящее к постепенной инвалидности. Точные сегментации повреждений MS на МРТ имеют решающее значение для мониторинга заболеваний и эффективности лечения; однако ручная сегментация по-прежнему занимает много времени и подвержена колебаниям. Несмотря на то, что углубленное обучение позволило усовершенствовать автоматизированную сегментацию, высокие показатели эффективности получают пользу от использования крупномасштабных, разнообразных набор
СтатьяПоиск полного текста в очередиМашинный перевод · не проверен
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.
Timely and precise security risk evaluation is essential for optimal operational planning, threat detection, and the reliable operation of smart grid. The smart grid can integrate extensive high-dimensional operational data. However, conventional risk assessment techniques often struggle with managing such data volumes. Moreover, many methods use centralized evaluation, potentially neglecting privacy issues. Additionally, Power grid operators are often reluctant to share sensitive risk-related data due to privacy concerns. Here we introduce a data-driven and privacy-preserving risk assessment
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: Multicenter non-small cell lung cancer (NSCLC) patient data is information-rich. However, its direct integration becomes exceptionally challenging due to constraints involving different healthcare organizations and regulations. Traditional centralized machine learning methods require centralizing these sensitive medical data for training, posing risks of patient privacy leakage and data security issues. In this context, federated learning (FL) has attracted much attention as a distributed machine learning framework. It effectively addresses this contradiction by preserving data loc
СтатьяМногоцентровое исследованиеПоиск 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.
OBJECTIVES: Since protecting patients' privacy is a major concern in clinical research, there has been a growing need for privacy-preserving data analysis platforms. For this purpose, a federated learning (FL) method based on the Observational Medical Outcomes Partnership (OMOP) common data model (CDM) was implemented, and its feasibility was demonstrated.
METHODS: We implemented an FL platform on FeederNet, which is a distributed clinical data analysis platform based on the OMOP CDM in Korea. We trained it through an artificial neural network (ANN) using data from patients who received stero
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.
Environmental issues such as environmental pollutions and climate change are the impacts of globalization and become debatable issues among academics and industry key players. One of the environmental issues which is air pollution has been catching attention among industrialists, researchers, and communities around the world. However, it has always neglected until the impacts on human health become worse, and at times, irreversible. Human exposure to air pollutant such as particulate matters, sulfur dioxide, ozone and carbon monoxide contributed to adverse health hazards which result in respir
Систематический обзорПоддержка исследования: вне правительства СШАСтатьяПоиск 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.
Federated learning (FL) and travelling model (TM) allow privacy-preserving model training across sites without sharing patient-sensitive data. While both approaches have shown success, they face unique challenges related to distribution shifts between sites. To address this, we propose FedTM, a hybrid framework combining the strengths of FL and TM. FedTM begins with FL warmup training at sites with larger datasets, followed by sequential refinement through TM across all sites. We evaluated FedTM for Parkinson's disease classification using 1817 brain scans from 83 international sites. Model pe
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: Automated detection of oral squamous cell carcinoma (OSCC) using computer-aided technology plays a crucial role in ensuring patient health and reducing medical costs. However, traditional centralized disease recognition methods often face challenges such as data privacy, scalability, and substantial data transmission requirements. Federated learning offers a promising solution to these issues by enabling collaborative model training on distributed data sources. METHODS: This paper proposes a privacy-preserving federated learning framework for multi-site automated detection of OSCC,
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: Brain-predicted age difference (BrainAGE) is a neuroimaging biomarker reflecting brain health, with potential implications for post-stroke recovery. However, training robust BrainAGE models requires large, diverse datasets, often restricted by privacy and regulatory concerns. This study evaluates the performance of federated learning (FL) for BrainAGE estimation in ischemic stroke patients treated with mechanical thrombectomy, and investigates its association with clinical phenotypes and functional outcome.
METHODS: We used pre-treatment FLAIR brain images from 1674 stroke patients
СтатьяМногоцентровое исследованиеПоиск 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 unmanned aerial vehicles (UAVs) in disaster response and environmental monitoring has underscored the growing importance of real-time object detection within UAV swarm networks. However, the non-independent and identically distributed (non-IID) characteristics of data in UAV networks present significant challenges to model convergence and adaptability. To tackle these challenges, this study introduces a robust federated UAV object detection framework tailored for non-IID data distributions. The framework aims to enhance adaptability across clients, thereby improving bo
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.
INTRODUCTION: Federated Learning (FL) has become an attractive approach for e-health because it allows multiple institutions to collaboratively train machine learning models without directly sharing sensitive patient data. Despite these advantages, FL systems are still susceptible to poisoning attacks in which malicious participants manipulate model updates to degrade performance or embed hidden backdoors. Such threats raise serious concerns for medical applications, where reliability, transparency, and regulatory compliance are essential.
METHODS: In this work, we introduce FedSecure-Chain,
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.
INTRODUCTION: Wearable electrocardiography (ECG) and smartphone technology create new opportunities for arrhythmia monitoring outside clinical environments. However, deployable mobile cardiac systems must address more than just classification accuracy. They must reliably acquire physiological signals under real-world conditions, protect the privacy of sensitive cardiac data, adapt to user- and sensor-specific variability, and minimize false alarms in daily use. We present Cardio-FL, a smartphone-based digital health prototype for privacy-preserving, adaptive arrhythmia monitoring.
METHODS: Th
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.
INTRODUCTION: Kidney abnormalities, including cysts, tumors, and stones, are the most common renal disorders that can lead to severe complications such as chronic kidney disease or renal failure. Deep learning-based medical image analysis offers an effective approach for the accurate classification of kidney abnormalities, aiding the early diagnosis of renal disorders. However, its centralized training leads to inadequate privacy protection.
METHODS: Considering the importance of ensuring individuals' data privacy, this study proposes a novel federated transfer learning framework for accurate
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.
OBJECTIVE: Patients of different race have different outcomes following renal transplantation. Patients of different race also undergo renal transplantation at different hospitals. We used a novel decentralized multisite approach to quantitatively assess the effect of site of care on racial disparities between non-Hispanic Black (NHB) and non-Hispanic White (NHW) patients in post-transplantation survival times.
MATERIALS AND METHODS: In this study, we develop a communication-efficient federated learning algorithm to assess site-of-care associated racial disparities based on decentralized time
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.
Monkeypox (Mpox), caused by the monkeypox virus, has become a global concern due to its rising cases and resemblance to other rash-causing diseases like chickenpox and measles. Traditional diagnostic methods, including visual examination and PCR tests, face limitations such as misdiagnoses, high costs, and unavailability in resource-limited areas. Existing deep learning-based approaches, while effective, often rely on centralized datasets, raising privacy concerns and scalability issues. To address these challenges, this study proposes ResViT-FLBoost model, a federated learning-based framework
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.
Bladder cancer (BCa), as the most common malignant tumor of the urinary system, has received significant attention in research on the clinical application of artificial intelligence algorithms. Nevertheless, it has been observed that certain investigations use data from various medical facilities to train models for BCa, which may pose a privacy risk. Given this concern, protecting patient privacy during machine learning algorithm training is a crucial aspect that requires substantial attention. One emerging machine learning paradigm that addresses this concern is federated learning (FL). FL e
DatasetСтатьяМногоцентровое исследованиеПоддержка 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.
Alzheimer's disease (AD) is a progressive illness with a slow start that lasts many years; the disease's consequences are devastating to the patient and the patient's family. If detected early, the disease's impact and prognosis can be altered significantly. Blood biosamples are often employed in simple medical testing since they are cost-effective and easy to collect and analyze. This research provides a diagnostic model for Alzheimer's disease based on federated learning (FL) and hardware acceleration using blood biosamples. We used blood biosample datasets provided by the ADNI website to co
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.
Timely vehicular sensing is important for traffic monitoring, cooperative driving, and road-safety management. High mobility, time-varying wireless conditions, and limited edge resources nevertheless make information freshness difficult to maintain. This paper studies age of information (AoI) minimization in a three-layer UAV-assisted edge network comprising vehicle devices (VDs), unmanned aerial vehicles (UAVs), and a cloud center (CC). VDs periodically generate sensor-data packets, UAVs provide mobile edge processing and data-relaying services, and the CC coordinates system-wide resource all
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.
Federated learning (FL) is confronted with a fundamental trilemma: simultaneously achieving communication efficiency, personalized adaptation, and privacy protection. Current approaches typically optimize one objective at the expense of the others, failing to provide a unified solution. To address this challenge, we propose Federated Basis Decomposition (FedBD), a unified framework that leverages layer-wise basis decomposition to achieve balanced optimization across all three dimensions. The key innovation lies in reformulating the learning process as a subspace optimization problem: each netw
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.