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
2174 публикаций
Поиск: 181 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 884 с найденным полным текстом
Objective.Electroencephalography (EEG)-guided target speaker extraction aims to recover the listener's attended speech from mixed speech. However, effectively representing and integrating the target-related information shared between EEG and speech remains challenging. This study focuses on this challenge.Approach.We propose TriGA-Net, a Graph Attention Network for Brain-Controlled Speaker Extraction, in which EEG recorded from the listener is used to guide target speech extraction. The EEG encoder combines multi-scale temporal features and frequency-domain features with graph convolution to m
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.
Neural encoding, decoding, and representation-learning approaches have substantially advanced our ability to predict sensory, behavioral, and cognitive variables from neural population activity. At the same time, dynamical systems approaches increasingly model neural computation as the evolution of latent population states governed by recurrent interactions and structured state transitions. Although these frameworks are often presented as competing paradigms, both can successfully reproduce neural observations while still failing to uniquely identify the computational mechanisms implemented by
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.
OBJECTIVE: Pulse diagnosis holds significant importance in traditional Chinese medicine (TCM). The accurate identification of pregnancy pulse patterns is crucial in TCM diagnosis, as it provides valuable insights into a patient's health status and enables the development of personalized treatment strategies. However, the complexity and variability of pulse characteristics across different stages of pregnancy pose a significant challenge for TCM practitioners.
METHODS: To address the issue, a novel one-dimensional convolutional neural network (1DCNN) integrated with a gated recurrent unit (GRU
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.
WiFi channel state information (CSI) has become a compelling sensing modality for contactless human activity recognition. However, differences in datasets, preprocessing protocols and model configurations make consistent comparison and reproducibility challenging. This study presents a unified baseline evaluation of four widely adopted deep learning architectures: multilayer perceptron (MLP), convolutional neural network (CNN), gated recurrent unit (GRU) and a hybrid CNN-GRU model across multiple publicly available CSI datasets encompassing a range of sensing tasks. We harmonize the datasets,
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 incidence forecasting of infectious disease is critical for early prevention and for better government strategic planning. In this paper, we present a comprehensive study of different forecasting methods based on the monthly incidence of typhoid fever. The seasonal autoregressive integrated moving average (SARIMA) model and three different models inspired by neural networks, namely, back propagation neural networks (BPNN), radial basis function neural networks (RBFNN), and Elman recurrent neural networks (ERNN) were compared. The differences as well as the advantages and disadvantages
Сравнительное исследованиеСтатьяПоддержка 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.
As digital imaging in healthcare grows quickly, dealing with vast medical image data is getting trickier. Content-Based Medical Image Retrieval (CBMIR) systems help with this, but they struggle because of the gap between simple image details and what these images mean in a clinical setting. This paper presents a new approach using deep learning for CBMIR that combines Convolutional Neural Networks (CNNs), Recurrent Neural Networks (RNNs), and Explainable AI (XAI). Using the Breast Ultrasound Image (BUSI) dataset for training, this hybrid model classifies images and finds the relevant results b
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.
Student engagement and emotional state monitoring remains a major challenge in modern education, particularly in online learning environments where direct instructor supervision is limited. Conventional evaluation approaches, such as surveys, quizzes, and feedback forms, rely heavily on subjective judgment and often fail to capture the dynamic temporal patterns of learner attention and behavioral engagement patterns. To address this limitation, this study proposes a vision-based framework that integrates efficient spatial feature extraction with temporal sequence modeling for continuous engage
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.
Obsessive-compulsive disorder (OCD) is a complex psychiatric condition characterized by significant heterogeneity in symptomatology and treatment response. Advances in neuroimaging, EEG, and other multimodal datasets have created opportunities to identify biomarkers and predict outcomes, yet traditional statistical methods often fall short in analyzing such high-dimensional data. Deep learning (DL) offers powerful tools for addressing these challenges by leveraging architectures capable of classification, prediction, and data generation. This brief review provides an overview of five key DL ar
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.
The widespread availability of powerful generative models, such as Generative Adversarial Networks (GANs) and Autoencoders, has led to a dramatic surge in deepfake content production. These synthetically generated videos, often indistinguishable from authentic ones, pose a growing threat to digital trust and can facilitate misinformation, identity fraud, and social manipulation. While various deepfake detection models have been proposed, many struggle to maintain consistent performance across datasets and unseen video formats, revealing a clear research gap in generalizability and temporal fea
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.
Medical imaging plays a crucial role in modern diagnostic practices, but traditional techniques often face limitations in accuracy, efficiency, and scalability. The emergence of deep learning (DL) has led to significant improvements that are transforming this field. This review discusses how DL algorithms are enhancing diagnostic imaging by improving accuracy, enabling automated analysis, and supporting personalized treatment plans. It focuses on key DL frameworks, including convolutional neural networks (CNNs), recurrent neural networks (RNNs), and generative adversarial networks (GANs). The
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.
The StitchNet framework introduced a paradigm shift in Neural Architecture Search (NAS) by proposing the construction of neural networks from pre-trained fragments. This approach reduces computational costs and enables task-specific model creation without retraining entire networks. Building on this foundation, our study evaluates the practical application of StitchNet in constructing neural networks tailored to medical image classification tasks. Specifically, we assess its performance on a dataset of retinal images classified into three categories: healthy, dry, and wet AMD (Age-Related Macu
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 rhythm in which robotic prostheses have evolved over the past two decades indicates that they have a promising potential to replace passive prostheses in the foreseeable future. Powered lower limb prostheses, unlike the passive ones, can provide net positive work during the late stance, thus reducing the metabolic cost. Moreover, robotic prostheses can provide different characteristics in compliance with the walking terrains. The conventional three-level controllers of robotic lower limb prostheses are known for their intermittent and nondynamic properties, which limit prosthesis functioni
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.
Recurrent interactions in the primary visual cortex make its output a complex nonlinear transform of its input. This transform serves preattentive visual segmentation, that is, autonomously processing visual inputs to give outputs that selectively emphasize certain features for segmentation. An analytical understanding of the nonlinear dynamics of the recurrent neural circuit is essential to harness its computational power. We derive requirements on the neural architecture, components, and connection weights of a biologically plausible model of the cortex such that region segmentation, figure-
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 replica method has played a key role in analyzing systems with disorder, e.g., the Sherrington-Kirkpatrick (SK) model, and associative neural networks. Here we study the influence of disorder in the lateral inhibition type interactions on the cooperative and uncooperative behavior of recurrent neural networks by using the replica method. Although the interaction between neurons has a dependency on distance, our model can be solved analytically. Bifurcation analysis identifies the boundaries between paramagnetic, ferromagnetic, spin-glass, and localized phases. In the localized phase, the n
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.
Exploring the dynamics of complex systems such as the human brain is challenging due to inherent uncertainties and the limited availability of high-quality data. Here, we develop a mathematical theory for noisy linear recurrent neural networks (lRNNs) within the reservoir computing framework and demonstrate their effectiveness in constructing autonomous in silico replicas - digital-twins - of brain activity. We show that the Laplace-transform poles of high-dimensional inferred lRNNs directly encode the spectral properties of observed systems and are linked to the kernels of auto-regressive mod
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.
Epidemic forecasting plays a vital role in modern public health. The COVID-19 outbreak underscored the critical need for accurate and responsive models. Recent spatio-temporal Graph Neural Network (GNN) models that integrate human mobility networks face challenges in fully capturing complex, non-linear temporal dynamics and long-range spatial dependencies. To bridge this gap, we introduce two novel spatio-temporal architectures that combine GNNs with Transformer-based temporal modeling: a local-attention-model, which restricts self-attention to temporally adjacent windows of the same node, and
Сравнительное исследованиеСтатьяПоддержка 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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2024eng
GOAL: Motion capture is used for recording complex human movements that is increasingly applied in medicine. We describe a novel algorithm of combining a machine learning approach with biomechanics to enable fast and robust analysis of motion capture data to obtain joint angles.
METHODS: A multilayer perceptron and a recurrent neural network were compared in their capacity to estimate the joint angles of the human arm. The networks were pre-trained using data from a kinematic model of the human arm. The data comprised movements of three degrees of freedom, such as wrist flexion/extension, wri
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.
How do attention and consciousness interact in the human brain? Rival theories of consciousness disagree on the role of fronto-parietal attentional networks in conscious perception. We recorded neural activity from 727 intracerebral contacts in 13 epileptic patients, while they detected near-threshold targets preceded by attentional cues. Clustering revealed three neural patterns: first, attention-enhanced conscious report accompanied sustained right-hemisphere fronto-temporal activity in networks connected by the superior longitudinal fasciculus (SLF) II-III, and late accumulation of activity
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.
Human cognition depends on the ability to flexibly recombine existing knowledge in new ways. Although this capacity for compositionality has traditionally been attributed to cortical networks, its broader neural basis remains unclear. We combine dimensionality reduction of task-based fMRI with recurrent neural network modeling to dissociate two processes underlying compositional cognition: specialized components; and the more general process of recombination. Across 87 participants performing a well-established compositional task, domain-specific cortical and anterior cerebellar regions suppor
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.
Fake news and misinformation have adopted various propagation media over time, nowadays spreading predominantly through online social networks. During the ongoing COVID-19 pandemic, false information is affecting human life in many spheres The world needs automated detection technology and efforts are being made to meet this requirement with the use of artificial intelligence. Neural network detection mechanisms are robust and durable and hence are used extensively in fake news detection. Deep learning algorithms demonstrate efficiency when they are provided with a large amount of training dat
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.