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: 603 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 642 с найденным полным текстом
OBJECTIVE: Steady-state visually evoked potential (SSVEP)-based brain-computer interfaces (BCIs) allow healthy subjects to communicate. However, their dependence on gaze control prevents their use with severely disabled patients. Gaze-independent SSVEP-BCIs have been designed but have shown a drop in accuracy and have not been tested in brain-injured patients. In the present paper, we propose a novel independent SSVEP-BCI based on covert attention with an improved classification rate. We study the influence of feature extraction algorithms and the number of harmonics. Finally, we test online c
СтатьяРандомизированное исследованиеПоддержка 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.
A brain-computer interface (BCI) is a communication system that translates brain-activity into commands for a computer or other devices. In other words, a BCI allows users to act on their environment by using only brain-activity, without using peripheral nerves and muscles. In this paper, we present a BCI that achieves high classification accuracy and high bitrates for both disabled and able-bodied subjects. The system is based on the P300 evoked potential and is tested with five severely disabled and four able-bodied subjects. For four of the disabled subjects classification accuracies of 100
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.
In this work the application of different machine learning techniques for classification of mental tasks from electroencephalograph (EEG) signals is investigated. The main application for this research is the improvement of brain computer interface (BCI) systems. For this purpose, Bayesian graphical network, neural network, Bayesian quadratic, Fisher linear and hidden Markov model classifiers are applied to two known EEG datasets in the BCI field. The Bayesian network classifier is used for the first time in this work for classification of EEG signals. The Bayesian network appeared to have a s
Сравнительное исследованиеОценочное исследованиеСтатьяПоиск 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 discovery of event-related desynchronization (ERD) and event-related synchronization (ERS) by Pfurtscheller paved the way for the development of brain-computer interfaces (BCIs). BCIs allow control of computers or external devices with the regulation of brain activity only. Two different research traditions produced two different types of BCIs: invasive BCIs, realized with implanted electrodes in brain tissue and noninvasive BCIs using electrophysiological recordings in humans such as electroencephalography (EEG) and magnetoencephalography (MEG) and metabolic changes such as functional mag
СтатьяПоддержка NIH: внешняя программаПоддержка исследования: вне правительства СШАОбзорПолный 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.
The information transfer rate, given in bits per trial, is used as an evaluation measurement in a brain-computer interface (BCI). Three subjects performed four motor-imagery (left hand, right hand, foot, and tongue) and one mental-calculation task. Classification of the electroencephalogram (EEG) patterns is based on band power estimates and hidden Markov models (HMMs). We propose a method that combines the EEG patterns based on separability into subsets of two, three, four, and five mental tasks. The information transfer rates of the BCI systems comprised of these subsets are reported. The ac
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.
This study introduces an integrated computational environment that leverages Brain-Computer Interface (BCI) technology to enhance information access for individuals with severe disabilities. Traditional assistive technologies often rely on physical interactions, which can be challenging for this demographic. Our innovation focuses on creating new assistive technologies that use novel Human-Computer interfaces to provide a more intuitive and accessible experience. The proposed system offers four key applications to users controlled by four thoughts: an email client, a web browser, an e-learning
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.
OBJECTIVE: Motor-imagery (MI) electroencephalography (EEG) offers a non-invasive route to brain-computer interaction, yet reliable single-trial decoding remains difficult because task-related patterns are weak, nonstationary, and distributed over multiple temporal scales. This study investigates whether a staged local-to-global model can integrate fine temporal-spatial structure with longer-range context without relying on unrestricted self-attention.
APPROACH: We propose MTDANet, an architecture that combines multi-scale temporal-spatial feature extraction, factorized temporal consolidation,
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: Enhancing the command capacity of motor imagery (MI)-based brain-computer interfaces (BCIs) remains a significant challenge in neuroinformatics, especially for real-world assistive applications. This study explores a multiclass BCI system designed to classify multiple MI tasks using a low-cost EEG device.
METHODS: A BCI system was developed to classify six mental states: resting state, left and right hand movement imagery, tongue movement, and left and right lateral bending, using EEG data collected with the Emotiv EPOC X headset. Seven participants underwent a body awareness tr
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.
Reliable neural recording on densely hair-covered scalp remains challenging due to the incompatibility between efficient hair penetration, conformal skin contact, and low-impedance electrical interfacing. Here, we report a claw-shaped dry electrode that integrates thermoresponsive phase-transition networks for reversible stiffness switching, with temperature-invariant conductivity enabled by crystallization-induced confinement, achieving comfortable, low-impedance neural interfacing on densely hair-covered scalps. The electrode comprises a bottlebrush polymer/multi-walled carbon nanotubes (MWC
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.
Motor dysfunction caused by neurological disorders such as stroke, spinal cord injury and amyotrophic lateral sclerosis has become a major global public health issue. Conventional rehabilitation approaches yield limited efficacy, highlighting the urgent need for innovative therapies. Brain-computer interface (BCI) technology offers a promising avenue for motor function restoration by decoding motor intentions and driving external devices or providing sensory feedback. However, current BCI development has predominantly emphasised technical performance metrics, lacking systematic investigation i
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.
The synergy between amplitude and phase in electroencephalogram (EEG)-based brain-computer interfaces (BCIs) provides comprehensive and essential insights into neural oscillatory processes. However, constrained by real-valued computation paradigms, most deep learning methods have to process amplitude and phase independently, neglecting their crucial interaction mechanisms. To address this issue, we construct a Complex-valued Graph Network (CGNet) to capture comprehensive information from EEG signals, where both amplitude and phase information are encoded into the complex-valued representation.
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.
Enhancing motor disability assessment and its imagery classification is a significant concern in contemporary medical practice, necessitating reliable solutions to improve patient outcomes. One promising avenue is the use of brain-computer interfaces (BCIs), which establish a direct communication pathway between users and machines. This technology holds the potential to revolutionize human-machine interaction, especially for individuals diagnosed with motor disabilities. Despite this promise, extracting reliable control signals from noisy brain data remains a critical challenge. In this paper,
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.
Noninvasive brain-computer interfaces (BCIs) have rapidly developed over the past decade. This new technology utilizes magneto-electrical recording or hemodynamic imaging approaches to acquire neurophysiological signals noninvasively, such as electroencephalography (EEG) and functional near-infrared spectroscopy (fNIRS). These noninvasive signals have different temporal resolutions ranging from milliseconds to seconds and various spatial resolutions ranging from centimeters to millimeters. Thanks to these neuroimaging technologies, various BCI modalities like steady-state visual evoked potenti
СтатьяСистематический обзорПолный 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.
It is essential for neuroscience and clinic to estimate the influence of neuro-intervention after brain damage. Most related studies have used Mirrored Contralesional-Ipsilesional hemispheres (MCI) methods flipping the axial neuroimaging on the x-axis in prognosis prediction. But left-right hemispheric asymmetry in the brain has become a consensus. MCI confounds the intrinsic brain asymmetry with the asymmetry caused by unilateral damage, leading to questions about the reliability of the results and difficulties in physiological explanations. We proposed the Separated Left-Right hemiplegia (SL
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.
OBJECTIVES: We study the applicability of a visual P3-based and a Steady State Visually Evoked Potentials (SSVEP)-based Brain-Computer Interfaces (BCIs) for mental text spelling on a cohort of patients with incomplete Locked-In Syndrome (LIS).
METHODS: Seven patients performed repeated sessions with each BCI. We assessed BCI performance, mental workload and overall satisfaction for both systems. We also investigated the effect of the quality of life and level of motor impairment on the performance.
RESULTS: All seven patients were able to achieve an accuracy of 70% or more with the SSVEP-bas
Сравнительное исследованиеСтатьяПоддержка 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.
BACKGROUND: Multiple Sclerosis (MS) is a chronic neurodegenerative disease in which the immune system attacks the myelin sheaths around nerves. People with MS (pwMS) often experience pain, fatigue, cognitive dysfunction, and reduced mobility. Today, MS is incurable, and treatments can at best slow the progression of the disease and manage symptoms. We conducted a preliminary, single-arm study using a motor-imagery brain-computer interface (MI-BCI) with functional electrical stimulation (FES) and virtual reality avatar targeting gait in pwMS.
METHODS: Twenty-six pwMS were enrolled; 24 complete
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.
Objective. Stereoelectroencephalography (sEEG) is a mesoscale intracranial monitoring technique that records from the brain volumetrically with depth electrodes. sEEG is typically used for monitoring of epileptic foci, but can also serve as a useful tool to study distributed brain dynamics. Herein, we detail the implementation of sEEG-based brain-computer interfacing (BCI) across a diverse and large patient cohort.Approach. Across 27 subjects (15 female, 31 total feedback experiments), we identified channels with increases in broadband during hand, tongue, or foot movements using a simple bloc
СтатьяПоддержка исследования: вне правительства СШАПоддержка NIH: внешняя программаПоиск 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
Current treatments for paraplegia induced by spinal cord injury (SCI) are often limited by the severity of the injury. The accompanying loss of sensory and motor functions often results in reliance on wheelchairs, which in turn causes reduced quality of life and increased risk of co-morbidities. While brain-computer interfaces (BCIs) for ambulation have shown promise in restoring or replacing lower extremity motor functions, none so far have simultaneously implemented sensory feedback functions. Additionally, many existing BCIs for ambulation rely on bulky external hardware that make them ill-
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.
Rationale: The brain-computer interface (BCI) is core tasks in comprehensively understanding the brain, and is one of the most significant challenges in neuroscience. The development of novel non-invasive neuromodulation technique will drive major innovations and breakthroughs in the field of BCI. Methods: We develop a new noninvasive closed-loop acoustic brain-computer interface (aBCI) for decoding the seizure onset based on the electroencephalography and triggering ultrasound stimulation of the vagus nerve to terminate seizures. Firstly, we create the aBCI system and decode the onset of seiz
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.
Damage or degeneration of motor pathways necessary for speech and other movements, as in brainstem strokes or amyotrophic lateral sclerosis (ALS), can interfere with efficient communication without affecting brain structures responsible for language or cognition. In the worst-case scenario, this can result in the locked in syndrome (LIS), a condition in which individuals cannot initiate communication and can only express themselves by answering yes/no questions with eye blinks or other rudimentary movements. Existing augmentative and alternative communication (AAC) devices that rely on eye tra
СтатьяОбзорПоддержка 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.