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
13463 публикаций
Поиск: 133 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 922 с найденным полным текстом
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
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.
Advancement of science and technology has prompted researchers to develop new intelligent systems that can solve a variety of problems such as pattern recognition, prediction, and optimization. The ability of the human brain to learn in a fashion that tolerates noise and error has attracted many researchers and provided the starting point for the development of artificial neural networks: the intelligent systems. Intelligent systems can acclimatize to the environment or data and can maximize the chances of success or improve the efficiency of a search. Due to massive parallelism with large num
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.
BACKGROUND: Cleft lip repair presents complex surgical challenges requiring precise preoperative planning. Emerging computer vision technologies powered by artificial intelligence (AI) may support more consistent and accurate surgical assessments. This systematic review defines the scope, methods, and performance of computer vision for preoperative soft-tissue landmarking in cleft lip repair.
METHODS: Articles were retrieved from Medline and Embase. Inclusion criteria encompassed studies using computer vision techniques for automated soft-tissue analysis before cleft. The selected studies wer
Систематический обзорСтатьяПоиск 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 interpretability of GNNs (Graph Neural Network Models) has always been a focal point in the field of compound property prediction. GNNs perform well in modeling small-sample compound data sets, but current interpretable methods struggle to accurately interpret atomic attribution values, quantitative measures of individual atom attribution to model predictions. This makes the optimization of lead compounds reliant on the experience of senior chemists, slowing the drug development process. The rapid expansion of the AI-generated chemical space necessitates efficient interpretation of AI (XAI
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.
Spiking Neural Network (SNN) has been recognized as the third generation of neural networks. Conventionally, a SNN can be converted from a pre-trained Artificial Neural Network (ANN) with less computation and memory than training from scratch. But, these converted SNNs are vulnerable to adversarial attacks. Numerical experiments demonstrate that the SNN trained by optimizing the loss function will be more adversarial robust, but the theoretical analysis for the mechanism of robustness is lacking. In this paper, we provide a theoretical explanation by analyzing the expected risk function. Start
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.
Weakly-supervised temporal action localization is a practical task that localizes different action instances from untrimmed videos without frame-level annotations. Current approaches either enhance the discriminative features of action snippets to reduce confusion with the background, or focus on less informative snippets to guide the model to explore non-salient regions. However, they seldom explicitly consider similar sub-processes across different actions, known as cross-category consensus relationships, which can provide complementary information for exploring the more comprehensive locali
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.
Adversarial attacks pose a security challenge for deep neural networks, motivating researchers to build various defense methods. Consequently, the performance of black-box attacks turns down under defense scenarios. A significant observation is that some feature-level attacks achieve an excellent success rate to fool undefended models, while their transferability is severely degraded when encountering defenses, which give a false sense of security. In this paper, we explain one possible reason caused this phenomenon is the domain-overfitting effect, which degrades the capabilities of feature p
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.
BACKGROUND: Over the past 5 years, a steady stream of publications has discussed the use of artificial neural networks (ANNs) for urologic and other medical applications. The pace of this research has increased recently, and deployed products based on this technology are now appearing. Before these tools can be widely accepted by clinicians and researchers, a deeper level of understanding of ANNs is necessary. This article attempts to lay some of the groundwork needed to facilitate this familiarity.
METHODS: A short discussion of neural network history is included for background. This is foll
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.
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
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.
For understanding dynamic biological processes such as the life cycle progression of bacteria at the single-cell level, automatic methods for tracking and state classification are needed. In this work, we propose a unified framework based on Graph Neural Networks for simultaneous bacteria tracking, division detection, and life cycle state classification. In previous work, these tasks were treated separately. With our method, trajectories are represented by a graph, where nodes represent bacteria at different time points of a live-cell microscopy video, and edges represent their interactions ov
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.
Image preprocessing and edge detection are critical in industrial machine vision for workpiece dimension measurement. Challenges arise from interference regions on workpiece surfaces, complicating edge detection and roundness assessment. This paper investigates the application of AI-based detection methods within the industrial image analysis framework of coordinate measuring machines. Initially, two models with varying hole sizes and counts were designed in SolidWorks, fabricated using a Prolight 3-axis CNC milling machine, and analyzed. A transfer learning approach mitigated overfitting on t
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.
Pressure ulcers are a common, painful, costly, and often preventable complication associated with prolonged immobility in bedridden patients. It is a significant health problem worldwide because it is frequently seen in inpatients and has high treatment costs. For the treatment to be effective and to ensure an international standardization for all patients, it is essential that the diagnosis of pressure ulcers is made in the early stages and correctly. Since invasive methods of obtaining information can be painful for patients, different methods are used to make a correct diagnosis. Image-base
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.
Early and precise disease detection in healthcare plays a vital role for better treatment results, healthier life expectancy, and good quality of care. However, many conventional AI diagnostic models are designed with a narrow focus on a single disease identification. This would limit their applications in the current-day healthcare system, particularly in remote and rural areas where there is limited access to specialized healthcare services. For the automated diagnosis, the study proposed a unified advanced multi-disease classification system, namely Attention Augmented EfficientNet-B4 (Attn
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
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.
Weakly Supervised Semantic Segmentation (WSSS) is a challenging task in computer vision, as it relies on limited supervision to generate precise object localization maps, often using Class Activation Maps (CAMs). Traditional methods struggle with balancing localization accuracy and scalability due to their reliance on fixed network architectures and handcrafted strategies. Neural Architecture Search (NAS), despite its proven success in optimizing network designs across tasks, has not yet been explored in WSSS due to the need for efficient weight sharing. To address these limitations, we propos
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.
In mixed traffic flow scenarios, multiple types of traffic participants coexist on the same roadway, posing severe challenges for object detection algorithms due to significant disparities in target scales, complex background interference, dense occlusions, and the high heterogeneity of classes. Existing CNN-based detectors are constrained by the fixed receptive fields inherent in convolution operations and are generally plagued by imbalances between positive and negative samples as well as inadequate representations of small objects, further limiting their performance in mixed traffic detecti
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.
In recent years, point cloud salient object detection (SOD) has gained increasing attention. However, existing point cloud SOD methods predominantly rely on Farthest Point Sampling (FPS) for downsampling and K-Nearest Neighbors (KNN) or ball query for local feature aggregation, which imposes limitations on both model representation capacity and computational cost. These methods either have a limited receptive field or struggle to balance the performance and efficiency. To address these challenges, our CMTNet employs a serialization-based architecture to achieve efficient downsampling and featu
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.
BACKGROUND: Knee osteoarthritis (KOA) is a common, degenerative joint condition where cartilage wears away, causing bone-on-bone friction, leading to pain, stiffness, swelling, and reduced mobility, often with a cracking sound (crepitus). KOA affects the knee joint as a whole, and makes it difficult for the knee to move normally. In this paper, KOA classification using Optimized Granger Causality Inspired Graph Neural Network with Accelerated Model-agnostic Explanations and Secretary Bird Optimization Algorithm (KOAC-GCIGNN-AcME-SBOA) is proposed.
METHODS: The input images were collected from
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.
Colorectal histology classification remains challenging because subtle morphological differences, staining variability, and inappropriate model configurations can reduce generalization. This study proposes COOT-CNN, a lightweight convolutional neural network in which architectural design and training strategy are optimized jointly through the COOT metaheuristic. The search process considers network depth, convolution type, kernel size, feature width, squeeze-and-excitation attention, activation functions, pooling, regularization, loss formulation, learning-rate scheduling, data augmentation, e
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.
BACKGROUND: Artificial intelligence (AI) has evolved enormously over the past decade and is increasingly being applied to a range of domains, including psychiatry. AI encompasses several modalities, including artificial neural networks (ANNs), referring to computer models partly based on the workings of the brain. ANNs have existed since the ’50s, but only became ‘mainstream’ since the 2010s. The fact that they are inspired by the workings of the brain raises the question of whether they can also be used to model the (dys)functioning of the brain. This question led to the adv
Аннотация на английскомСтатьяОбзорПоиск 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.