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: 85 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 485 с найденным полным текстом
Several machine learning (ML) and deep learning (DL) methods have been used to predict the presence of species in classification problems. Another set of methods, called reinforcement learning (RL), has been used in training agents to perform various tasks, but not in predicting species distribution. Culex pipiens (Diptera: Culicidae), commonly known as the common house mosquito, is a globally distributed species prevalent in temperate and subtropical regions. They serve as a primary vector for West Nile Virus (WNV), a mosquito-borne pathogen that affects humans and other animals. The study ob
СтатьяСравнительное 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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2021eng
Brain-machine interfaces (BMIs) enable people with disabilities to control external devices with their motor intentions through a decoder. Compared with supervised learning, reinforcement learning (RL) is more promising for the disabled because it can assist them to learn without actual limb movement. Current RL decoders deal with tasks with immediate reward delivery. But for tasks where the reward is only given by the end of the trial, existing RL methods may take a long time to train and are prone to becoming trapped in the local minima. In this paper, we propose to embed temporal difference
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.
Hepatitis C virus (HCV) infection remains a leading cause of liver cirrhosis and hepatocellular carcinoma globally, affecting approximately 50 million people with chronic infection worldwide. Traditional diagnostic approaches often rely on extensive biomarker panels, resulting in increased healthcare costs and clinical complexity without corresponding improvements in diagnostic accuracy. This study presents a novel multi-agent reinforcement learning (MARL) framework for optimizing HCV diagnosis through intelligent feature selection, aiming to identify minimal yet highly effective biomarker sub
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.
BACKGROUND: Volumetric modulated arc therapy (VMAT) machine parameter optimization (MPO) remains computationally expensive and sensitive to input dose objectives creating challenges for manual and automatic planning. Reinforcement learning (RL) involves machine learning through extensive trial-and-error, demonstrating performance exceeding humans, and existing algorithms in several domains.
PURPOSE: To develop and evaluate an RL approach for VMAT MPO for localized prostate cancer to rapidly and automatically generate deliverable VMAT plans for a clinical linear accelerator (linac) and compare
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 aim of this work was to construct a score issued from a machine learning system with self-improvement capacity able to predict the fate of an ART embryo incubated in a time lapse monitoring (TLM) system. A retrospective study was performed. For the training data group, 110 couples were included and, 891 embryos were cultured. For the global setting data group, 201 couples were included, and 1186 embryos were cultured. No image analysis was used; morphokinetic parameters from the first three days of embryo culture were used to perform a logistic regression between the cell number and time.
СтатьяВалидационное 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.
Objective.To develop and evaluate a deep reinforcement learning (RL) framework for rapid and automatic machine parameter optimization of volumetric modulated arc therapy (VMAT) treatment plans for localized prostate cancer.Approach.A multi-task policy network combining convolution and long short-term memory was trained to sequentially predict the set of actions on the dose rate and multi-leaf collimator positions over the range of two arcs. The network uses as input the cumulative dose grid at the current gantry angle, contours of the planning target volume (PTV) and organs at risk, and the se
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: Volumetric modulated arc therapy (VMAT) machine parameter optimization (MPO) is a complex, high-dimensional problem typically solved with inverse planning solutions that are both temporally and computationally expensive. While machine learning techniques have been explored to automate this process, they often supplement rather than replace conventional optimizers and are fundamentally limited by the quality and diversity of training data. Reinforcement learning (RL) offers a promising alternative, finding optimal strategies through trial-and-error by maximizing a narrowly tailored
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: Maintaining remission in ulcerative colitis (UC) with traditional Chinese herbal medicine is challenging because fixed-intensity prescriptions may not accommodate changes in inflammatory burden. This study aimed to predict 52-week relapse and develop a data-driven policy for sequential adjustment of herbal treatment intensity.
METHODS: We analysed a development cohort of 1,181 patients receiving herbal maintenance therapy and an independent external validation cohort of 96 patients. Twenty-one baseline clinical, biomarker, herbal-dose and behavioral variables, expanded to 31 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.
INTRODUCTION: Traditional consensus-reaching processes in large-scale group decision making (LSGDM) rely heavily on empirically determined feedback parameters and have difficulty balancing consensus efficiency with the preservation of expert opinions. To address this problem, this paper proposes a reinforcement learning-based machine-assisted adaptive feedback consensus method.
METHODS: First, a hesitation degree is introduced to improve the score function of hesitant fuzzy linguistic term sets (HFLTSs), thereby reducing information loss during linguistic information transformation. Second, a
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.
This study introduces a novel approach to robot-assisted ankle rehabilitation by proposing a dual-agent multiple model reinforcement learning (DAMMRL) framework, leveraging multiple model adaptive control (MMAC) and co-adaptive control strategies. In robot-assisted rehabilitation, one of the key challenges is modeling human behavior due to the complexity of human cognition and physiological systems. Traditional single-model approaches often fail to capture the dynamics of human-machine interactions. Our research employs a multiple model strategy, using simple submodels to approximate complex h
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.
Robotic arms are widely used in various aspects of human-robot collaboration. The primary goal of this study is to explore the usability of robotic arms for delivering objects to humans in dynamic environments. Traditional robotic arms often face limitations in path planning, such as difficulties adapting to dynamic environments and complex developmental processes. To overcome these challenges, this study employs reinforcement learning (RL) to train four models-the Approach RL Model, Delivery RL Model, Decision RL Model, and Merged Model-as alternatives to conventional path planning control. 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.
Nanoparticles (NPs) have been employed as drug delivery systems (DDSs) for several decades, primarily as passive carriers, with limited selectivity. However, recent publications have shed light on the emerging phenomenon of NPs exhibiting selective cytotoxicity against cancer cell lines, attributable to distinct metabolic disparities between healthy and pathological cells. This study revisits the concept of NPs selective cytotoxicity, and for the first time proposes a high-throughput in silico screening approach to massive targeted discovery of selectively cytotoxic inorganic NPs. In the first
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.
We propose a simple and practical machine learning-based desktop solution for analyzing biologically relevant protein motions. We termed our technology reinforced molecular dynamics (rMD) combining MD trajectory data and free-energy (FE) map data to train a dual loss function autoencoder network that can explore conformational space retroactively with no need for additional simulations. The key insight of rMD is that it replaces the latent space with an FE map for structure prediction, thus infusing the autoencoder network with physical context. The FE map is computed from a biased MD simulati
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 challenge of maintenance decision-making for critical components in electro-hydraulic servo material fatigue testing machine, characterized by weak state observability and difficulty in degradation prediction, a multi-component joint maintenance decision-making method based on multi-head deep reinforcement learning is proposed. Considering the heterogeneity of the degradation mechanisms and observation methods for the four components-bearing beam, fixture, main machine sensors, and hydraulic oil tank-a continuous-discrete hybrid state Markov decision process (HS-MDP) is construc
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.
Antibiotics like Ciprofloxacin (Cfx), tetracycline (Tet) and Tobramycin (Tob) are commonly used against a broad-spectrum of bacterial infection. Recent surge in their uptake through the presence of their residues in environmental water has been linked to increased antibiotic resistance. Conventional methods for antibiotic monitoring by gold standards like LC-MS though sensitive and reliable, are expensive, requires dedicated equipment and complex sample processing steps. In this context, nanoscale field-effect transistors (FETs) present significant advantages of rapid measurement and ultra-hig
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.
Machine learning-assisted gas stripping optimization is showing great potential of removing hydrogen sulfide (H2S) in the acidogenesis phase to enhance sulfate reduction. Herein, response surface methodology (RSM) and artificial neural network (ANN) were employed unprecedentedly to model the sulfate reduction rate after removal of H2S. Under the COD/SO42- ratio of 8.84, reaction temperature of 33.81℃, and gas stripping flow of 0.02 (L gas/min)/L liquid modeled by RSM, a maximum sulfate reduction rate of 92.30 % with 6.38 % error was obtained. Correspondingly, the results of genetic algorithm-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.
Research has failed to resolve the dilemma experienced by localized prostate cancer patients who must choose between radical prostatectomy (RP) and external beam radiotherapy (RT). Because the Charlson Comorbidity Index (CCI) is a measurable factor that affects survival events, this research seeks to validate the potential of the CCI to improve the accuracy of various prediction models. Thus, we employed the Cox proportional hazard model and machine learning methods, including random forest (RF) and support vector machine (SVM), to model the data of medical records in the National Health Insur
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.
This work examined the role of alkaline and epoxy-based surface chemical treatments on the mechanical and thermal properties of flax fiber reinforced Aluminum Alloy 6082 hybrid Fiber Metal Laminates (FMLs), integrated with machine learning (ML) predictive frameworks. Flax fiber mats underwent surface modification via a 1% NaOH alkaline soak followed by an epoxy sizing treatment to promote stronger bonding with the aluminum matrix. Concurrently, aluminum sheets were treated with an NaOH-Na₂CO₃ alkaline bath to enhance metal-polymer interfacial compatibility. Composite laminates were manufacture
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.
Splicing glass fiber reinforced polymer (GFRP) bars is commonly encountered in practical applications due to limitations associated with rebar length. In turn, this affects the bond stress maintaining the equilibrium between concrete and reinforcement. Also, there is a lack of estimating the bond strength of spliced GFRP-reinforced beams employing machine learning approaches and interpreting the effective parameters. Thus, this paper predicts interfacial capacity of spliced GFRP-reinforced beams using machine learning (ML) models including ordinary least square regression (OLS), artificial neu
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.
MQ silicone resins are widely used reinforcing fillers for addition-curing liquid silicone rubber (LSR); however, establishing a quantitative composition-property relationship remains challenging because published data are fragmented across matrix chemistries, crosslinkers, catalyst systems and testing standards. Here we present a machine-learning-guided workflow integrating literature data mining, interpretable random-forest (RF) modelling and independent experimental validation for the design of MQ-reinforced LSR. An RF model trained on 55 curated literature points spanning RTV and LSR syste
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.