СОЦИАЛЬНЫЕ АСПЕКТЫ ЖИЗНИ ПАЦИЕНТОВ С ОСТЕОХОНДРОЗОМ ПОЗВОНОЧНИКА

Θεματικοί όροι: Ключевые слова: Остеохондроз, качество жизни, инвалидность, позвоночник, социальный фактор

СОЦИАЛЬНЫЕ АСПЕКТЫ ЖИЗНИ ПАЦИЕНТОВ С ОСТЕОХОНДРОЗОМ ПОЗВОНОЧНИКА

Θεματικοί όροι: Ключевые слова: Остеохондроз, качество жизни, инвалидность, позвоночник, социальный фактор

СТАБИЛИЗИРУЮЩИЕ ОПЕРАЦИИ ПРИ ТРАВМАХ ГРУДОПОЯСНИЧНОГО ОТДЕЛА ПОЗВОНОЧНИКА

Θεματικοί όροι: травма, позвоночник, спинной мозг, ревизия, металлаконструкция, ТПФ системы

СТАБИЛИЗИРУЮЩИЕ ОПЕРАЦИИ ПРИ ТРАВМАХ ГРУДОПОЯСНИЧНОГО ОТДЕЛА ПОЗВОНОЧНИКА

Θεματικοί όροι: травма, позвоночник, спинной мозг, ревизия, металлаконструкция, ТПФ системы

Оздоровительные системы и контроль в физической культуре

Συνεισφορές: Минина, Н. В.

Θεματικοί όροι: баня, врачебный контроль, профилактика стресса, физическая культура, оздоровительная физическая культура, здоровый образ жизни, оздоровительные системы, закаливание, позвоночник, рациональное питание, физические упражнения

Περιγραφή αρχείου: application/pdf

Σύνδεσμος πρόσβασης: https://rep.vsu.by/handle/123456789/46164

Алгоритм улучшения качества КТ-изображений позвоночника человека с применением вариационного автокодировщика

Θεματικοί όροι: Машинное обучение, Вариационный автокодировщик, Позвоночник, Machine learning, Image enhancement, Улучшение изображений, Variational autoencoder, КТ-изображения, Spine, CT images

Περιγραφή αρχείου: application/pdf

Σύνδεσμος πρόσβασης: https://elib.gstu.by/handle/220612/41292

METHODS OF CONDUCTING PHYSICAL EDUCATION CLASSES FOR SECONDARY SCHOOL STUDENTS WITH CHANGES IN THE MEMORANDAL MOTOR SYSTEM ; НАУЧНО-ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ОРГАНИЗАЦИИ УРОКОВ ФИЗИЧЕСКОГО ВОСПИТАНИЯ ДЛЯ СРЕДНОШКОЛНИКОВ СО СКОЛИОЗОМ ; TAYANCH HARAKAT SISTEMASIDA O‘ZGARISH BO‘LGAN OʻRTA MAKTAB O‘QUVCHILARIGA JISMONIY TARBIYA DARSLARINIINI OLIB BORISH USULLARI

Συγγραφείς: Norboyev , Ahmad, Uzaqbaev, Ruslan

Πηγή: Eurasian Journal of Academic Research; Vol. 5 No. 9 (2025): Eurasian Journal of Academic Research; 183-190 ; Евразийский журнал академических исследований; Том 5 № 9 (2025): Евразийский журнал академических исследований; 183-190 ; Yevrosiyo ilmiy tadqiqotlar jurnali; Jild 5 Nomeri 9 (2025): Евразийский журнал академических исследований; 183-190 ; 2181-2020

Θεματικοί όροι: Позвоночник, позвонки, кости, веретена, сустав, сколиоз, осанка, позвоночный диск, подвижность позвоночника, антропометрические измерения, ЛФК, Vertebral column, vertebrae, bones, spindles, ligament, scoliosis, posture, vertebral disc, spinal mobility, anthropometric measurements, TPE, Umurtqa pog‘onasi, umurtqalar, suyaklar, urchuqlar, bogʻim, skolioz, qad-qomat, umurtqa diski

Περιγραφή αρχείου: application/pdf

Relation: https://in-academy.uz/index.php/ejar/article/view/60625/38128

Διαθεσιμότητα: https://in-academy.uz/index.php/ejar/article/view/60625

Лечебная физическая культура как метод профилактики и коррекции нарушений осанки у студентов медицинских вузов ; Lechebnaia fizicheskaia kul'tura kak metod profilaktiki i korrektsii narushenii osanki u studentov meditsinskikh vuzov

Συγγραφείς: Харчева Ирина Геннадьевна, ФГБОУ ВО «Северо-Западный государственный медицинский университет им. И.И. Мечникова», Irina G. Kharcheva, FGBOU VO "Severo-Zapadnyi gosudarstvennyi meditsinskii universitet im. I.I. Mechnikova", Азарова Варвара Андреевна, Varvara A. Azarova, Казначеев Валерий Александрович, ФКОУ ВО «Самарский юридический институт ФСИН России», Valerii A. Kaznacheev, FKOU VO "Samarskii iuridicheskii institut FSIN Rossii"

Πηγή: Pedagogy, Psychology, Society: from theory to practice; 475-477 ; Педагогика, психология, общество: от теории к практике; 475-477

Θεματικοί όροι: студенты, здоровье, коррекция, профилактика, лечебная физическая культура, нарушения осанки, позвоночник

Περιγραφή αρχείου: text/html

Relation: info:eu-repo/semantics/altIdentifier/isbn/978-5-907965-57-7; https://phsreda.com/e-articles/10740/Action10740-149605.pdf; Батурин А.Е. Применение средств лечебной физической культуры при дегенеративно-дистрофических заболеваниях позвоночника / А.Е. Батурин, М А. Бабурина // Актуальные проблемы физической культуры студентов медицинских вузов: материалы VII Всероссийской научно-практической конференции с международным участием (Санкт-Петербург, 19 ноября 2021 года). – Ч. I. – СПб.: Изд-во СЗГМУ им. И. И. Мечникова, 2022. – С. 58–62. – EDN SRVTTH; Каменский Д.А. Исследования заболеваний позвоночника и их лечение с использованием средств лечебной физической культуры у лиц в возрасте 18–25 лет / Д.А. Каменский, И.Р. Стаканова, А.А. Подовремина // Сборник избранных статей по материалам научных конференций ГНИИ «Нацразвитие» (Санкт-Петербург, 27–31 октября 2019 года). – СПб.: ЧНОУ ДПО Гуманитарный национальный исследовательский институт «НАЦРАЗВИТИЕ», 2019. – С. 124–126. EDN MDEDGW; Лечебная физическая культура, как средство профилактики сколиоза / Д.А. Каменский, С.А. Маликова, В.В. Сердюковский, А.П. Стовбур // Теория и методика физической культуры, спорта и туризма: межвузовский сборник научно-методических работ / под ред. В.А. Щеголева. – СПб.: ФГАОУ ВО «Санкт-Петербургский политехнический университет Петра Великого», 2022. – С. 105–110. EDN PXAQAT; Эффективность применения методик ЛФК при лечении сколиоза у молодежи / В.В. Кожемяко, А.Е. Батурин, М.А. Рогожников, Ю.Н. Лосев // Теория и методика физического воспитания, спортивной тренировки, оздоровительной и адаптивной физической культуры: межвузовский сборник научно-методических работ / Санкт-Петербургский политехнический университет Петра Великого. – СПб.: ФГАОУ ВО «Санкт-Петербургский политехнический университет Петра Великого», 2021. – С. 283–286. EDN ONBSRF; https://phsreda.com/article/149605/discussion_platform

Διαθεσιμότητα: https://phsreda.com/article/149605/discussion_platform
https://phsreda.com/files/Books/10740/Cover-10740.jpg?req=149605

Assessment of Spinal Support Function in Infectious Spondylitis by Artificial Intelligence Algorithms ; Оценка опорной функции позвоночника при инфекционных спондилитах с применением алгоритмов искусственного интеллекта

Συγγραφείς: E. O. Peretsmanas, V. N. Bryl, Yu. Yu. Schepeteva, A. A. Bezzubov, Е. О. Перецманас, В. Н. Брыль, Ю. Ю. Щепетева, А. А. Беззубов

Πηγή: Tuberculosis and Lung Diseases; Том 103, № 2 (2025); 44-53 ; Туберкулез и болезни легких; Том 103, № 2 (2025); 44-53 ; 2542-1506 ; 2075-1230

Θεματικοί όροι: искусственный интеллект, sagittal balance, tuberculosis, spine, artificial intelligence, сагиттальный баланс, туберкулез, позвоночник

Περιγραφή αρχείου: application/pdf

Relation: https://www.tibl-journal.com/jour/article/view/1879/1888; Бурлаков С.В., Вишневский А.А. Неэффективное одноэтапное хирургическое лечение распространенного туберкулезного спондилита: клинический случай и обзор литературы // Хирургия позвоночника. – 2018. – Т. 15. – № 1. – С. 71-78.; Жук Д.М., Никулина А.А. Разработка системы эффективного анализа сагиттального позвоночно-тазового баланса. – МГТУ им. Н.В. Баумана; Москва, 2015.; Крутько А.В. Сагиттальный баланс. Гармония в формулах. – НИИТО им. Я.Л. Цивьяна; Новосибирск, 2016.; Мушкин А.Ю., Вишневский А.А., Перецманас Е.О., Базаров А.Ю., Басанкин И.В. Инфекционные поражения позвоночника: проект национальных клинических рекомендаций // Хирургия позвоночника. – 2019. – Т. 16, № 4. – С. 63-76. https://doi.org/10.14531/ss2019.4.63-76; Николаев Д.Г., Мушкин А.Ю., Малярова Е.Ю. Грубое нарушение баланса позвоночника как ведущая жалоба при туберкулезном спондилите (клиническое наблюдение и перспективные вопросы) // Туберкулез и болезни легких. – 2015. – № 6. – С. 107-107.; Стрельникова А.В., Михайлов В.П., Шелякина О.В., Самохин А.Г., Крутько А.В., Жеребцов С.В. Постуральный баланс после декомпрессивно-стабилизирующих операций у пациентов с дегенеративно-дистрофическими заболеваниями поясничного отдела позвоночника // Хирургия позвоночника. – 2015. – Т. 12. – № 4. – С. 63-69.; Guo S., Zhu K., Zhang S., et al. Percutaneous pedicle screw fixation alone versus debridement and fusion surgery for the treatment of early spinal tuberculosis: a retrospective cohort study // Medical science monitor: international medical journal of experimental and clinical research. – 2019. – № 25. – P. 1549-1557.; Ke W., Wang B., Hua W., Lu S., Li X., Yang C., et al. Biomechanical Evaluation of the Sacral Slope on the Adjacent Segment in Transforaminal Lumbar Interbody Fusion: A Finite Element Analysis // World Neurosurgery. – 2020. – № 133. – Р. e84-e88.; Pola E., Autore G., Formica V.M., Pambianco V., Colangelo D., Cauda R., Fantoni M. New classification for the treatment of pyogenic spondylodiscitis: validation study on a population of 250 patients with a follow-up of 2 years // Eur Spine J. – 2017. – № 26, Suppl 4. – Р. 479-488. https://doi.org/10.1007/s00586-017-5043-5; Takahashi T., Kainth D., Marette S., Polly D. Alphabet Soup: Sagittal Balance Correction Osteotomies of the Spine-What Radiologists Should Know // AJNR Am J Neuroradiol. –2018. – Vol. 39, № 4. – Р. 606-611. https://doi.org/10.3174/ajnr.A5444

Διαθεσιμότητα: https://www.tibl-journal.com/jour/article/view/1879
https://doi.org/10.58838/2075-1230-2025-103-2-44-52

The capabilities of artificial intelligence in segmentation and detection of spinal images at the current stage of development: a systematic review ; Возможности искусственного интеллекта в сегментации и детекции изображений позвоночника на современном этапе развития: систематический обзор

Συγγραφείς: K. O. Vasilyev, V. V. Rerikh, E. A. Ugolnikova, К. О. Васильев, В. В. Рерих, Е. А. Угольникова

Πηγή: Diagnostic radiology and radiotherapy; Том 16, № 1 (2025); 7-18 ; Лучевая диагностика и терапия; Том 16, № 1 (2025); 7-18 ; 2079-5343

Θεματικοί όροι: обнаружение, neural networks, vertebrology, spine, segmentation, detection, нейросети, вертебрология, позвоночник, сегментация

Περιγραφή αρχείου: application/pdf

Relation: https://radiag.bmoc-spb.ru/jour/article/view/1074/684; Sarki R., Ahmed K., Wang H., Zhang Y., Wang K. Automated detection of COVID-19 through convolutional neural network using chest x-ray images // PloS ONE. 2022. Vol. 17, No. 1. e0262052. doi:10.1371/journal.pone.0262052; Kann B.H., Hosny A., Aerts H. Artificial intelligence for clinical oncology // Cancer Cell. 2021. Vol. 39, No. 12. P. 916–927. doi:10.1016/j.ccell.2021.04.002.; Gerussi A., Scaravaglio M., Cristoferi L. et al. Artificial intelligence for precision medicine in autoimmune liver disease // Front Immunol. 2022. Vol. 13, No. 11. P. 966329. doi:10.3389/fimmu.2022.966329.; Kröner P.T., Engels M.M., Glicksberg B.S. et al. Artificial intelligence in gastroenterology: A state-of-the-art review // World J. Gastroenterol. 2021. Vol. 40, No. 27. P. 6794–6824. doi:10.3748/wjg.v27.i40.6794.; Tricco A.C., Lillie E., Zarin W., O’Brien K.K., Colquhoun H., Levac. PRISMA extension for scoping reviews (PRISMA-ScR): checklist and explanation // Annals of Internal Medicine. 2018. Vol. 169, No. 7. P. 467–473. doi:10.7326/M18-0850.; Vrtovec T., Ibragimov B. Spinopelvic measurements of sagittal balance with deep learning: systematic review and critical evaluation // European Spine Journal. 2022. Vol. 31, No. 8. P. 2031–2045. doi:10.1007/s00586-022-07155-5.; Qu B., Cao J., Qian C. et al. Current development and prospects of deep learning in spine image analysis: a literature review // Quant. Imaging Med. Surg. 2022. Vol. 12. P. 3454–3479. doi:10.21037/qims-21-939.; Lundervold A. S. An overview of deep learning in medical imaging focusing on MRI // Zeitschrift für Medizinische Physik. 2019. Vol. 29, No. 2. P. 102–127. doi:10.1016/j.zemedi.2018.11.002.; Goedmakers C.M.W., Pereboom L.M., Schoones J.W., de Leeuw den Bouter M.L, Remis R.F. et al. Machine learning for image analysis in the cervical spine: Systematic review of the available models and methods // Brain & Spine. 2022. Vol. 2, No. 14. P. 101666. doi:10.1016/j.bas.2022.101666.; Wang R., Lei T., Cui R., Zhang B., Meng H., Nandi A. Medical image segmentation using deep learning: A survey // IET Image Processing. 2022. Vol. 16, No. 5. P. 1243–1267. doi:10.1049/ipr2.12419; Ashraf R., Habib M.A., Akram M. et al. Deep convolution neural network for big data medical image classification // IEEE Access. 2020. Vol. 8. P. 105659–105670. doi:10.1109/ACCESS.2020.2998808.; Далечина А.В., Беляев М.Г., Тюрина А.Н., Золотова С.В., Пронин И.Н., Голанов А.В. Методы машинного обучения в сегментации глиом для планирования стереотаксической лучевой терапии // Лучевая диагностика и терапия. 2019. № 2. С. 24–31. doi:10.22328/2079-5343-2019-10-2-24-31.; Litjens G., Kooi T., Bejnordi B.E., Setio A.A.A., Ciompi F. et al. A survey on deep learning in medical image analysis // Medical image analysis. 2017. Vol. 42. P. 60– 88. doi:10.1016/j.media.2017.07.005.; Al Arif S. M. R., Knapp K., Slabaugh G. Fully automatic cervical vertebrae segmentation framework for X-ray images // Computer methods and programs in biomedicine. 2018. Vol. 157. P. 95–111. doi:10.1016/j.cmpb.2018.01.006.; Kim S., Bae W.C., Masuda K., Chung C.B., Hwang D. Fine-grain segmentation of the intervertebral discs from MR spine images using deep convolutional neural networks: BSU-Net // Applied sciences. 2018. Vol. 8, No. 9. P. 1656. doi:10.3390/app8091656.; Fan G., Liu H., Wu Z. et al. Deep learning–based automatic segmentation of lumbosacral nerves on CT for spinal Intervention: a translational Study // American Journal of Neuroradiology. 2019. Vol. 40, No. 6. P. 1074–1081. doi:10.3174/ajnr.A6070.; Huang J., Shen H., Wu J. et al. Spine Explorer: a deep learning based fully automated program for efficient and reliable quantifications of the vertebrae and discs on sagittal lumbar spine MR images // The Spine Journal. 2020. Vol. 20, No. 4. P. 590–599. doi:10.1016/j.spinee.2019.11.010.; Kolařík M., Burget R., Uher V., Říha K., Dutta M.K. Optimized high resolution 3D dense-U-Net network for brain and spine segmentation // Applied Sciences. 2019. Vol. 9, No. 3. P. 404. doi:10.3390/app9030404.; Rehman F., Ali Shah F.I., Riaz N., Gilani S.O. A robust scheme of vertebrae segmentation for medical diagnosis // IEEE Access. 2019. Vol. 7. P. 120387–120398. doi:10.1109/ACCESS.2019.2936492.; Fang Y., Li W., Chen X. et al. Opportunistic osteoporosis screening in multi-detector CT images using deep convolutional neural networks // European Radiology. 2021. Vol. 31, No. 4. P. 1831–1842. doi:10.1007/s00330-020-07312-8.; Zhang Q., Du Y., Wei Z., Liu H., Yang X., Zhao D. Spine medical image segmentation based on deep learning // Journal of Healthcare Engineering. 2021. Vol. 2021. P. 1917946. doi:10.1155/2021/1917946.; Rak M., Steffen J., Meyer A., Hansen C., Tönnies K.D. Combining convolutional neural networks and star convex cuts for fast whole spine vertebra segmentation in MRI // Computer Methods and Programs in Biomedicine. 2019. Vol. 177. P. 47–56. doi:10.1016/j.cmpb.2019.05.003.; Masood R. F., Taj I. A., Khan M. A., Qureshi M. A., Hassan T. Deep learning based vertebral body segmentation with extraction of spinal measurements and disorder disease classification // Biomedical Signal Processing and Control. 2022. Vol. 71. P. 103230. doi:10.1016/j.bspc.2021.103230.; Lavdas I., Glocker B., Kamnitsas K. et al. Fully automatic, multiorgan segmentation in normal whole body magnetic resonance imaging (MRI), using classification forests (CF s), convolutional neural networks (CNN s), and a multi‐atlas (MA) approach // Medical physics. 2017. Vol. 44, No. 10. P. 5210–5220. doi:10.1002/mp.12492.; Han Z., Wei B., Mercado A., Leung S., Li S. Spine-GAN: Semantic segmentation of multiple spinal structures // Medical image analysis. 2018. Vol. 50. P. 23–35. doi:10.1016/j.media.2018.08.005.; Li X., Dou Q., Chen H. et al. 3D multi-scale FCN with random modality voxel dropout learning for intervertebral disc localization and segmentation from multi-modality MR images // Medical image analysis. 2018. Vol. 45. P. 41–54. doi:10.1016/j.media.2018.01.004.; Das P., Pal C., Acharyya A., Chakrabarti A., Basu S. Deep neural network for automated simultaneous intervertebral disc (IVDs) identification and segmentation of multi-modal MR images // Computer Methods and Programs in Biomedicine. 2021. Vol. 205. P. 106074. doi:10.1016/j.cmpb.2021.106074.; Huo X., Cui G., Tan J., Shao K. Automatic measurement of axial vertebral rotation in 3D vertebral models // Biomedical Physics and Engineering Express. 2021. Vol. 7, No. 6. P. 065034. doi:10.1088/2057-1976/ac2c55.; Tran V.L., Lin H.Y., Liu H.W. MBNet: A multi-task deep neural network for semantic segmentation and lumbar vertebra inspection on X-ray images // Proceedings of the Asian Conference on Computer Vision. 2020. doi:10.1007/978-3-030-69541-5_38.; Zhang Q., Du Y., Wei Z. et al. Spine medical image segmentation based on deep learning // Journal of Healthcare Engineering. 2021. Vol. 2021. P. 1917946. doi:10.1155/2021/1917946.; Ronneberger O., Fischer P., Brox T. U-net: Convolutional networks for biomedical image segmentation // Medical Image Computing and Computer-Assisted Intervention. 2015. P. 234–241. doi:10.1007/978-3-319-24574-4_28.; Абдуллина К.М., Спивак А.И. Применение нейронной сети архитектуры U-Net для задачи локализации нарушений целостности цифровых изображений // Научно-технический вестник информационных технологий, механики и оптики. 2020. Т. 20, № 3. С. 425–431. doi:10.17586/2226-1494-2020-20-3-425-431.; Хамад Ю.А., Симонов К.В., Кенц А.С. Алгоритмы сегментации и распознавания объектов на медицинских изображениях на основе шиарлет-преобразования и нейронных сетей // Информатизация и связь. 2020. № 2. С. 35–45. doi:10.34219/2078-8320-2020-11-2-35-45.; Charng J., Xiao D., Mehdizadeh M. et al. Deep learning segmentation of hyperautofluorescent fleck lesions in Stargardt disease // Scientific Reports. 2020. Vol. 10, No. 1. P. 16491. doi:10.1038/s41598-020-73339-y.; Sezer A. Mask Region-Based Convolutional Neural Network segmentation of the humerus and scapula from proton density-weighted axial shoulder magnetic resonance images // Jt. Dis. Relat. Surg. 2023. Vol. 20, No. 34. P. 583–589. doi:10.52312/jdrs.2023.1291.; Heller N., Athianathen N., Kalapara A. et al. The kits19 challenge data: 300 kidney tumor cases with clinical context, ct semantic segmentations, and surgical outcomes // arXiv preprint. arXiv: 201904.00445.2019.; Zhao S., Wu X., Chen B., Li S. Automatic vertebrae recognition from arbitrary spine MRI images by a category-Consistent self-calibration detection framework // Medical Image Analysis. 2021. Vol. 67. P. 101826. doi:10.1016/j.media.2020.101826.; Hallinan J.T.P.D., Zhu L., Yang K. et al. Deep learning model for automated detection and classification of central canal, lateral recess, and neural foraminal stenosis at lumbar spine MRI // Radiology. 2021. Vol. 300, No. 1. P. 130–138. doi:10.1148/radiol.2021204289.; Huang Y., Uneri A., Jones C.K. et al. 3D vertebrae labeling in spine CT an accurate, memory-efficient (Ortho2D) framework // Physics in Medicine & Biology. 2021. Vol. 66, No. 12. P. 125020. doi:10.1088/1361-6560/ac07c7.; Forsberg D., Sjöblom E., Sunshine J.L. Detection and Labeling of Vertebrae in MR Images Using Deep Learning with Clinical Annotations as Training Data // Journal of Digital Imaging. 2017. Vol. 30. P. 406–412. doi:10.1007/s10278-017-9945-x.; Kurochka K.S., Tsalka I.M. Vertebrae detection in X-ray images based on deep convolutional neural networks // 2017 IEEE 14th International Scientific Conference on Informatics. IEEE. 2017. P. 194–196.; Yang D., Xiong T., Xu D., Huang Q., Liu D., Zhou S.K. et al. Automatic vertebra labeling in large-scale 3D CT using deep image-to-image network with message passing and sparsity regularization // International Conference on Information Processing in Medical Imaging. 2017. P. 633–644. doi:10.1007/978-3-319-59050-9_50.; Liao H., Mesfin A., Luo J. Joint Vertebrae Identification and Localization in Spinal CT Images by Combining Short- and Long Range Contextual Information // IEEE transactions on medical imaging. 2018. Vol. 37. P. 1266–1275. doi:10.1109/TMI.2018.2798293; Jakubicek R., Chmelik J., Ourednicek P., Jan J. Deep-learning-based fully automatic spine centerline detection in CT data // 41st Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC). 2019. P. 2407–2410. doi:10.1109/EMBC.2019.8856528.; Zhou Y., Liu Y., Chen Q., Gu G., Sui X. Automatic lumbar MRI detection and identification based on deep learning // Journal of digital imaging. 2019. Vol. 32, No. 3. P. 513–520. doi:10.1007/s10278-018-0130-7.; Chen Y., Gao Y., Li K., Zhao L., Zhao J. Vertebrae identification and localization utilizing fully convolutional networks and a hidden Markov model // IEEE Transactions on Medical Imaging. 2019. Vol. 39, No. 2. P. 387–399. doi:10.1109/TMI.2019.2927289.; Roggen T., Bobic M., Givenchi N., Scheib S.G. Deep Learning model for markerless tracking in spinal SBRT // Physica Medica. 2020. Vol. 74. P. 66–73. doi:10.1016/j.ejmp.2020.04.029.; Zhang D., Chen B., Li S. Sequential conditional reinforcement learning for simultaneous vertebral body detection and segmentation with modeling the spine anatomy // Medical Image Analysis. 2021. Vol. 67. P. 101861. doi:10.1016/j.media.2020.101861.; Kim K.C., Cho H.C., Jang T.J., Choi J.M., Seo J.K. Automatic detection and segmentation of lumbar vertebrae from X-ray images for compression fracture evaluation // Computer Methods and Programs in Biomedicine. 2021. Vol. 200. P. 105833. doi:10.1016/j.cmpb.2020.105833.; Wang Yu., Huang L., Wu M. et al. Multi-input adaptive neural network for automatic detection of cervical vertebral landmarks on X-rays // Computers in Biology and Medicine. 2022. Vol. 146. P. 105576. doi:10.1016/j.compbiomed.2022.105576.

Διαθεσιμότητα: https://radiag.bmoc-spb.ru/jour/article/view/1074
https://doi.org/10.22328/2079-5343-2025-16-1-7-18

Влияние размещения предметов на эргономику рюкзака

Θεματικοί όροι: эргономика, электронный ресурс, тяжелые предметы, позвоночник, труды учёных ТПУ

Περιγραφή αρχείου: application/pdf

Σύνδεσμος πρόσβασης: http://earchive.tpu.ru/handle/11683/78028

Paradigm shift in vertebral eosinophilic granuloma

Συγγραφείς: Muhammet Arif Ozbek, Veyselkarani Ipek, Cem Dinс

Πηγή: Ukrainian Neurosurgical Journal, Vol 29, Iss 1, Pp 30-37 (2023)
Ukrainian Neurosurgical Journal; Vol. 29 No. 1 (2023); 30-37
Ukrainian Neurosurgical Journal; Том 29 № 1 (2023); 30-37

Θεματικοί όροι: еозинофільна гранульома, Orthopedic surgery, treatment, лечение, spine, Spine, 3. Good health, Eosinophilic Granuloma, Treatment, эозинофильная гранулема, лікування, хребет, eosinophilic granuloma, Neurology. Diseases of the nervous system, позвоночник, RC346-429, RD701-811

Περιγραφή αρχείου: application/pdf

Σύνδεσμος πρόσβασης: https://doaj.org/article/ce2c4ebe1cb6434d82279f65cb71c07f
http://theunj.org/article/view/268336

Профилактика заболеваний опорно-двигательного аппарата у лиц среднего возраста средствами физической культуры

Συνεισφορές: Русинова, М. П.

Θεματικοί όροι: ПРОФИЛАКТИКА ЗАБОЛЕВАНИЙ, СРЕДСТВА ФИЗИЧЕСКОЙ КУЛЬТУРЫ, СУСТАВЫ, ОЗДОРОВИТЕЛЬНЫЕ ЗАНЯТИЯ, ПОЗВОНОЧНИК, ОПОРНО-ДВИГАТЕЛЬНЫЙ АППАРАТ

Σύνδεσμος πρόσβασης: https://elar.uspu.ru/handle/ru-uspu/60624

Укрепление опорно-двигательного аппарата у женщин пожилого возраста средствами оздоровительной физической культуры

Συνεισφορές: Русинова, М. П.

Θεματικοί όροι: ОСТЕОПОРОЗ, УПРАЖНЕНИЯ, ГИМНАСТИКА, ОСТЕОАРТРОЗ, СУСТАВЫ, УКРЕПЛЕНИЕ, ПОЗВОНОЧНИК, ОПОРНО-ДВИГАТЕЛЬНЫЙ АППАРАТ, ОЗДОРОВИТЕЛЬНАЯ ФИЗИЧЕСКАЯ КУЛЬТУРА, ПОЖИЛОЙ ВОЗРАСТ

Σύνδεσμος πρόσβασης: https://elar.uspu.ru/handle/ru-uspu/59565

Clinical biomechanics of the spine in three unsolved problems. A brief analytical review

Πηγή: Ukrainian Neurosurgical Journal; Vol. 30 No. 1 (2024); 3-12
Ukrainian Neurosurgical Journal; Том 30 № 1 (2024); 3-12

Θεματικοί όροι: біомеханіка хребта, vertebral column, biomechanics of the spine, дегенеративне захворювання диска, intradiscal pressure, міжхребцеві диски, spine, межпозвонковые диски, intervertebral discs, axial load, биомеханика позвоночника, внутрішньодисковий тиск, осьове навантаження, intra-abdominal pressure, внутрибрюшное давление, degenerative disc disease, внутрішньочеревний тиск, дегенеративное заболевание диска, хребет, позвоночник, осевая нагрузка, внутридисковое давление

Περιγραφή αρχείου: application/pdf

Σύνδεσμος πρόσβασης: https://theunj.org/article/view/296236

Лікування ушкоджень хребта у хворих iз політравмою

Συγγραφείς: Shymon, V.M., Shymon, M.V., Sheregyi, A.A., Lytvak, V.V., Stoyka, V.V., Pushkash, I.I.

Πηγή: TRAUMA; Том 18, № 4 (2017); 102-105
ТРАВМА; Том 18, № 4 (2017); 102-105

Θεματικοί όροι: 03 medical and health sciences, 0302 clinical medicine, политравма, позвоночник, повреждения, малоинвазивные методы, політравма, хребет, пошкодження, малоінвазивні методи, polytrauma, spine, injures, minimally invasive methods

Περιγραφή αρχείου: application/pdf

Σύνδεσμος πρόσβασης: http://trauma.zaslavsky.com.ua/article/download/109352/145309
http://trauma.zaslavsky.com.ua/article/view/109352
http://trauma.zaslavsky.com.ua/article/view/109352

Експериментальне моделювання вибухових переломів грудопоперекового відділу хребта

Συγγραφείς: Radchenko, V.A., Popsuyshapka, K.A., Karpinsky, M.Yu., Karpinska, E.D., Teslenko, S.A.

Πηγή: TRAUMA; Том 18, № 2 (2017); 46-52
ТРАВМА; Том 18, № 2 (2017); 46-52

Θεματικοί όροι: хребет, міжхребцевий диск, модуль пружності, позвоночник, межпозвоночный диск, модуль упругости, 03 medical and health sciences, 0302 clinical medicine, spine, intervertebral disc, elastic modulus

Περιγραφή αρχείου: application/pdf

Σύνδεσμος πρόσβασης: http://trauma.zaslavsky.com.ua/article/view/102558

Обезболивающие механизмы миелоакупунктуры при патологии суставов и позвоночника

Συγγραφείς: Yakovlenko, V.V., Sokrut, V.M., Syniachenko, O.V.

Πηγή: Bolʹ, Sustavy, Pozvonočnik, Vol 5, Iss 3.19, Pp 72-76 (2015)
PAIN. JOINTS. SPINE; № 3.19 (2015); 72-76
Боль. Суставы. Позвоночник-Bolʹ, sustavy, pozvonočnik; № 3.19 (2015); 72-76
Біль. Суглоби. Хребет-Bolʹ, sustavy, pozvonočnik; № 3.19 (2015); 72-76

Θεματικοί όροι: 03 medical and health sciences, Medicine (General), 0302 clinical medicine, R5-920, joints, суставы, позвоночник, обезболивание, рефлексотерапия, spine, anesthesia, reflexotherap, суглоби, хребет, знеболювання, рефлексотерапія, 3. Good health

Περιγραφή αρχείου: application/pdf

Σύνδεσμος πρόσβασης: http://pjs.zaslavsky.com.ua/article/download/79275/121127
https://doaj.org/article/560bf343c2c14554838493d9fcfa335c
https://core.ac.uk/display/87760150
http://pjs.zaslavsky.com.ua/article/download/79275/121127
http://pjs.zaslavsky.com.ua/article/view/79275
http://pjs.zaslavsky.com.ua/article/view/79275

Метастазы в позвоночник при раке легкого

Συγγραφείς: Stolyarova, O.Yu., Dumanskyi, Yu.V., Syniachenko, O.V., Yehudyna, Ye.D.

Πηγή: Bolʹ, Sustavy, Pozvonočnik, Vol 5, Iss 4.20, Pp 10-14 (2015)
PAIN. JOINTS. SPINE; № 4.20 (2015); 10-14
Боль. Суставы. Позвоночник-Bolʹ, sustavy, pozvonočnik; № 4.20 (2015); 10-14
Біль. Суглоби. Хребет-Bolʹ, sustavy, pozvonočnik; № 4.20 (2015); 10-14

Θεματικοί όροι: 03 medical and health sciences, Medicine (General), легкое, рак, метастазы, позвоночник, 0302 clinical medicine, R5-920, легеня, метастази, хребет, lung, cancer, metastasis, spine, 3. Good health

Περιγραφή αρχείου: application/pdf

Σύνδεσμος πρόσβασης: https://doaj.org/article/49a09bf8b93d4ae0abb26bde363340b3
http://pjs.zaslavsky.com.ua/article/download/79316/121111
http://pjs.zaslavsky.com.ua/article/view/79316
http://pjs.zaslavsky.com.ua/article/view/79316

ПРЕИМУЩЕСТВА ЭНДОСКОПИЧЕСКОЙ ХИРУРГИИ ПРИ ГРЫЖЕ ПОЯСНИЧНОГО ОТДЕЛА ПОЗВОНОЧНИКА

Συγγραφείς: Жахонгирович, Мардонов Жамшид

Πηγή: SCIENTIFIC JOURNAL OF APPLIED AND MEDICAL SCIENCES; Vol. 3 No. 12 (2024): AMALIY VA TIBBIYOT FANLARI ILMIY JURNALI; 333-336 ; НАУЧНЫЙ ЖУРНАЛ ПРИКЛАДНЫХ И МЕДИЦИНСКИХ НАУК; Том 3 № 12 (2024): AMALIY VA TIBBIYOT FANLARI ILMIY JURNALI; 333-336 ; 2181-3469

Θεματικοί όροι: эндоскопическое удаление, грыжа межпозвоночного диска, минимально инвазивная хирургия, позвоночник, болевой синдром, восстановление, эффективность, безопасность, реабилитация

Περιγραφή αρχείου: application/pdf

Relation: https://sciencebox.uz/index.php/amaltibbiyot/article/view/12928/12510; https://sciencebox.uz/index.php/amaltibbiyot/article/view/12928/12783; https://sciencebox.uz/index.php/amaltibbiyot/article/view/12928

Διαθεσιμότητα: https://sciencebox.uz/index.php/amaltibbiyot/article/view/12928