Pesquisa

Edição
Título
Autores
Nº 8 (2025)
Artificial intelligence technologies in gynecology
Mozes V., Kotov R., Rudaeva E., Elgina S., Mozes K., Vavin G.
PDF
(Rus)
Nº 7 (2025)
Prediction of fetal growth restriction using machine learning algorithms
Kan N., Leonova A., Tyutyunnik V., Soldatova E., Ryzhova K., Serebryakova A.
PDF
(Rus)
Nº 4 (2025)
The use of artificial intelligence-based web application for managing health records
Tumanov N.
PDF
(Rus)
Nº 12 (2024)
Differential diagnosis of early-stage ovarian cancer based on the bioinformatic analysis of the blood metabolome
Iurova M., Tokareva A., Chagovets V., Starodubtseva N., Frankevich V.
PDF
(Rus)
Nº 2 (2024)
Comparison of predictive models built with different machine learning techniques using the example of predicting the outcome of assisted reproductive technologies
Drapkina Y., Makarova N., Vasiliev R., Amelin V., Kalinina E.
PDF
(Rus)
Nº 9 (2024)
Experience in machine learning application to predict pregnancy loss after assisted reproductive technologies
Drapkina Y., Makarova N., Kalinin A., Vasiliev R., Amelin V.
PDF
(Rus)
Nº 7 (2024)
Assessment of the impact of male factor infertility on the outcomes of assisted reproductive technology programs using machine learning techniques
Drapkina Y., Makarova N., Kulakova E., Kalinina E.
PDF
(Rus)
Nº 3 (2024)
Application of various machine learning techniques to the analysis of clinical, anamnestic, and embryological data of patients undergoing assisted reproductive technologies
Drapkina Y., Makarova N., Vasiliev R., Amelin V., Frankevich V., Kalinina E.
PDF
(Rus)
Nº 6 (2025)
The possibilities of using machine learning and artificial intelligence methods for morphological analysis of the placenta
Tumanova U., Tumanov N., Shchegolev A., Serov V.
PDF
(Rus)
Nº 10 (2023)
Development and validation of models to predict total and early-onset preeclampsia in the first trimester of pregnancy using machine learning algorithms
Andreychenko A., Luchinin A., Ivshin A., Ermak A., Novitskiy R., Gusev A.
PDF
(Rus)
Nº 2 (2025)
Using machine learning to analyze the lipid profile of culture medium and predict the efficacy of assisted reproductive technologies
Drapkina Y., Makarova N., Chagovets V., Vasiliev R., Amelin V., Kalinina E.
PDF
(Rus)
1 - 11 de 11 resultados
Dicas:
  • Palavras-chave são sensíveis a maiúsculas
  • Preposições e conjunções ingleses são ignoradas
  • Busca é feita por todos os palavras-chave (agente AND experimentador) por omissão
  • Use OR para pesquisar um termo exato, ex.: educação OR formação
  • Use parênteses para criar frases complexas, ex.: arquivo de ((revistas OR conferências) NOT teses)
  • Para pesquisar uma frase precisa use aspas duplas, ex.: "investigações científicas"
  • Exclua uma palavra utilizando o sinal - (hífen) ou operador NOT; ex.: concurso-de beleza ou concurso NOT de beleza
  • Use * como caractere-coringa, ex.: científic* recuperará as palavras "científico", "científicos", etc.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».