Анализ сайта dakjin.github.io
Основное Готовность: 95%
Домен
dakjin.github.io
Состояние доменного имени
?
Проверяем корректность доменного имени и наличие технических проблем на уровне домена.
Используйте для продвижения только домен второго уровня.
Длина домена велика. Но если вы продвигаете запрос, входящий в название домена, то это хорошо.
Ответ сервера
200 Успешный ответ
HTTP-код ответа и цепочка редиректов
?
Код 200 — страница доступна. Коды 3xx — редиректы (цепочки замедляют загрузку и размывают ссылочный вес). Коды 4xx/5xx — ошибки, поисковик не сможет проиндексировать страницу.
Сервер настроен корректно.
Цепочка редиректов:
http://dakjin.github.io
301 MovedPermanently
https://dakjin.github.io/
200 OK
Безопасность
Сайт безопасен
Использование HTTPS и SSL-сертификат
?
HTTPS — обязательный стандарт. Google и Яндекс отдают предпочтение защищённым сайтам. Отсутствие SSL или просроченный сертификат ведут к предупреждениям в браузере и снижению позиций.
На сайте работает защищенный протокол ssl и сайт открывается по https.
Ssl-сертификат действителен до 01.11.2026 2:38:01.
Включён HSTS (Strict-Transport-Security) — защита от подмены на http.
HTTP автоматически перенаправляется на HTTPS.
Поздравляем! Сайт не содержится в реестре РКН.
Кодировка
utf-8
Кодировка символов страницы
?
Стандарт — UTF-8. Неправильная кодировка вызывает нечитаемые символы и мешает поисковику корректно распознать текст страницы.
Указана кодировка на странице utf-8.
Язык
Атрибут lang в HTML-теге
?
Атрибут lang (<html lang="ru">) сообщает поисковикам и браузерам, на каком языке написана страница. Помогает при ранжировании в региональном поиске.
Язык страницы не указан. Рекомендуется явно указать язык документа!
Скорость загрузки
~0,48сек
Время отклика сервера (TTFB)
?
Time To First Byte — время до получения первого байта от сервера. Норма до 200 мс. Медленный отклик ухудшает пользовательский опыт и ранжирование: Яндекс и Google учитывают скорость страниц.
Скорость загрузки сайта 0,48сек оптимальна.
Объем документа
50Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 50Кб оптимален.
Структура html-документа корректна.
Ресурсы
Ресурсы: 7
Внешние ресурсы страницы (CSS, JS, изображения)
?
Количество и тип подключённых ресурсов влияют на скорость загрузки. Большое число запросов увеличивает время рендеринга страницы.
Кол-во файлов ресурсов 7 достаточно.
Показать полный список ресурсов
| Тип | Название | Значение |
|---|---|---|
| stylesheet | text/css | ./datafiles/jemdoc.css |
| js | text/javascript | ./datafiles/ga.js |
| js | text/javascript | ./datafiles/map.js |
| js | text/javascript | ./datafiles/ga(1).js |
| js | text/javascript | ./datafiles/jquery.min.js |
| js | text/javascript | ./datafiles/jquery.min(1).js |
| js | text/javascript | ./datafiles/5.js |
Серверные заголовки
Кол-во: 18
HTTP-заголовки ответа сервера
?
Заголовки сервера передают браузеру и поисковику служебную информацию: кеширование, безопасность (CSP, HSTS), сжатие (gzip). Правильная настройка ускоряет загрузку и повышает защищённость.
Найдены серверные заголовки 18шт. Подробнее про серверные заголовки.
Показать полный список серверных заголовков
| Ключ | Значение |
|---|---|
| Server | GitHub.com |
| Access-Control-Allow-Origin | * |
| Strict-Transport-Security | max-age=31556952 |
| ETag | "6a68bdfa-caed" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | 1AEA:2E3FDC:4C700B:52CC3B:6A8B13F5 |
| x-github-edge-region | swedencentral |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Sun, 23 Aug 2026 15:38:29 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-bma-essb1270058-BMA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787499510.629840,VS0,VE125 |
| Vary | Accept-Encoding |
| x-fastly-request-id | cdd0ac160456bad14d269a36031e970139275c67 |
CMS
Не определена
Система управления сайтом (движок)
?
CMS — это движок, на котором работает сайт (WordPress, 1C-Bitrix, Tilda и др.). Знание CMS помогает понять возможности SEO-оптимизации и подобрать подходящие инструменты. «Не определена» — вероятно, самописный сайт или нестандартная сборка.
CMS не определена. Вероятно, сайт самописный либо движок надёжно скрыт. Это не ошибка.
Веб-сервер
GitHub.com
Программное обеспечение сервера
?
Веб-сервер — это ПО, которое отдаёт страницы посетителям (nginx, Apache, IIS, LiteSpeed и др.). Определяется по серверным заголовкам ответа (Server, X-Powered-By и т.п.). «Не определён» — сервер намеренно скрывает эти заголовки, это нормальная практика безопасности.
В заголовке Server указано: GitHub.com.
Мета-теги Готовность: 22%
Title
Dakai Jin
Заголовок страницы в браузере и поисковой выдаче
?
Title — главный SEO-заголовок страницы. Влияет на CTR в поиске и ранжирование. Оптимальная длина: 50–70 символов. Ключевые слова — ближе к началу.
Необходимо увеличить число символов в title (текущее значение мало: 9, минимум: 25, оптимально: от 40 до 45)
Дублей словоформ в title не найдено.
Description
Описание страницы в поисковой выдаче (сниппет)
?
Meta Description — текст под заголовком в выдаче. Напрямую на позиции не влияет, но влияет на CTR. Оптимальная длина: 120–160 символов.
Установите мета-тег description!
Keywords
Список ключевых слов страницы (устаревший тег)
?
Meta Keywords не учитывается Яндексом и Google для ранжирования с 2009–2012 годов. Заполнение не обязательно, но не вредит. Конкурент может использовать содержимое для анализа.
Установите мета-тег keywords!
Канонический Url
Указывает поисковику основную версию страницы
?
Canonical (rel=canonical) предотвращает проблему дублей страниц. Должен точно совпадать с URL проверяемой страницы. Неправильный canonical может передать ссылочный вес на другую страницу.
Рекомендуем прописать канонический Url.
Robots
Ошибок нет
Директивы для поисковых роботов на уровне страницы
?
Meta Robots управляет индексацией конкретной страницы: index/noindex — индексировать ли, follow/nofollow — следовать ли по ссылкам. Noindex полностью исключает страницу из поиска.
Meta-тег robots не указан. Страница свободна для индексации.
Адаптивность
Настройка масштабирования на мобильных устройствах
?
Тег viewport (<meta name="viewport">) сообщает браузеру, как масштабировать страницу на мобильных. Стандарт: width=device-width, initial-scale=1. Отсутствие — признак отсутствия мобильной версии.
Meta-тег viewport не указан. Страница не адаптивная.
Разметка OpenGraph
Не найдено
Мета-теги для красивых превью в соцсетях
?
OpenGraph (og:title, og:description, og:image) управляет тем, как страница выглядит при репосте в социальных сетях и мессенджерах. Отсутствие OG-тегов — невзрачный превью при шеринге.
Разметка OpenGraph не задана. Страница не оптимизирована под социальные сети. Мета-теги с разметкой Og помогают социальным роботам лучше структурировать Ваш сайт.
Все мета-теги
Кол-во: 2
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 2шт. Мета-теги не видимы для человека и предназначены для обмена информацией между веб-страницей и поисковыми системами, браузерами и другими веб-службами. С ними роботы 🤖 и устройства ведут себя более ожидаемо.
Показать полный список мета-тегов
| Тип | Название | Значение |
|---|---|---|
| name | google-site-verification | MoR9-zmnPM1LMkTPIjp1GhWG192L2Yv8wTwtZGUqXVM |
| name | google-site-verification | hRWbpxG41y_dQCgyn9ixgd180Bz3c8Z8zBkN8ItnNB8 |
Оптимизация Готовность: 62%
Структура
Ошибок нет
Семантические HTML-элементы страницы
?
Проверяет наличие основных структурных элементов: nav, header, footer, main. Корректная семантическая структура помогает поисковику понять архитектуру страницы.
Структура документа корректна (теги <html> и <body> присутствуют по одному на документ).
Контент
Есть ошибки
Объём и качество текстового содержимого
?
Анализирует объём полезного текста на странице. Слишком мало — страница может считаться малополезной. Слишком много — ухудшается читаемость и восприятие.
Слова из title 2 встречаются в тексте редко. Добавьте в контент страницы слова из тега <title>!
Абзацев с текстом 58 достаточно.
Среднее число слов в абзаце 18 достаточно.
Кол-во знаков контента 29082 на странице оптимально.
Кол-во слов 4446 на странице оптимально.
Заголовки
Ошибок нет
Иерархия заголовков H1–H6
?
H1 должен быть один и содержать ключевой запрос. H2–H6 описывают подразделы. Пропуск уровней (H1 → H3) и несколько H1 — типичные ошибки, снижающие понятность страницы для поисковика.
На странице присутствуют заголовки <h1> 2. Это прекрасно.
На странице присутствуют заголовки <h2> 6. Это хорошо.
На странице присутствуют заголовки <h3> 18.
Тошнота
6,16
Насколько одно слово доминирует в тексте
?
Классическая тошнота = √(частота самого повторяющегося слова). Норма до 7–8: текст воспринимается естественно. Выше — поисковик может счесть страницу переспамленной.
Тошнота превышает норму 5. Измените текст страницы!
Академич. тошнота
143,52%
Насколько текст перенасыщен ключевыми словами
?
Академическая тошнота = (частота слова / общее количество слов) × 100%. Показывает долю конкретного слова в тексте. Норма 5–15%.
Академическая тошнота превышает норму 5-15%. Измените текст страницы!
Семантическое ядро
20
Наиболее часто встречающиеся слова на странице
?
Топ слов по частоте использования. Показывает, какие слова доминируют в тексте с точки зрения поисковика.
Контент страницы содержит осмысленный текст и слова.
Показать список слов
| Слово | Кол-во | Частота |
|---|---|---|
| accepted | 38 | 0,85% |
| segmentation | 35 | 0,79% |
| dazhou | 30 | 0,67% |
| xianghua | 25 | 0,56% |
| congrats | 24 | 0,54% |
| learning | 22 | 0,49% |
| [miccai] | 21 | 0,47% |
| miccai | 18 | 0,40% |
| harrison | 17 | 0,38% |
| medical | 14 | 0,31% |
| imaging | 14 | 0,31% |
| analysis | 13 | 0,29% |
| detection | 12 | 0,27% |
| cancer | 12 | 0,27% |
| invited | 12 | 0,27% |
| puyang | 12 | 0,27% |
| algorithm | 10 | 0,22% |
| hoffman | 10 | 0,22% |
| papers | 10 | 0,22% |
| airway | 9 | 0,20% |
Индексация Готовность: 0%
Индексирование
Ошибок нет
Разрешено ли индексирование страницы
?
Проверяет, не закрыта ли страница от индексации через robots.txt, meta robots или X-Robots-Tag. Страница, закрытая от индексации, не появится в поисковой выдаче.
Анкоров на странице 188 оптимально. Поисковые роботы обязательно проиндексируют сайт.
Robots.txt
Не найден
Файл управления сканированием сайта роботами
?
Robots.txt указывает поисковым роботам, какие страницы сканировать, а какие — нет. Ошибки в файле могут случайно закрыть важные разделы от индексации.
Файл robots.txt не найден (ошибка 404). Крайне рекомендуем добавить файл robots.txt, это правило хорошего тона для поисковых роботов.
Sitemap
Кол-во: 0
XML-карта сайта для поисковиков
?
Sitemap.xml помогает поисковику быстрее находить и индексировать страницы. Особенно важен для крупных сайтов и новых страниц, на которые ещё нет входящих ссылок.
Robots.txt не содержит ссылку на карту сайта. Рекомендуется добавить карту сайта и указать ссылку на нее в robots.txt.
Внутренние ссылки
Кол-во: 7
Ссылки на другие страницы своего сайта
?
Внутренние ссылки распределяют ссылочный вес между страницами и помогают поисковику обходить сайт. Пустые анкоры и ссылки на запрещённые robots.txt страницы — типичные ошибки.
Внутренних ссылок на странице 7 оптимально.
Показать внутренние ссылки
| Url | Анкор | Состояние | Анализировать |
|---|---|---|---|
| / |
<b>IEEE TMI</b>
|
|
Анализировать url |
| / |
<b>IEEE CSVT</b>
|
|
Анализировать url |
| / |
<b>IEEE TMI</b>
|
|
Анализировать url |
| / |
<b>IEEE TMI</b>
|
|
Анализировать url |
| / |
<b>IEEE TMI</b>
|
|
Анализировать url |
| / |
<b><font color="#FF00FF">Best Paper and Young Scientist Award</font></b>
|
|
Анализировать url |
| / |
Effective Opportunistic Esophageal Cancer Screening using Noncontrast CT Imaging.
|
|
Анализировать url |
Внешние ссылки
Кол-во: 177
Ссылки на сторонние сайты
?
Исходящие внешние ссылки передают часть ссылочного веса на чужие сайты. Ссылки на авторитетные ресурсы безопасны; ссылки на мусорные сайты могут навредить репутации страницы.
Внешних ссылок на странице 177 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать первые 100 внешних ссылок
| Url | Анкор | Анализировать |
|---|---|---|
| scholar.google.com |
GoogleScholar
|
Анализировать url |
| linkedin.com |
LinkedIn
|
Анализировать url |
| damo.alibaba.com |
Alibaba DAMO Academy
|
Анализировать url |
| paii-labs.com |
PAII Inc
|
Анализировать url |
| scholar.google.com |
Dr. Le Lu
|
Анализировать url |
| nih.gov |
National Institutes of Health (NIH)
|
Анализировать url |
| uiowa.edu |
University of Iowa
|
Анализировать url |
| scholar.google.com |
Prof. Punam Saha
|
Анализировать url |
| scholar.google.com |
Prof. Eric Hoffman
|
Анализировать url |
| conferences.miccai.org |
<b>MICCAI 2026</b>
|
Анализировать url |
| pubs.rsna.org |
<b><font color="#FF00FF">Radiology</font></b>
|
Анализировать url |
| aaai.org |
<b>AAAI 2026</b>
|
Анализировать url |
| conferences.miccai.org |
<b>MICCAI 2025</b>
|
Анализировать url |
| iccv.thecvf.com |
<b>ICCV 2025</b>
|
Анализировать url |
| conferences.miccai.org |
<b>MICCAI 2025</b>
|
Анализировать url |
| aaai.org |
<b>AAAI 2025</b>
|
Анализировать url |
| rsna.org |
<b>RSNA 2024</b>
|
Анализировать url |
| arxiv.org |
<b>ECCV 2024</b>
|
Анализировать url |
| ieeexplore.ieee.org |
<b>IEEE TMI 2024</b>
|
Анализировать url |
| conferences.miccai.org |
<b>MICCAI 2024</b>
|
Анализировать url |
| aaai.org |
<b>AAAI 2025</b>
|
Анализировать url |
| cvpr.thecvf.com |
<b>CVPR 2024</b>
|
Анализировать url |
| conferences.miccai.org |
<b>MICCAI 2024</b>
|
Анализировать url |
| learn2reg.grand-challenge.org |
<b>2023 Learn2Reg Challenge: ThoraxCBCT</b>
|
Анализировать url |
| aaai.org |
<b>AAAI 2024</b>
|
Анализировать url |
| iccv2023.thecvf.com |
<b>ICCV 2023</b>
|
Анализировать url |
| rsna.org |
<b>RSNA 2023</b>
|
Анализировать url |
| ieeexplore.ieee.org |
<b>IEEE TMI 2023</b>
|
Анализировать url |
| conferences.miccai.org |
<b>MICCAI 2023</b>
|
Анализировать url |
| astro.org |
<b>ASTRO 2023</b>
|
Анализировать url |
| ahns2023.org |
<b>AHNS 2023</b>
|
Анализировать url |
| sciencedirect.com |
<b>Journal of the National Cancer Center</b>
|
Анализировать url |
| nature.com |
<b><font color="#FF00FF">Nature Communications</font></b>
|
Анализировать url |
| atm22.grand-challenge.org |
<b>ATM Challenge of MICCAI 2022</b>
|
Анализировать url |
| rsna.org |
<b>RSNA 2022</b>
|
Анализировать url |
| frontiersin.org |
<b>Frontiers in Nuclear Medicine</b>
|
Анализировать url |
| astro.org |
<b>ASTRO 2022</b>
|
Анализировать url |
| conferences.miccai.org |
<b>MICCAI 2022</b>
|
Анализировать url |
| ieeexplore.ieee.org |
<b>IEEE TMI</b>
|
Анализировать url |
| ojs.aaai.org |
<b>AAAI 2022</b>
|
Анализировать url |
| frontiersin.org |
<b>Frontiers in Oncology</b>
|
Анализировать url |
| sciencedirect.com |
<b>Clinical Imaging</b>
|
Анализировать url |
| aaai.org |
<b>AAAI 2022</b>
|
Анализировать url |
| frontiersin.org |
<b>Frontiers in Oncology</b>
|
Анализировать url |
| cvpr2021.thecvf.com |
<b>CVPR 2021 Outstanding Reviewer Award</b>
|
Анализировать url |
| miccai2021.org |
<b>MICCAI 2021</b>
|
Анализировать url |
| astro.org |
<b>American Society for Radiation Oncology (ASTRO) 2021</b>
|
Анализировать url |
| frontiersin.org |
"Machine Learning for Quantitative Neuroimaging Analysis"
|
Анализировать url |
| springer.com |
<b>The Visual Computer</b>
|
Анализировать url |
| sciencedirect.com |
Medical Image Analysis
|
Анализировать url |
| sites.google.com |
Medical Computer Vision Workshop @ <b>CVPR 2020</b>
|
Анализировать url |
| openaccess.thecvf.com |
<b>CVPR 2020</b>
|
Анализировать url |
| niaid.nih.gov |
NIAID
|
Анализировать url |
| stm.sciencemag.org |
<b><font color="#FF00FF">Science Translational Medicine</font></b>
|
Анализировать url |
| conferences.miccai.org |
Metastatic Lymph Node Station Classification in Esophageal Cancer via Prior-guided Supervision and Station-Aware Mixture-of-Experts.
|
Анализировать url |
| conferences.miccai.org |
Lymph Node Metastasis Classification with Prototype-guided Multiple Instance Aggregation and Heterogeneous Feature Fusion.
|
Анализировать url |
| conferences.miccai.org |
Anatomy-Aware Low-Dose CT Denoising via Pretrained Vision Models and Semantic-Guided Contrastive Learning.
|
Анализировать url |
| conferences.miccai.org |
Leveraging Semantic Asymmetry for Precise Gross Tumor Volume Segmentation of Nasopharyngeal Carcinoma in Planning CT.
|
Анализировать url |
| conferences.miccai.org |
Lymphoma Prognosis with Lesion-Anatomy Context Fusion and Attention-Based Multi-Lesion Aggregation.
|
Анализировать url |
| iccv.thecvf.com |
Bridging Local Inductive Bias and Long-Range Dependencies with Pixel-Mamba for End-to-end Whole Slide Image Analysis.
|
Анализировать url |
| iccv.thecvf.com |
HarmonySeg: Tubular Structure Segmentation with Deep-Shallow Feature Fusion and Growth-Suppression Balanced Loss.
|
Анализировать url |
| aaai.org |
Towards a Comprehensive, Efficient and Promptable Anatomic Structure Segmentation Model using 3D Whole-body CT Scans.
|
Анализировать url |
| ieeexplore.ieee.org |
DistAL: A Domain-Shift Active Learning Framework with Transferable Feature Learning for Lesion Detection.
|
Анализировать url |
| sciencedirect.com |
Development and validation of AI delineation of the thoracic RTOG organs at risk with deep learning on multi-institutional datasets.
|
Анализировать url |
| arxiv.org |
Effective Lymph Nodes Detection in CT Scans Using Location Debiased Query Selection and Contrastive Query Representation in Transformer.
|
Анализировать url |
| ieeexplore.ieee.org |
Accurate Airway Tree Segmentation in CT Scans via Anatomy-aware Multi-class Segmentation and Topology-guided Iterative Learning.
|
Анализировать url |
| cs.jhu.edu |
Slice-Consistent Lymph Nodes Detection Transformer in CT Scans via Cross-slice Query Contrastive Learning.
|
Анализировать url |
| cs.jhu.edu |
Semi-supervised Lymph Node Metastasis Classification with Pathology-guided Label Sharpening and Two-streamed Multi-scale Fusion.
|
Анализировать url |
| cs.jhu.edu |
Low-Rank Continual Pyramid Vision Transformer: Incrementally Segment Whole-Body Organs in CT with Light-Weighted Adaptation.
|
Анализировать url |
| cs.jhu.edu |
IHCSurv: Effective Immunohistochemistry Priors for Cancer Survival Analysis in Gigapixel Multi-stain Whole Slide Images.
|
Анализировать url |
| atsjournals.org |
Vessel and Airway Characteristics in One-Year Computed Tomography–defined Rapid Emphysema Progression: SPIROMICS.
|
Анализировать url |
| arxiv.org |
Continual segment: Towards a single, unified and non-forgetting continual segmentation model of 143 whole-body organs in ct scans.
|
Анализировать url |
| ieeexplore.ieee.org |
LViT: Language meets Vision Transformer in Medical Image Segmentation.
|
Анализировать url |
| arxiv.org |
SAMConvex: Fast Discrete Optimization for CT Registration using Self-supervised Anatomical Embedding and Correlation Pyramid.
|
Анализировать url |
| link.springer.com |
Automated Coarse-to-fine Segmentation of Thoracic Duct using Anatomy Priors and Topology-guided Curved Planar Reformation.
|
Анализировать url |
| arxiv.org |
Anatomy-Aware Lymph Node Detection in Chest CT using Implicit Station Stratification.
|
Анализировать url |
| nature.com |
Comprehensive and Clinically Accurate Head and Neck Cancer Organs-at-Risk Delineation on a Multi-Institutional Study.
|
Анализировать url |
| sciencedirect.com |
Towards Automated Organs at Risk and Target Volumes Contouring: Defining Precision Radiation Therapy in the Modern Era.
|
Анализировать url |
| link.springer.com |
Thoracic Lymph Node Segmentation in CT imaging via Lymph Node Station Stratification and Size Encoding.
|
Анализировать url |
| ieeexplore.ieee.org |
SAM: Self-supervised Learning of Pixel-wise Anatomical Embeddings in Radiological Images.
|
Анализировать url |
| arxiv.org |
[pdf]
|
Анализировать url |
| ojs.aaai.org |
Deep implicit statistical shape models for 3d medical image delineation.
|
Анализировать url |
| ojs.aaai.org |
[pdf]
|
Анализировать url |
| frontiersin.org |
Multi-Institutional Validation of Two-Streamed Deep Learning Method for Automated Delineation of Esophageal Gross Tumor Volume Using Planning CT and FDG-PET/CT.
|
Анализировать url |
| arxiv.org |
[pdf]
|
Анализировать url |
| sciencedirect.com |
A deep-learning based artificial intelligence (AI) approach for differentiation of clear cell renal cell carcinoma from oncocytoma on multi-phasic MRI.
|
Анализировать url |
| arxiv.org |
SAME: Deformable Image Registration based on Self-supervised Anatomical Embeddings.
|
Анализировать url |
| arxiv.org |
DeepStationing: Thoracic Lymph Node Station Parsing in CT Scans using Anatomical Context Encoding and Key Organ Auto-Search.
|
Анализировать url |
| scholar.google.com |
CT-based risk factors for mortality of patients with COVID-19 Pneumonia in Wuhan, China: a retrospective study.
|
Анализировать url |
| arxiv.org |
Learning from Multiple Datasets with Heterogeneous and Partial Labels for Universal Lesion Detection in CT.
|
Анализировать url |
| arxiv.org |
[pdf]
|
Анализировать url |
| sciencedirect.com |
DeepTarget: Gross Tumor and Clinical Target Volume Segmentation in Esophageal Cancer Radiotherapy.
|
Анализировать url |
| sciencedirect.com |
Chapter 14: Artificial Intelligence in Radiology.
|
Анализировать url |
| reader.elsevier.com |
[pdf]
|
Анализировать url |
| ncbi.nlm.nih.gov |
From Community Acquired Pneumonia to COVID-19: A Deep Learning Based Method for Quantitative Analysis of COVID-19 on thick-section CT Scans.
|
Анализировать url |
| medrxiv.org |
[pdf]
|
Анализировать url |
| link.springer.com |
Lymph Node Gross Tumor Volume Detection and Segmentation via Distance-Based Gating Using 3D CT/PET Imaging in Radiotherapy.
|
Анализировать url |
| arxiv.org |
[pdf]
|
Анализировать url |
| link.springer.com |
Lymph Node Gross Tumor Volume Detection in Oncology Imaging via Relationship Learning Using Graph Neural Network.
|
Анализировать url |
| arxiv.org |
[pdf]
|
Анализировать url |
Конкуренты Готовность: 0%
Конкуренты в Яндексе
Кол-во: 0
Топ сайтов-конкурентов в Яндексе
?
Сайты, чаще всего появляющиеся в ТОПе Яндекса по запросам из семантического ядра этой страницы.
Мы не нашли у вас конкурентов в Яндексе. Сайт или очень молодой или плохо продвигается.
Конкурентов в ТОП-10 Яндекса не нашлось.
Конкуренты в Google
Кол-во: 0
Топ сайтов-конкурентов в Google
?
Сайты, чаще всего появляющиеся в ТОПе Google по запросам из семантического ядра этой страницы.
Конкуренты в Google тоже не найдены. Займитесь продвижением сайта!
Конкурентов в ТОП-10 Google не нашлось.
ЗоЗПП: права потребителей Готовность: 100%
Нарушения
Не выявлены
Признаков дистанционной продажи товаров (интернет-магазина) не обнаружено — требования ЗоЗПП о раскрытии информации продавца к сайту не применяются. Нарушений нет.
ФЗ-149: рекомендательные технологии Готовность: 100%
Нарушения
Не выявлены
Рекомендательные блоки («с этим покупают», «похожие товары» и т.п.) на сайте не обнаружены — требования ст. 10.7 ФЗ-149 к сайту не применяются. Нарушений нет.
ФЗ-38: реклама Готовность: 100%
Нарушения
Не выявлены
Рекламных тематик с обязательными оговорками (медицина, БАД, кредиты и займы, новостройки) на сайте не обнаружено. Нарушений нет.
ФЗ-436: защита детей Готовность: 100%
Нарушения
Не выявлены
Признаков информационной продукции (новости, видео, книги, игры, курсы) не обнаружено — обязательная возрастная маркировка по ФЗ-436 сайту не требуется. Нарушений нет.
Вердикт
Анализ сайта dakjin.github.io, слабо оптимизирован на 45%. Для хорошей оптимизации и выхода на первые места в поиске требуется:
Исправьте ошибки в мета-тегах.
Исправьте ошибки оптимизации.
Исправьте ошибки индексации.
Поделитесь с друзьями: