Анализ сайта fabiozhang0722.github.io
Основное Готовность: 95%
Домен
fabiozhang0722.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://fabiozhang0722.github.io
301 MovedPermanently
https://fabiozhang0722.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 09.01.2027 2:59:59.
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
~0,44сек
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 0,44сек оптимальна.
Объем документа
34Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 34Кб 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 | "6939b02c-8b7d" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | 5F86:174B6E:47A396:4D8EAB:6A8AE876 |
| x-github-edge-region | swedencentral |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Sun, 23 Aug 2026 12:32:54 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-bma-essb1270065-BMA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787488374.487743,VS0,VE125 |
| Vary | Accept-Encoding |
| x-fastly-request-id | 804ff68c7d86a5ed464eb84be7c73200bd4216d7 |
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
Ling Zhang
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: 10, 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: 72%
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 23 достаточно.
Среднее число слов в абзаце 13 достаточно.
Кол-во знаков контента 18995 на странице оптимально.
Кол-во слов 2768 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> 4. Это хорошо.
На странице присутствуют заголовки <h3> 15.
Тошнота
4,36
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 страницы в пределах нормы 4,36.
Академич. тошнота
165,82%
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 | 19 | 0,69% |
| segmentation | 18 | 0,65% |
| jiawen | 17 | 0,61% |
| learning | 17 | 0,61% |
| cancer | 15 | 0,54% |
| medical | 13 | 0,47% |
| yingda | 12 | 0,43% |
| prediction | 12 | 0,43% |
| pancreatic | 12 | 0,43% |
| [miccai] | 11 | 0,40% |
| kovarnik | 9 | 0,33% |
| imaging | 8 | 0,29% |
| ultrasound | 8 | 0,29% |
| andreas | 8 | 0,29% |
| cervical | 8 | 0,29% |
| ronald | 8 | 0,29% |
| summers | 8 | 0,29% |
| jianhua | 8 | 0,29% |
| research | 7 | 0,25% |
| holger | 7 | 0,25% |
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 119 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: 6
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 6 оптимально.
Показать внутренние ссылки
| Url | Анкор | Состояние | Анализировать |
|---|---|---|---|
| / |
Deep LOGISMOS: Deep learning graph-based 3D segmentation of pancreatic tumors on CT scans.
|
|
Анализировать url |
| / |
Self-learning to detect and segment cysts in lung ct images without manual annotation.
|
|
Анализировать url |
| / |
Personalized Pancreatic Tumor Growth Prediction via Group Learning.
|
|
Анализировать url |
| / |
Combining fully convolutional networks and graph-based approach for automated segmentation of cervical cell nuclei.
|
|
Анализировать url |
| / |
Location-specific prediction of vulnerable plaque using IVUS, virtual histology, and spatial context.
|
|
Анализировать url |
| / |
Prospective prediction of thin-cap fibroatheromas from baseline virtual histology intravascular ultrasound data.
|
|
Анализировать url |
Внешние ссылки
Кол-во: 113
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 113 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 |
| github.com |
GitHub
|
Анализировать url |
| damo.alibaba.com |
Alibaba DAMO Academy USA
|
Анализировать url |
| nature.com |
AI-based large-scale screening of gastric cancer from noncontrast CT imaging.
|
Анализировать url |
| nature.com |
[pdf]
|
Анализировать url |
| link.springer.com |
Artificial intelligence–assisted endoscopic diagnosis system for diagnosing Helicobacter pylori infection: a multicenter study.
|
Анализировать url |
| link.springer.com |
[pdf]
|
Анализировать url |
| pubs.rsna.org |
Gastric Neoplasm Detection on Contrast-enhanced CT with Deep Learning.
|
Анализировать url |
| pubs.rsna.org |
[pdf]
|
Анализировать url |
| link.springer.com |
Deep Attention Learning for Pre-operative Lymph Node Metastasis Prediction in Pancreatic Cancer via Multi-object Relationship Modeling.
|
Анализировать url |
| link.springer.com |
[pdf]
|
Анализировать url |
| arxiv.org |
Large-scale and fine-grained vision-language pre-training for enhanced CT image understanding.
|
Анализировать url |
| arxiv.org |
[pdf]
|
Анализировать url |
| openaccess.thecvf.com |
Boosting vision semantic density with anatomy normality modeling for medical vision-language pre-training.
|
Анализировать url |
| openaccess.thecvf.com |
[pdf]
|
Анализировать url |
| link.springer.com |
LIDIA: Precise Liver Tumor Diagnosis on Multi-Phase Contrast-Enhanced CT via Iterative Fusion and Asymmetric Contrastive Learning.
|
Анализировать url |
| link.springer.com |
[pdf]
|
Анализировать url |
| link.springer.com |
A Curvature-Guided Coarse-to-Fine Framework for Enhanced Whole Brain Segmentation.
|
Анализировать url |
| link.springer.com |
[pdf]
|
Анализировать url |
| link.springer.com |
Improved Esophageal Varices Assessment from Non-Contrast CT Scans.
|
Анализировать url |
| link.springer.com |
[pdf]
|
Анализировать url |
| ieeexplore.ieee.org |
A colorectal coordinate-driven method for colorectum and colorectal cancer segmentation in conventional ct scans.
|
Анализировать url |
| ieeexplore.ieee.org |
[pdf]
|
Анализировать url |
| openaccess.thecvf.com |
CycleINR: Cycle Implicit Neural Representation for Arbitrary-Scale Volumetric Super-Resolution of Medical Data.
|
Анализировать url |
| openaccess.thecvf.com |
[pdf]
|
Анализировать url |
| openaccess.thecvf.com |
Bootstrapping Chest CT Image Understanding by Distilling Knowledge from X-ray Expert Models.
|
Анализировать url |
| openaccess.thecvf.com |
[pdf]
|
Анализировать url |
| openaccess.thecvf.com |
Modality-agnostic structural image representation learning for deformable multi-modality medical image registration.
|
Анализировать url |
| openaccess.thecvf.com |
[pdf]
|
Анализировать url |
| nature.com |
Large-scale pancreatic cancer detection via non-contrast CT and deep learning.
|
Анализировать url |
| nature.com |
[pdf]
|
Анализировать url |
| cvpr2023.thecvf.com |
Devil is in the Queries: Advancing Mask Transformers for Real-world Medical Image Segmentation and Out-of-Distribution Localization.
|
Анализировать url |
| cvpr2023.thecvf.com |
[pdf]
|
Анализировать url |
| ipmi2023.org |
MetaViT: Metabolism-Aware Vision Transformer for Differential Diagnosis of Parkinsonism with 18F-FDG PET.
|
Анализировать url |
| ipmi2023.org |
[pdf]
|
Анализировать url |
| ipmi2023.org |
Meta-information-aware Dual-path Transformer for Differential Diagnosis of Multi-type Pancreatic Lesions in Multi-phase CT.
|
Анализировать url |
| ipmi2023.org |
[pdf]
|
Анализировать url |
| pubs.rsna.org |
Artificial Intelligence to Predict Lymph Node Metastasis on CT in Pancreatic Ductal Adenocarcinoma.
|
Анализировать url |
| pubs.rsna.org |
[pdf]
|
Анализировать url |
| conferences.miccai.org |
Effective Opportunistic Esophageal Cancer Screening using Noncontrast CT Imaging.
|
Анализировать url |
| conferences.miccai.org |
[pdf]
|
Анализировать url |
| conferences.miccai.org |
DeepCRC: Colorectum and Colorectal Cancer Segmentation in CT Scans via Deep Colorectal Coordinate Transform.
|
Анализировать url |
| conferences.miccai.org |
[pdf]
|
Анализировать url |
| journals.lww.com |
Deep learning for fully automated prediction of overall survival in patients undergoing resection for pancreatic cancer: a retrospective multicenter study.
|
Анализировать url |
| journals.lww.com |
[pdf]
|
Анализировать url |
| journals.elsevier.com |
DeepPrognosis: preoperative prediction of pancreatic cancer survival and surgical margin via comprehensive understanding of dynamic contrast-enhanced CT imaging and tumor-vascular contact parsing.
|
Анализировать url |
| journals.elsevier.com |
[pdf]
|
Анализировать url |
| miccai2021.org |
Effective large-scale screening of multi-type pancreatic cancers on non-contrast CT scans via anatomy-aware transformers.
|
Анализировать url |
| miccai2021.org |
[pdf]
|
Анализировать url |
| clincancerres.aacrjournals.org |
Deep learning for fully-automated prediction of overall survival in patients with oropharyngeal cancer using FDG PET imaging: an international retrospective study.
|
Анализировать url |
| researchgate.net |
[pdf]
|
Анализировать url |
| github.com |
[code]
|
Анализировать url |
| arxiv.org |
3D Graph Anatomy Geometry-Integrated Network for Pancreatic Mass Segmentation, Diagnosis, and Quantitative Patient Management.
|
Анализировать url |
| arxiv.org |
[pdf]
|
Анализировать url |
| ajronline.org |
Data Augmentation and Transfer Learning to Improve Generalizability of an Automated Prostate Segmentation Model.
|
Анализировать url |
| sciencedirect.com |
Chapter 14 - Artificial intelligence in radiology.
|
Анализировать url |
| reader.elsevier.com |
[pdf]
|
Анализировать url |
| elsevier.com |
Chapter 8 - Quantitative Assessment and Prediction of Coronary Plaque Development Using Serial Intravascular Ultrasound and Virtual Histology.
|
Анализировать url |
| elsevier.com |
[pdf]
|
Анализировать url |
| link.springer.com |
DeepPrognosis: Preoperative Prediction of Pancreatic Cancer Survival and Surgical Margin via Contrast-Enhanced CT Imaging.
|
Анализировать url |
| arxiv.org |
[pdf]
|
Анализировать url |
| link.springer.com |
Robust Pancreatic Ductal Adenocarcinoma Segmentation with Multi-institutional Multi-phase Partially-Annotated CT Scans.
|
Анализировать url |
| arxiv.org |
[pdf]
|
Анализировать url |
| ieeexplore.ieee.org |
Generalizing Deep Learning for Medical Image Segmentation to Unseen Domains via Deep Stacked Transformation.
|
Анализировать url |
| researchgate.net |
[pdf]
|
Анализировать url |
| link.springer.com |
Chapter - Ensemble of Handcrafted and Deep Learned Features for Cervical Cell Classification.
|
Анализировать url |
| ieeexplore.ieee.org |
Spatio-Temporal Convolutional LSTMs for Tumor Growth Prediction by Learning 4D Longitudinal Patient Data.
|
Анализировать url |
| arxiv.org |
[pdf]
|
Анализировать url |
| ieeexplore.ieee.org |
Spatio-Temporal Convolutional LSTMs for Tumor Growth Prediction by Learning 4D Longitudinal Patient Data.
|
Анализировать url |
| ieeexplore.ieee.org |
[pdf]
|
Анализировать url |
| link.springer.com |
Interactive 3D Segmentation Editing and Refinement via Gated Graph Neural Networks.
|
Анализировать url |
| researchgate.net |
[pdf]
|
Анализировать url |
| link.springer.com |
Tunable CT lung nodule synthesis conditioned on background image and semantic features.
|
Анализировать url |
| link.springer.com |
[pdf]
|
Анализировать url |
| link.springer.com |
Searching learning strategy with reinforcement learning for 3d medical image segmentation.
|
Анализировать url |
| arxiv.org |
[pdf]
|
Анализировать url |
| link.springer.com |
Weakly Supervised Segmentation from Extreme Points.
|
Анализировать url |
| arxiv.org |
[pdf]
|
Анализировать url |
| openreview.net |
Correlation via Synthesis: End-to-end Image Generation and Radiogenomic Learning Based on Generative Adversarial Network.
|
Анализировать url |
| openreview.net |
[pdf]
|
Анализировать url |
| sciencedirect.com |
Automated classification of benign and malignant cells from lung cytological images using deep convolutional neural network.
|
Анализировать url |
| reader.elsevier.com |
[pdf]
|
Анализировать url |
| ieeexplore.ieee.org |
Convolutional Invasion and Expansion Networks for Tumor Growth Prediction.
|
Анализировать url |
| arxiv.org |
[pdf]
|
Анализировать url |
| ieeexplore.ieee.org |
Predicting Locations of High-Risk Plaques in Coronary Arteries in Patients Receiving Statin Therapy.
|
Анализировать url |
| ncbi.nlm.nih.gov |
[pdf]
|
Анализировать url |
| arxiv.org |
[pdf]
|
Анализировать url |
| arxiv.org |
[pdf]
|
Анализировать url |
| openaccess.thecvf.com |
Deep lesion graphs in the wild: relationship learning and organization of significant radiology image findings in a diverse large-scale lesion database.
|
Анализировать url |
| openaccess.thecvf.com |
[pdf]
|
Анализировать url |
| ieeexplore.ieee.org |
Deeppap: Deep convolutional networks for cervical cell classification.
|
Анализировать url |
| arxiv.org |
[pdf]
|
Анализировать url |
| arxiv.org |
[pdf]
|
Анализировать url |
| cs.jhu.edu |
[pdf]
|
Анализировать url |
| sciencedirect.com |
Graph-based segmentation of abnormal nuclei in cervical cytology.
|
Анализировать url |
| ncbi.nlm.nih.gov |
[pdf]
|
Анализировать url |
| sciencedirect.com |
Pathologic intimal thickening plaque phenotype: Not as innocent as previously thought. a serial 3D intravascular ultrasound virtual histology study.
|
Анализировать url |
| sciencedirect.com |
Evaluation of variable thin-cap fibroatheroma definitions and association of virtual histology-intravascular ultrasound findings with cavity rupture size.
|
Анализировать url |
| fb.cuni.cz |
Cystatin C is associated with the extent and characteristics of coronary atherosclerosis in patients with preserved renal function.
|
Анализировать url |
| fb.cuni.cz |
[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
Таким сайт fabiozhang0722.github.io видят поисковые системы. Процент оптимизации невысокий - 47%. Чтобы улучшить сайт и попасть в ТОП необходимо:
Исправьте ошибки в мета-тегах.
Исправьте ошибки индексации.
Поделитесь с друзьями: