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
28900 публикаций
Поиск: 443 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1526 с найденным полным текстом
Despite increasing accuracy of deep-learning-based medical imaging classifiers for detecting complex neurodegenerative disorders, an inherent lack of transparency and interpretability in their decisions poses a challenge to their clinical and research applications. While existing explainability methods provide insights into broader aspects of a classification decision, they do not provide a direct interpretation of how specific image information was used for a classification. Geometric, or morphological, brain changes are known to exist in multiple neurodegenerative disorders, and explaining h
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.
The administration of propofol for sedation or general anesthesia presents challenges due to the complex relationship between patient factors and real-time physiological responses. This study explores the application of deep reinforcement learning (DRL) to automate propofol dosing, aiming to maintain multiple physiological parameters including bispectral index (BIS), heart rate (HR), respiratory rate (RR), and mean arterial pressure (MAP) within safe and desired ranges. A multi-variable pharmacokinetic-pharmacodynamic (PK/PD) simulation environment was developed to model the effects of propofo
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 study evaluates the effectiveness of deep learning techniques applied to raw Scheimpflug corneal images for keratoconus detection, with a particular focus on forme fruste (FF) keratoconus, which refers to preclinical cases. Using an original dataset of 22,750 images from 910 eyes, a deep learning model based on transfer learning with a pre-trained VGG16 architecture was trained, incorporating specific preprocessing steps and data augmentation strategies. The proposed approach achieved an overall accuracy of 90.70%, with a sensitivity of 80.57%, and a specificity of 80.56% for FF keratocon
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.
OBJECTIVE: Endoscopy is a convenient and widely used method to evaluate adenoid size, but the subjectivity of its image diagnosis can result in over- or underestimation. To create a new assessment strategy for adenoid hypertrophy, we developed a reliable method for automated classification using a deep learning algorithm with nasal endoscopic images.
METHODS: Endoscopic images of adenoids were obtained from our institution and were divided into four grades based on choanal obstruction. The labeled images were randomly assigned to training and testing sets. The convolutional neural network (CN
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.
The increase in multidrug-resistant bacteria underscores an urgent need for additional antibiotics. Here, we integrate small-molecule high-throughput screening with a deep-learning-based virtual screening approach to uncover new antibacterial compounds. We screen ~2 million small molecules against a sensitized Escherichia coli strain, yielding thousands of hits. We use these data to train a deep learning model, GNEprop, to predict antibacterial activity, retrospectively validating robustness with respect to out-of-distribution generalization and activity cliff prediction. Virtual screening of
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.
Three-dimensional (3D) reconstruction based on fringe projection profilometry (FPP) is a crucial technique for capturing surface topography in high-precision industrial manufacturing. However, overexposure phenomenon frequently occurs in captured images due to variations in object reflectance and lighting conditions, leading to reduced 3D reconstruction accuracy. This represents the most challenging issue in high dynamic range (HDR) environments. To this end, I propose a deep learning-based fringe image restoration method. It utilizes the derivative networks of U-Net to restore saturated fring
СтатьяПолный текст не найденПеревод 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.
STATEMENT OF PROBLEM: The evaluation of incisal translucency in anterior teeth greatly influences esthetic treatment outcomes. This evaluation is mostly subjective and often overlooked among dental professionals. The application of artificial intelligence-based models to detect the incisal translucency of anterior teeth may be of value to dentists in their restorative dental practice, but studies are lacking.
PURPOSE: The purpose of this study was to assess the accuracy of deep learning models in predicting the translucency patterns of anterior teeth.
MATERIAL AND METHODS: Approximately 240
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.
OBJECTIVES: Utilizing a deep learning approach is an emerging trend to improve the efficiency of periodontitis diagnosis and classification. This study aimed to use an object detection model to automatically annotate the anatomic structure and subsequently classify the stages of radiographic bone loss (RBL).
MATERIALS AND METHODS: In all, 558 panoramic radiographs were cropped to 7359 pieces of individual teeth. The detection performance of the model was assessed using mean average precision (mAP), root mean squared error (RMSE). The classification performance was evaluated using accuracy, pr
СтатьяПолный текст не найденПеревод 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.
Antimicrobial resistance is one of the greatest threats facing humanity, making the need for new antibiotics more critical than ever. While most antibiotics originate from bacteria and fungi, archaea offer a largely untapped reservoir for antibiotic discovery. In this study, we leveraged deep learning to systematically explore the archaeome, uncovering promising candidates for combating antimicrobial resistance. By mining 233 archaeal proteomes, we identified 12,623 molecules with potential antimicrobial activity. These peptide compounds, termed archaeasins, have unique compositional features
СтатьяПолный текст не найденПеревод 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: Grading assessment of sacroiliitis via X-ray is widely used in clinical evaluation. The aim of this study was to develop and validate an artificial intelligence (AI) system to help physicians in assessing and diagnosing sacroiliitis from standard X-ray images.
METHODS: In this retrospective study, a deep learning model for the automated grading assessment of radiographic sacroiliitis was developed using pelvic X-ray images from a training set of 465 individuals (930 single sacroiliac joints) and a validation set of 195 individuals (390 single sacroiliac joints). The algorithm was
СтатьяПолный текст не найденПеревод 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.
UNLABELLED: Artificial intelligence applications in biomedicine face major challenges from data privacy requirements. To address this issue for clinically annotated tissue proteomic data, we developed a federated deep learning approach (ProCanFDL), training local models on simulated sites containing data from a pan-cancer cohort (n = 1,260) and 29 cohorts held behind private firewalls (n = 6,265), representing 19,930 replicate data-independent acquisition mass spectrometry runs. Local parameter updates were aggregated to build the global model, achieving a 43% performance gain on the hold-out
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.
The classification and localization of odontogenic lesions from panoramic radiographs is a challenging task due to the positional biases and class imbalances of the lesions. To address these challenges, a novel neural network, DOLNet, is proposed that uses mutually influencing hierarchical attention across different image scales to jointly learn the global representation of the entire jaw and the local discrepancy between normal tissue and lesions. The proposed approach uses local attention to learn representations within a patch. From the patch-level representations, we generate inter-patch,
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.
Recent advances in artificial intelligence (AI) research, particularly in image processing technologies, have shown promising applications across various domains, including health care. There is a significant effort to use AI for the early diagnosis and detection of diseases, offering cost-effective and timely solutions to enhance patient outcomes. This study introduces a deep learning network aimed at analyzing pathology images for the accurate diagnosis of pancreatic cancer, specifically pancreatic ductal adenocarcinoma (PDAC). Utilizing a novel dataset comprised of cases diagnosed with PDAC
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.
BACKGROUND: Benign paroxysmal positional vertigo (BPPV) is a prevalent form of vertigo that necessitates a skilled physician to diagnose by observing the nystagmus and vertigo resulting from specific changes in the patient's position. In this study, we aim to explore the integration of eye movement video and position information for BPPV diagnosis and apply artificial intelligence (AI) methods to improve the accuracy of BPPV diagnosis.
METHODS: We collected eye movement video and diagnostic data from 518 patients with BPPV who visited the hospital for examination from January to March 2021 an
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.
In this study, we propose a deep learning-based nystagmus detection algorithm using video oculography (VOG) data to diagnose benign paroxysmal positional vertigo (BPPV). Various deep learning architectures were utilized to develop and evaluate nystagmus detection models. Among the four deep learning architectures used in this study, the CNN1D model proposed as a nystagmus detection model demonstrated the best performance, exhibiting a sensitivity of 94.06 ± 0.78%, specificity of 86.39 ± 1.31%, precision of 91.34 ± 0.84%, accuracy of 91.02 ± 0.66%, and an F1-score of 92.68 ± 0.55%. These result
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.
PURPOSE: We studied a pediatric group of patients with sellar-suprasellar tumors, aiming to develop a convolutional deep learning algorithm for radiological assistance to classify them into their respective cohort.
METHODS: T1w and T2w preoperative magnetic resonance images of 226 Chilean patients were collected at the Institute of Neurosurgery Dr. Alfonso Asenjo (INCA), which were divided into three classes: healthy control (68 subjects), craniopharyngioma (58 subjects) and differential sellar/suprasellar tumors (100 subjects).
RESULTS: The PPV among classes was 0.828±0.039, and the NPV was
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.
Objective. The quality of optical coherence tomography (OCT)en faceimages is crucial for clinical visualization of early disease. As a three dimensional and coherent imaging, defocus and speckle noise are inevitable, which seriously affect evaluation of microstructure of bio-samples in OCT images. The deep learning has demonstrated great potential in OCT refocusing and denoising, but it is limited by the difficulty of sufficient paired training data. This work aims to develop an unsupervised method to enhance the quality of OCTen faceimages.Approach. We proposed an unsupervised deep learning-b
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.
BACKGROUND: Diagnosis of mitral regurgitation (MR) requires careful evaluation by echocardiography with Doppler imaging. This study presents the development and validation of a fully automated deep learning pipeline for identifying apical 4-chamber view videos with color Doppler echocardiography and detecting clinically significant (moderate or severe) MR from transthoracic echocardiograms.
METHODS: A total of 58 614 transthoracic echocardiograms (2 587 538 videos) from Cedars-Sinai Medical Center were used to develop and test an automated pipeline to identify apical 4-chamber view videos wit
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.
Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention2023eng
We propose an unsupervised deep learning algorithm for the motion-compensated reconstruction of 5D cardiac MRI data from 3D radial acquisitions. Ungated free-breathing 5D MRI simplifies the scan planning, improves patient comfort, and offers several clinical benefits over breath-held 2D exams, including isotropic spatial resolution and the ability to reslice the data to arbitrary views. However, the current reconstruction algorithms for 5D MRI take very long computational time, and their outcome is greatly dependent on the uniformity of the binning of the acquired data into different physiolog
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.
PURPOSE: Rapid automated CT volumetry of pulmonary contusion may predict progression to Acute Respiratory Distress Syndrome (ARDS) and help guide early clinical management in at-risk trauma patients. This study aims to train and validate state-of-the-art deep learning models to quantify pulmonary contusion as a percentage of total lung volume (Lung Contusion Index, or auto-LCI) and assess the relationship between auto-LCI and relevant clinical outcomes.
METHODS: 302 adult patients (age ≥ 18) with pulmonary contusion were retrospectively identified from reports between 2016 and 2021. nnU-Net w
СтатьяПолный текст не найденПеревод 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.