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
1853 публикаций
Поиск: 148 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 311 с найденным полным текстом
Deep neural networks in medical and edge environments often face computational and memory constraints, which necessitate effective model compression. Neural network pruning is a widely used solution, but conventional methods often rely on magnitude-based or random criteria that can remove entire functional groups of neurons and reduce model performance. This study introduces Graph-Community Cluster Pruning (GCCP), a structured pruning framework that constructs neuron activation similarity graphs and employs Louvain community detection to identify functionally cohesive groups. Within each commu
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.
Parkinson's disease (PD) is a common neurodegenerative disorder, and accurate diagnosis is crucial for timely intervention. Dynamic functional connectivity (DFC) analysis of resting-state functional magnetic resonance imaging (rs-fMRI) can capture the time-varying characteristics of brain networks, offering a new perspective for PD identification. However, traditional clustering-based DFC methods suffer from issues such as the loss of continuous temporal information. Existing machine learning approaches struggle to effectively integrate the temporal dynamics of DFC with inter-subject differenc
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.
We demonstrate that graph-based neural networks are capable of molecular structure elucidation of organic molecules directly from experimentally measurable NMR spectroscopic properties, simulated by DFT. Such a system is a holy grail for researchers in chemical science for molecules in the solution state. Our graph-based transformer neural network architecture is based on 'inverting' IMPRESSION-G2 (which outputs predicted NMR properties based on input molecular structures) to instead output a predicted molecular structure in one shot from input computed NMR properties. The inclusion of scalar
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.
Single-cell multi-omics sequencing technology provides a powerful tool for studying cellular heterogeneity. However, beyond the challenges of sparsity, heterogeneity, and dimensionality differences, a critical challenge in multi-omics data integration lies in preserving the true regulatory relationships among molecular features. To address these limitations, we propose single-cell multi-omics graph neural networks (scMOG), a framework that leverages heterogeneous graphs to preserve regulatory relationships in single-cell multi-omics data. scMOG leverages encoders to extract low-dimensional emb
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.
Whole-genome sequencing (WGS) data are an invaluable resource for understanding antimicrobial resistance (AMR) mechanisms. However, WGS data are high-dimensional and the lack of standardized genomic representations is a key barrier to AMR phenotype prediction. To fully explore these high-resolution data, we propose AMR-GNN, a graph deep learning-based framework that integrates multiple genomic representations with graph neural networks (GNN) to enable AMR phenotype prediction from genomic sequence data. We test AMR-GNN with Pseudomonas aeruginosa, a clinically relevant Gram-negative bacterial
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.
During the COVID-19 crisis, mechanistic models have guided evidence-based decision making. However, time-critical decisions in a dynamical environment limit the time available to gather supporting evidence. We address this bottleneck by developing a graph neural network (GNN) surrogate of an age-structured and spatially resolved mechanistic metapopulation simulation model. This combined approach complements classical modeling approaches which are mostly mechanistic and purely data-driven machine learning approaches which are often black box. Our design of experiments spans outbreak and persist
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.
Multiplexed tissue imaging enables detailed study of cell-cell interactions in disease, yet systematic, interpretable, and supervised computational methods for inferring such interactions remain scarce. We present SHIELD (spatially enhanced immune landscape decoding), a graph attention network framework that quantifies disease-relevant cell-cell interactions through learned attention scores, without relying on prior biological assumptions such as ligand-receptor databases. Validated across three multiplexed tissue imaging datasets-hepatocellular carcinoma (HCC), colorectal cancer (CRC), and ty
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.
Interface authorization in flexible automated mine ventilation duct production lines is difficult because heterogeneous users and services access safety-critical resources under time-varying cyber-physical risk that static RBAC/ACL rules cannot capture. This study presents HGRAD, a heterogeneous-graph risk-adaptive access control framework for industrial cyber-physical systems. HGRAD models each access event as a dynamic graph with four node types: user nodes encode operator identity, role, and history; interface nodes represent exposed PLC/MES/service access points and protocol/load states; r
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.
OBJECTIVE: Breast ultrasound imaging is widely used for the early detection of malignant breast lesions. Although deep learning models have shown strong performance, most approaches rely solely on raw image features and overlook clinically significant characteristics essential for reliable diagnosis. This study aims to develop a graph-based neural network model that integrates medically meaningful features to improve malignancy detection in breast ultrasound images.
METHODS: The Breast Ultrasound (BUS) and Breast Ultrasound 2 (BUS2) datasets were pre-processed for region extraction using a bi
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 isolation of affected patients and intensified infection control measures are used to prevent nosocomial transmission of vancomycin-resistant enterococci (VRE), but early detection of VRE carriers is needed. However, there are still no standard screening criteria for VRE, which poses a significant threat to patient safety. Our study aimed to develop and evaluate an artificial intelligence (AI)-based approach for identifying and predicting of at-risk patients who could assist infection prevention and control staff through a human-in-the-loop approach. We used data from 8,372 patients, combi
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 prediction of absorption and emission spectra is a crucial task in chemistry and materials science, traditionally addressed with computational methods, such as density functional theory (DFT). While DFT can deliver with high accuracy, its substantial computational cost and long run times hinder its scalability for large molecular systems. In this study, we present an efficient graph neural network (GNN)-based approach for predicting optical properties. Our method combines molecular graph representations with molecular fingerprints, allowing the model to capture detailed structural and elec
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.
BACKGROUND: Formaldehyde, a hazardous indoor pollutant, poses serious health risks even at low concentrations. Metal-organic frameworks (MOFs), due to their high porosity and tunable structures, offer promising potential for selective gas adsorption and separation. However, identifying high-performance MOFs from thousands of candidates using traditional experiments is time-consuming and inefficient. This study addressed the need for efficient MOF screening strategies by integrating high-throughput atomistic simulations, machine learning, and crystal graph convolutional neural networks (CGCNN)
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.
Probabilistic analysis tool is important to quantify the impacts of the uncertainties on power system operations. However, the repetitive calculations of power flow are time-consuming. To address this issue, data-driven approaches are proposed but they are not robust to the uncertain injections and varying topology. This article proposes a model-driven graph convolution neural network (MD-GCN) for power flow calculation with high-computational efficiency and good robustness to topology changes. Compared with the basic graph convolution neural network (GCN), the construction of MD-GCN considers
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.
Causalityholds profound potentials to dissipate confusion and improve accuracy in cuffless continuous blood pressure (BP) estimation, an area often neglected in current research. In this study, we propose a two-stage framework, CiGNN, that seamlessly integrates causality and graph neural network (GNN) for cuffless continuous BP estimation. The first stage concentrates on the generation of a causal graph between BP and wearable features from the the perspective of causal inference, so as to identify features that are causally related to BP variations. This stage is pivotal for the identificatio
СтатьяПоддержка исследования: вне правительства СШАПоиск 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.
Introduction The Wnt/β-catenin pathway is crucial for bone formation and remodeling, regulating osteoblast differentiation, bone remodeling, and skeletal homeostasis. Dysregulation of the Wnt/β-catenin pathway is linked to bone-related diseases like osteoporosis, osteoarthritis, and osteosarcoma. The strategies to modulate this pathway include Wnt agonists, inhibitors, and small molecules. Graph neural networks (GNNs) have shown potential in understanding drug-gene interactions, providing accurate predictions, identifying novel drug-target pairs, and enabling personalized drug therapy. So we a
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: Autism spectrum disorder (ASD) is a neurodevelopmental disorder exhibiting heterogeneous characteristics in patients, including variability in developmental progression and distinct neuroanatomical features influenced by sex and age. Recent advances in deep learning models based on functional connectivity (FC) graphs have produced promising results, but they have focused on generalized global activation patterns and failed to capture specialized regional characteristics and accurately assess disease indications.
METHODS: To overcome these limitations, we propose a novel deep learn
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.
Schistosomiasis is a tropical disease that poses a significant risk to hundreds of millions of people, yet often goes unnoticed. While praziquantel, a widely used anti-schistosome drug, has a low cost and a high cure rate, it has several drawbacks. These include ineffectiveness against schistosome larvae, reduced efficacy in young children, and emerging drug resistance. Discovering new and active anti-schistosome small molecules is therefore critical, but this process presents the challenge of low accuracy in computer-aided methods. To address this issue, we proposed GNN-DDAS, a novel deep lea
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.
Parkinson's disease (PD) is a complicated neurological ailment that affects both the physical and mental wellness of elderly individuals which makes it problematic to diagnose in its initial stages. Electroencephalogram (EEG) promises to be an efficient and cost-effective method for promptly detecting cognitive impairment in PD. Nevertheless, prevailing diagnostic practices utilizing EEG features have failed to examine the functional connectivity among EEG channels and the response of associated brain areas causing an unsatisfactory level of precision. Here, we construct an attention-based spa
СтатьяПоддержка исследования: вне правительства СШАПолный 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.
Aldehyde oxidase (AOX) is a molybdoenzyme that is primarily expressed in the liver and is involved in the metabolism of drugs and other xenobiotics. AOX-mediated metabolism can result in unexpected outcomes, such as the production of toxic metabolites and high metabolic clearance, which can lead to the clinical failure of novel therapeutic agents. Computational models can assist medicinal chemists in rapidly evaluating the AOX metabolic risk of compounds during the early phases of drug discovery and provide valuable clues for manipulating AOX-mediated metabolism liability. In this study, we de
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: Dramatic brain morphological changes occur throughout the third trimester of gestation. In this study, we investigated whether the predicted brain age (PBA) derived from graph convolutional network (GCN) that accounts for cortical morphometrics in third trimester is associated with postnatal abnormalities and neurodevelopmental outcome.
METHODS: In total, 577 T1 MRI scans of preterm neonates from two different datasets were analyzed; the NEOCIVET pipeline generated cortical surfaces and morphological features, which were then fed to the GCN to predict brain age. The brain age inde
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.