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
51898 публикаций
Поиск: 132 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1514 с найденным полным текстом
Netherlands heart journal : monthly journal of the Netherlands Society of Cardiology and the Netherlands Heart Foundation2019eng
BACKGROUND: Transcatheter aortic valve implantation (TAVI) has become a commonly applied procedure for high-risk aortic valve stenosis patients. However, for some patients, this procedure does not result in the expected benefits. Previous studies indicated that it is difficult to predict the beneficial effects for specific patients. We aim to study the accuracy of various traditional machine learning (ML) algorithms in the prediction of TAVI outcomes.
METHODS AND RESULTS: Clinical and laboratory data from 1,478 TAVI patients from a single centre were collected. The outcome measures were impro
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.
OBJECTIVE: The aim of this study was to determine whether machine learning could reduce the number of mammograms the radiologist must read by using a machine-learning classifier to correctly identify normal mammograms and to select the uncertain and abnormal examinations for radiological interpretation.
METHODS: Mammograms in a research data set from over 7,000 women who were recalled for assessment at six UK National Health Service Breast Screening Program centers were used. A convolutional neural network in conjunction with multitask learning was used to extract imaging features from mammog
СтатьяМногоцентровое исследованиеПоиск 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.
While tens of thousands of pathogenic variants are used to inform the many clinical applications of genomics, there remains limited information on quantitative disease risk for the majority of variants used in clinical practice. At the same time, rising demand for genetic counselling has prompted a growing need for computational approaches that can help interpret genetic variation. Such tasks include predicting variant pathogenicity and identifying variants that are too common to be penetrant. To address these challenges, researchers are increasingly turning to integrative informatics approach
СтатьяПоддержка NIH: внешняя программаОбзорПоиск 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.
Due to their strong dependence on local atonic environments, NMR chemical shifts are among the most powerful tools for strucutre elucidation of powdered solids or amorphous materials. Unfortunately, using them for structure determination depends on the ability to calculate them, which comes at the cost of high accuracy first-principles calculations. Machine learning has recently emerged as a way to overcome the need for quantum chemical calculations, but for chemical shifts in solids it is hindered by the chemical and combinatorial space spanned by molecular solids, the strong dependency of c
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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
СтатьяПоддержка NIH: внешняя программаПолный 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.
This paper presents application of machine learning methods on a 356 sample dataset for early prediction of reading disability among first graders. A wide array of classifiers consisting of Support Vector Machines, Decision Trees (CART and C4.5), Linear Discriminant Analysis, k Nearest Neighbor and Naïve Bayes Classifiers were used in this study. Markov Blanket based feature selection algorithms (HITON-PC and HITON-MB) and wrapper based feature selection algorithms (forward, backward, forward and backward wrapping algorithm and support vector machine recursive feature elimination) were used to
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 accuracy of machine learning interatomic potentials suffers from reference data that contain numerical noise. Often originating from unconverged or inconsistent electronic-structure calculations, this noise is challenging to identify. Existing mitigation strategies, such as manual filtering or iterative refinement of outliers, require either substantial expert effort or multiple expensive retraining cycles, making them difficult to scale to large datasets. Here, we introduce a noise-resilient training method that automatically down-weighs noisy samples, without requiring additional referen
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.
Healthcare services and data ecosystems remain fragmented, inequitable and misaligned with patient, clinician and public health needs. Three pathways to patient-centred Artificial Intelligence (AI) have emerged to address this: data collaboration, Whole System Approaches and digital inclusion. Each has advanced the field. However, none delivers the continuous, participatory and outcome-grounded learning that equitable AI demands. The populations whose data drives AI learning must also be the populations who benefit from it. This principle has not been structurally embedded in any existing path
СтатьяОбзорПолный 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.
Among the many challenges faced by healthcare systems, cancer remains one of the most urgent. This makes the application of artificial intelligence a critical tool for enhancing early detection and optimizing treatment strategies, especially given the growing volume of patient data being collected. In this study, machine learning models trained on data for a specific type of cancer were employed to predict three-year survival after diagnosis for other cancer types. Two groups were considered: the most frequent cancers and those related to the digestive system. The data were extracted from the
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.
Brain-machine interfaces (BMIs) aim to decode motor intentions from neural activity to enable direct control of external devices. However, most existing decoders rely on monolithic architectures that fail to capture the distinct neural representations of different joint movement directions, limiting their generalizability. In this work, we propose a Single-Direction CNN-LSTM decoder inspired by motor cortex encoding mechanisms, which separately models extension and flexion dynamics through parallel CNN-LSTM branches. Each branch extracts spatial-temporal features from neural spike data and pre
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.
BACKGROUND/OBJECTIVES: Uveal melanoma (UM) is the most common primary intraocular malignant tumor among adults and has a high risk of metastasis. Recently, artificial intelligence (AI) tools have been developed to support the management of UM across different clinical tasks. The definition of ground truth, the reference standard that models use in training and development, greatly influences the performance and clinical relevance of the models. Currently, there is limited consensus regarding which ground truth methods are most appropriate for each clinical application. This review aims to eval
СтатьяОбзорПоиск 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.
Periodontitis is a chronic inflammatory disease driven by microbial dysbiosis, yet the microbial signatures associated with severity remain incompletely understood. This study investigated changes in subgingival microbial composition across clinically defined severity groups and evaluated the performance of microbiome-based machine-learning models for classifying periodontitis severity. Subgingival plaque samples from 84 patients were analyzed using 16S rRNA gene sequencing. Microbial diversity showed a modest decreasing trend with increasing severity, although differences were not statistical
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.
Postpartum depression (PPD) affects nearly one in five mothers, yet many cases remain undetected. This study demonstrates the value of a leakage-resistant, rigorously designed machine learning pipeline for early prediction using psychosocial data from 1,430 women during pregnancy. Concept-level feature harmonization addressed data artifacts, while repeated group-aware cross-validation, calibration, and recall-oriented thresholding ensured robust evaluation. Class imbalance was handled using weighting and SMOTE. Models showed strong performance (ROC-AUC: 0.762-0.801; PR-AUC: 0.400-0.490), with
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.
Mortality prediction in acute respiratory distress syndrome (ARDS) is critical for early triage and targeted treatment. In this study, we compared multiple machine learning models to predict 90-day all-cause mortality and 28-day hospital mortality in ARDS patients, with all models achieving good discrimination (AUC: 0.715-0.753 and 0.693-0.721, respectively). Among models, XGBoost achieved the most consistent balance of AUC, recall, and F1 score across both outcomes, making it the most clinically appropriate model where underpredicting high-risk patients brings significant consequences. Random
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.
OBJECTIVE: Electroencephalography (EEG) data is derived by sampling continuous neurological time series signals. In order to prepare EEG signals for machine learning, the signal must be divided into manageable segments. The current naive approach uses arbitrary fixed time slices, which may have limited biological relevance because brain states are not confined to fixed intervals. We investigate whether adaptive segmentation methods are beneficial for machine learning EEG analysis.
APPROACH: We introduce a novel adaptive segmentation method, CTXSEG, that creates variable-length segments based
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: This study aimed to develop and validate machine learning (ML) models for automated prediction of perceptual dysphonia severity, as indexed by the Grade (G) parameter of the GRBAS scale, using acoustic analyses of sustained vowels. The overarching goal was to enhance objectivity, reproducibility, and efficiency in clinical voice assessment.
METHODS: A total of 524 sustained/a/samples were collected from three databases. The evaluations of all recordings by ten raters using the GRBAS scale, that achieved excellent interrater reliability (Krippendorff's α = 0.96), were modelled. For
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: Children with steroid-resistant, frequently relapsing, and steroid-dependent nephrotic syndrome experience high disease and treatment-related morbidity. There are few prediction models for childhood nephrotic syndrome outcomes. Our aim was to develop and internally validate outcome prediction models, using machine learning methods.
METHODS: We analyzed data from Insight into Nephrotic Syndrome: Investigating Genes, Health, and Therapeutics, a prospective observational childhood nephrotic syndrome cohort. We included children (1-18 years) diagnosed from 1996 to 2023 from the Greate
СтатьяНаблюдательное исследованиеПолный 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: Atopic dermatitis (AD) is a prevalent, chronic inflammatory skin disease with diverse clinical presentations, often overlapping with other dermatoses. Its diagnosis remains largely dependent on clinical expertise, leading to variability and limited diagnostic accuracy, particularly among general practitioners. This study aimed to develop and evaluate a multimodal artificial intelligence (AI) model that integrates lesion image analysis and structured anamnesis to improve AD diagnosis.
METHODS: This diagnostic study was conducted in two phases: Phase 1 used retrospective data from 2
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.
Diet is a modifiable determinant of aging. We develop and validate the Machine-learning YouTHful (MYTH) Diet, a dietary pattern associated with reduced aging-related mortality. Using data from 191,689 participants in the UK Biobank, we conducted a food-wide association analysis and identified 18 food groups significantly associated with aging-related mortality. A Light Gradient Boosting Machine (LightGBM) model was used to rank food importance, leading to the construction of a 10-component MYTH Diet score (range: 0-10). Higher MYTH scores were consistently associated with reduced aging-related
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/Objectives: Early identification of complicated appendicitis in children remains challenging. We developed and internally validated laboratory-based machine-learning models for severity stratification using age and routine admission laboratory data. Methods: This retrospective study included 628 children with surgically confirmed appendicitis treated between 2020 and 2024. Complicated appendicitis was defined by operative or pathological evidence of perforation, gangrene, abscess, phlegmon, diffuse peritonitis, or comparable advanced inflammation. Fifteen candidate predictors were e
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.