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
1057 публикаций
Поиск: 306 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 485 с найденным полным текстом
Frontiers in cellular and infection microbiology2026eng
BACKGROUND: The use of glucocorticoids in sepsis remains controversial due to heterogeneous treatment responses across patient populations. More individualized treatment strategies are needed to guide glucocorticoid administration.
METHODS: An offline reinforcement learning (RL) model was developed using the MIMIC-IV database and externally validated in the eICU-CRD. Adult patients with sepsis were included, and clinical trajectories were constructed using 24-hour time steps. Least absolute shrinkage and selection operator (LASSO) regression was applied for feature selection, and missing data
СтатьяМногоцентровое 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.
Purpose.In high-dose-rate (HDR) prostate brachytherapy procedures, needle placement solely relies on physician experience. We investigated the feasibility of using reinforcement learning (RL) to provide needle positions and dwell times based on patient anatomy during pre-planning stage. This approach would reduce procedure time and ensure consistent plan quality.Materials And Methods.We trained an RL agent to adjust the position of one selected needle and all the dwell times on it to maximize a pre-defined reward function after observing the environment. The RL agent moves on to the next needl
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.
Video slot machines are associated with both accelerated transition into problematic forms of gambling, as well as psychosocial harm above and beyond other forms of gambling. A growing body of evidence is uncovering how key design features of multiline slot machines produce an inflated experience of reward, despite the fact that these features offer no overall financial benefit to the player. A pernicious example of this are 'losses disguised as wins' (LDWs), which occur when simultaneous bets placed on multiple lines result in a winning combination that returns an amount greater than zero, bu
СтатьяПоддержка исследования: вне правительства СШАОбзорПоиск 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.
Previous studies have reported that schizophrenia (SZ) patients showed selective reinforcement learning deficits and abnormal feedback-related event-related potential (ERP) components. However, how the brain networks and their topological properties evolve over time during transient feedback-related cognition processing in SZ patients has not been investigated so far. In this paper, using publicly available feedback-related ERP data which were recorded from SZ patients and healthy controls (HC) when they performed a reinforcement learning task, we carried out an event-related network analysis
СтатьяПоддержка исследования: вне правительства СШАПолный 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.
Achieving robust, humanlike whole-body control on humanoid robots for agile, contact-rich behaviors remains a central challenge, demanding heavy per-skill engineering and a brittle process of tuning controllers. We introduce ZEST (zero-shot embodied skill transfer), a streamlined motion-imitation framework that trains policies via reinforcement learning from diverse sources-high-fidelity motion capture, noisy monocular video, and non-physics-constrained animation-and deploys them to hardware zero-shot. ZEST generalizes across behaviors and platforms without relying on contact labels, reference
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.
BACKGROUND: While behavioral interventions remain an evidence-based treatment for obesity, they often require long durations and frequent sessions. To address this, we hypothesized that interventions delivered in daily life via a smartphone app combined with personalized optimization using reinforcement learning may effectively support behavior changes.
OBJECTIVE: This study aimed to develop and evaluate the feasibility of such an app for individuals with obesity.
METHODS: We developed a smartphone app to assist in setting and reviewing daily behaviors related to weight loss. On the screen o
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.
Covalent drugs have long played an essential role in therapeutics, yet computational design approaches remain largely confined to virtual screening of existing libraries. Despite recent advances in deep generative models for drug discovery, methods specifically tailored to de novo covalent drug generation are still lacking. Here we introduce CovaGEN, a conditional latent diffusion framework for the de novo design of covalent inhibitors with enhanced drug-likeness and safety. CovaGEN generates ligands from a drug-like latent space while conditioning on target sequences and employing a classifie
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.
This study aims to optimize the dynamic administration regimen of prophylactic enoxaparin in critically ill patients to reduce the risk of VTE, major bleeding, and 30-day all-cause mortality. We developed and internally and externally validated an artificial intelligence (AI) policy utilizing Double dueling deep Q network, using data from the Medical Information Mart for Intensive Care IV (MIMIC-IV) database (training and internal test set) and the eICU Collaborative Research Database (eICU-CRD, external test set). We compared the performance among the AI policy, the clinician's policy, the we
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: Accurate path planning for minimally invasive neurosurgery is necessary to navigate complex anatomy that contains critical structures, such as blood vessels, ventricles and white-matter tracts. Planning with nonholonomic kinematics is difficult, and typical planners fail to generate kinematically feasible paths.
METHODS: AutoPlan is a deep reinforcement learning (DRL) framework that generates a needle trajectory on a magnetic resonance imaging (MRI) patient dataset. AutoPlan implements kinematic control strategies, variable curvature with fixed insertion (VCFI) and variable insert
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.
Despite the well-established theoretical and experimental foundations of dopamine-driven reinforcement learning, how the reward prediction error (RPE) teaching signal modifies specific cortical memory networks remains unclear. Neural oscillations are crucial for the temporal binding of activities across distributed cell ensembles. Here, we identify that mouse lateral entorhinal cortex layer 5 (LEC5) mediated intercortical γ-synchrony is a neural correlate of the RPE signal derived from dopamine neurons in the ventral tegmental area (VTADA). The VTADA-LEC5 circuit-based intercortical γ-synchron
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 AND OBJECTIVE: Plane reformatting for Four-dimensional Phase Contrast Magnetic Resonance Imaging (4D flow MRI) is time-consuming and prone to inter-observer variability, which limits fast cardiovascular flow assessment. Deep reinforcement learning (DRL) trains agents to iteratively adjust plane position and orientation, enabling accurate plane reformatting without the need of detailed landmarks, making it suitable for images with limited contrast and resolution, such as 4D flow MRI. However, current DRL methods assume that test volumes share the same spatial alignment as training da
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.
Low-pass single-cell DNA sequencing technologies and algorithmic advancements have enabled haplotype-specific copy number calling on thousands of cells within tumors. However, measurement uncertainty may result in spurious CNAs inconsistent with realistic evolutionary constraints. We introduce evolution-aware copy number calling via deep reinforcement learning (CNRein). Our simulations demonstrate CNRein infers more accurate copy-number profiles and better recapitulates ground truth clonal structure than existing methods. On sequencing data of breast and ovarian cancer, CNRein produces more pa
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.
Artificial intelligence (AI) and machine learning have emerged as transformative analytic methods capable of identifying patterns and proposing treatment strategies from complex, heterogeneous data generated in patient care settings. However, translating reports of AI tools into clinical decision-making requires careful interpretation and contextualization. Here, we present a structured framework (ABCDEFG framework) for clinicians to critically appraise studies reporting AI tools using a high-profile reinforcement learning analysis of vasopressin initiation in septic shock as a case example. 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.
This study summarizes the application of automatic recognition technologies for patient-ventilator asynchrony (PVA) during mechanical ventilation. In the early stages, the method of setting rules and thresholds relied on manual interpretation of ventilator parameters and waveforms. While these methods were intuitive and easy to operate, they were relatively sensitive in threshold setting and rule selection and could not adapt well to minor changes in patient status. Subsequently, machine learning and deep learning technologies began to emerge and develop. These technologies automatically extra
ОбзорАннотация на английскомСтатьяПоиск 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: Physical inactivity is prevalent, leading to a high burden of disease and large healthcare costs. Thus, there is a need for affordable, effective and scalable interventions. However, interventions that are affordable and scalable are beset with modest effects and engagement. Interventions that integrate machine learning with real-time data to offer unprecedented levels of personalisation and customisation might offer solutions. The aim of this study is to conduct a randomised controlled trial to evaluate the effectiveness of a machine learning and app-based digital assistant to inc
СтатьяПротокол клинического исследованияПоиск 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: Patients with essential tremor (ET), Parkinson's disease (PD) and dystonic tremor (DT) can be difficult to classify and often share similar characteristics.
OBJECTIVES: To use ubiquitous smartphone accelerometers with and without clinical features to automate tremor classification using supervised machine learning, and to use unsupervised learning to evaluate if natural clusterings of patients correspond to assigned clinical diagnoses.
METHODS: A supervised machine learning classifier was trained to classify 78 tremor patients using leave-one-out cross-validation to estimate perf
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.
Patients with type 1 diabetes and their physicians have long desired a fully closed-loop artificial pancreas (AP) system that can alleviate the burden of blood glucose regulation. Although deep reinforcement learning (DRL) methods theoretically enable adaptive insulin dosing control, they face numerous challenges, including safety and training efficiency, which have hindered their clinical application. This paper proposes a safe and efficient adaptive insulin delivery controller based on DRL. It employed ten tricks to enhance the proximal policy optimization (PPO) algorithm, improving training
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.
Let's review the role of gut microbiota in pathogenesis of chronic hepatitis B infection as addressed in by Zhu et al. Zhu et al used high-throughput technology to characterize the microbial ecosystems, which led to an explosion of various types of molecular profiling data, such as metagenomics, metatranscriptomics, and metabolomics. To analyze such data, machine learning (ML) algorithms have shown to be useful for identifying key molecular signatures, discovering potential patient stratifications, and, particularly, for generating models that can accurately predict phenotypes. Strong evidence
Письмо в редакциюПолный 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.
Recent advances in Artificial Intelligence (AI) have profoundly transformed the field of genome editing, particularly through integration with the Clustered Regularly Inter-spaced Short Palindromic Repeats (CRISPR) technology. This review highlights how AI-driven computational models are reshaping guide RNA (gRNA) design, off-target prediction, and editing precision in CRISPR-Cas systems. A PRISMA-informed literature survey was conducted using PubMed, Scopus, EMBASE, and Google Scholar databases to identify studies exploring AI-assisted CRISPR applications in gene therapy and biomedical resear
СтатьяОбзорПоиск 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.
Lactate dehydrogenase A (LDHA) is a promising target for cancer therapy due to its crucial role in aerobic glycolysis. Despite extensive efforts, the structural diversity of LDHA inhibitors remains limited. Here, we utilized machine learning techniques, particularly reinforcement learning models, along with molecular dynamics simulations and biological validation, to identify N-phenylbenzenesulfonamides as a novel chemotype for LDHA inhibition. Compound 9 was generated and identified as a hit (IC50 = 720 nM), with its sulfonamide moiety forming crucial hydrogen-bonding interactions with LDHA.
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.