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: 633 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 311 с найденным полным текстом
IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society2022eng
Alzheimer's disease (AD) is the leading form of dementia worldwide. AD disrupts neuronal pathways and thus is commonly viewed as a network disorder. Many studies demonstrate the power of functional connectivity (FC) graph-based biomarkers for automated diagnosis of AD using electroencephalography (EEG). However, various FC measures are commonly utilised, as each aims to quantify a unique aspect of brain coupling. Graph neural networks (GNN) provide a powerful framework for learning on graphs. While a growing number of studies use GNN to classify EEG brain graphs, it is unclear which method sho
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.
INTRODUCTION: Carbapenem-resistant Acinetobacter baumannii is a hospital-associated pathogen linked to high mortality and limited treatment options. Although many resistance determinants have been identified, how they organize into coordinated systems remains unclear.
METHODS: Using a final binary modeling dataset of 2,448 genomes, we benchmarked machine-learning and graph-based models and developed a framework that pairs accurate prediction with systems-level genomic interpretation.
RESULTS: Across five random seeds and 10-fold stratified cross-validation, a Random Forest classifier achieve
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.
Early detection of fetal cardiac diseases can dramatically improve neonatal outcomes by enabling timely intervention and informed clinical management. However, accurate diagnosis remains challenging due to the complexity of fetal heart structures in ultrasound images and the subtlety of congenital anomalies. To address these challenges, this work introduces Fetal Cardiac Disease Detection Using Ultrasound Imaging with Gegenbauer Graph Neural Networks (FCD-UI-GGNN). Ultrasound images are collected from the Fetal Phantom Ultrasound Dataset 23 (FPUS23) and pre-processed using Broad Collaborative
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.
Alzheimer's disease (AD), a widely studied neurodegenerative disorder, poses significant research challenges due to its high prevalence and complex etiology. Age, a critical risk factor for AD, is typically assessed by comparing physiological and estimated brain ages. This study utilizes mouse models expressing human alleles of APOE and human nitric oxide synthase 2 (hNOS2), replicating genetic risks for AD alongside a human-like immune response. We developed a multivariate model that incorporates brain structural connectomes, APOE genotypes, demographic traits (age and sex), environmental fac
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.
Alzheimer's disease (AD) remains one of the most extensively researched neurodegenerative disorders due to its widespread prevalence and complex risk factors. Age is a crucial risk factor for AD, which can be estimated by the disparity between physiological age and estimated brain age. To model AD risk more effectively, integrating biological, genetic, and cognitive markers is essential. Here, we utilized mouse models expressing the major APOE human alleles and human nitric oxide synthase 2 to replicate genetic risk for AD and a humanized innate immune response. We estimated brain age employin
ПрепринтПоиск 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.
Alzheimer's disease (AD) requires the discovery of new therapeutic targets, but traditional molecular docking methods for virtual screening are often computationally expensive. This study introduces PhysDual-GCN, a physics-informed graph neural network designed to approximate docking-derived binding affinity scores for DYRK2, an understudied yet biologically relevant target in Alzheimer's disease (AD). The model jointly processes ligand molecular graphs and a sequence-based graph representation of DYRK2, while explicitly incorporating Coulomb and Lennard-Jones interaction terms as analytical p
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.
Distributed acoustic sensing (DAS) systems capture complex, nonlinear wave propagation across fiber-optic cables. Conventional event classification architectures, constrained by static physical topologies or isolated spatial grids, fail to effectively adapt to the dynamic feature relationships associated with such events, particularly when modeling complex spatiotemporal interactions across sensor arrays. To resolve these structural limitations, we introduce the Spectro-Spatial Dynamic Graph Neural Network (S2-DyGNN), whose architecture couples a two-dimensional frequency-time convolutional fr
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.
Integration and analysis of multi-omics data provide valuable insights for improving cancer subtype classification. However, such data are inherently heterogeneous, high-dimensional, and exhibit complex intra- and inter-modality dependencies. Graph neural networks provide a principled framework for modeling these structures, but existing approaches often rely on prior knowledge or predefined similarity networks that produce either undirected or unweighted graphs, failing to capture task-specific directionality and interaction strengths. Interpretability at both the modality and feature levels
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.
Autism spectrum disorder (ASD) is a complex neurodevelopmental disorder that requires early and efficient diagnosis. Functional magnetic resonance imaging (fMRI), with high temporal and spatial resolution, is a powerful tool for investigating brain functional connectivity. In fMRI data-based ASD classification, the dual graph method integrates individual brain functional connectivity with metadata-based inter-subject relationships, achieving high diagnostic accuracy. However, relying on the predefined brain graphs with fixed structures in the brain graph learning stage fails to adaptively opti
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.
Triple-negative breast cancer (TNBC) presents a significant therapeutic challenge due to its aggressive behavior and lack of targeted therapies. The PI3K/AKT/mTOR signaling pathway, particularly AKT1, is frequently dysregulated in TNBC, driving disease progression. Despite extensive research, many clinically evaluated AKT1 inhibitors have encountered challenges related to both efficacy and tolerability, highlighting the need for novel therapeutics. Here, we employed graph neural networks (GNNs) for molecular graph-based prediction of potential AKT1 inhibitors. Six GNN architectures, including
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 AND OBJECTIVE: Hydroxycarboxylic acid receptor 1 (HCAR1), also known as the lactate receptor, is closely associated with tumorigenesis and cancer progression due to its aberrant activation, making it an attractive therapeutic target for cancer treatment. Accurate prediction of HCAR1 antagonists is therefore crucial for tumor immunotherapy. However, traditional drug screening suffers from high costs and suboptimal performance caused by imbalanced datasets and incomplete molecular representations, contributing to the scarcity of clinically available HCAR1 antagonists.
METHODS: A bala
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.
Currently approved FGFR1 kinase inhibitors still suffer from several disadvantages, including significant toxicities and adverse effects. To identify promising FGFR1 inhibitors, we developed a ligand-based graph neural network (GNN) virtual screening model and conducted high-throughput screening of FGFR1 kinase inhibitors using this model. Compared with traditional models, our model reveals better performance (Accuracy of 0.9186, AUC of 0.964). The model was employed to conduct preliminary screening of a 14-million-compound library. Subsequently, multi-stage screening was performed, including
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
In this study, we proposed a capsule dynamic graph convolution network (EF-CapsDGCN) for accurate decoding of upper limb motor execution (ME) based on both electroencephalogram (EEG) and functional near-infrared spectroscopy (fNIRS) signals. In EF-CapsDGCN, EEG/fNIRS features are extracted using the same convolutional architecture but different parameter settings. The extracted features from both modalities are then dynamically routed to capsules. Afterwards, the single-modality capsules are concatenated to form EEG-fNIRS multimodal capsules. Each capsule is treated as a graph node, and hidden
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.
INTRODUCTION: Periodontitis is a chronic inflammatory disease that occurs when the body's immune system fails to respond properly to microbial biofilms. Peptides exhibiting anti-inflammatory and immunomodulatory properties are promising as biomarkers and therapeutic agents; however, identifying functional peptide signatures remains a significant challenge due to sequence variability and limited data availability. The aim of this study was to develop a graph-contrastive convolutional neural network (GCCNN) framework for accurately categorizing periodontitis-related peptides into immunomodulator
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: The present study examines the impact of positive, negative, and neutral emotional stimuli on brain activity, as well as the relationship between various pharmacological treatment states and functional brain topology, with special emphasis on regions related to emotional regulation in patients with fibromyalgia (FM).
METHOD: In this study, fMRI images of 33 women with FM were used to analyze brain regions involved in emotional processing and regulation using various graph theory metrics. To investigate the relationship between the values of these metrics and different pharmacologi
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 research was done to design and evaluate a graph-based deep-learning architecture to automatically multi-label breast cancer, using multiparametric magnetic resonance imaging (MRI) data and clinical features. The general aim was to enhance the diagnostic accuracy of the key clinical activities, i.e. biomarker discovery, tumour staging, and histological grading. Three-dimensional volumetric graphs were built with the help of five different MRI modalities (Phase 1, Phase 2, Phase 3, T1, and IHSFused), and each voxel and clinical variable was a node. Attributes of the nodes were radiomic fea
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 paper proposes a deep learning algorithm named CoGSPro for classifying lung cancer-related proteins. CoGSPro combines graph neural networks and attention mechanisms to extract key features from protein data and accurately classify proteins. It utilizes large-scale protein expression datasets to train and validate the model, enabling it to identify subtle patterns related to lung cancer. CoGSPro integrates protein-protein interaction network information to improve its predictive accuracy. The experimental results indicate that CoGSPro achieves cutting-edge performance, attaining an accurac
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.
An adnexal mass, also known as a pelvic mass, is a growth that develops in or near the uterus, ovaries, fallopian tubes, and supporting tissues. For women suspected of having ovarian cancer, timely and accurate detection of a malignant pelvic mass is crucial for effective triage, referral, and follow-up therapy. While various deep learning techniques have been proposed for identifying pelvic masses, current methods are often not accurate enough and can be computationally intensive. To address these issues, this manuscript introduces an optimized Siamese circle-inspired neural network with deep
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.
Multimodal imaging using network connectivity techniques shows promise for investigating neuropathology influencing Post-Traumatic Stress Disorder (PTSD) symptom maintenance and course. We recruited World Trade Center (WTC) responders who continued to suffer from chronic PTSD into a diffusion tensor neuroimaging protocol (n = 100), along with nine unexposed controls without PTSD from other sources. Using a graph theory approach to probe network alterations in brain diffusion images, we calculated weighted characteristics path length (wCPL) as a surrogate marker for the effective neuroanatomica
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: The HER2 immunohistochemical (IHC) score of breast cancer is a critical precursor for determining eligibility for anti-HER2 targeted therapy, as the final HER2 status (positive/negative/low) is determined by IHC results combined with FISH confirmation for equivocal 2 + cases according to ASCO/CAP guidelines. However, most existing artificial intelligence methods separate the detection of invasive cancer regions from HER2 grading and fail to adequately model the spatial heterogeneity of whole-slide tumors. This study proposes an end-to-end intelligent HER2 grading framework that inte
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.