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
2183 публикаций
Поиск: 1432 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 884 с найденным полным текстом
The insulin receptor (IR) proteins play a central role in cellular growth and metabolic regulation. Disruption of IRs is linked to several fatal neurodegenerative and cancer-like diseases. Wet-lab experiments are time-consuming, costly, and resource-intensive. Therefore, accurately predicting IR proteins using computational methods is critical for understanding the IR-associated biological mechanism and advancing therapeutic research. In this work, we propose a biologically informed deep learning method, DeepIR-Pred, which is the first rigorous model to accurately identify IR proteins. To ensu
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.
UNLABELLED: Genetic mutations contribute significantly to the complexity of understanding Acute Coronary Syndrome (ACS). Artificial Intelligence (AI) models, including Artificial Neural Networks (ANN), Convolutional Neural Networks (CNN), and Recurrent Neural Networks (RNN), have been integrated as an advanced approach to uncover hidden mutation clues for early detection and prevention of life-threatening diseases, including ACS.
INTRODUCTION: Genetic mutations play a crucial role in the pathogenesis of ACS, complicating efforts to fully characterize its underlying biological mechanisms. Thes
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.
Deep learning, as a pivotal branch of machine learning, has demonstrated remarkable potential in advancing crop science by effectively integrating genomics and phenomics. This review systematically outlines the application of diverse deep learning architectures-such as convolutional neural networks, recurrent neural networks, and transformers-across key crop genomic tasks, including gene expression prediction, alternative splicing analysis, cis-regulatory element identification, epigenomic profiling, and genome-based trait prediction. In phenomics, these models facilitate high-throughput extra
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.
Cancer drug discovery is a complex process that requires identifying compounds that selectively target malignant cells. While high-throughput screening (HTS) is essential for testing large libraries, it generates vast datasets that are difficult to interpret. Recently, the integration of artificial intelligence (AI), particularly deep learning (DL), has significantly accelerated drug candidate selection. This review highlights the synergy between AI and HTS, emphasizing DL techniques such as convolutional neural networks for bioactivity prediction, recurrent neural networks for de novo design,
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2024eng
Automated cough sound segmentation is important for the objective analysis of cough sounds. While various cough sound segmentation algorithms have been proposed over the years, it is not clear how these algorithms perform in the presence of background noise, which can vary in intensity across different environments. Therefore, in this study, we evaluate the performance of cough sound segmentation algorithms in the presence of background noise. Specifically, we examine algorithms employing conventional feature engineering and machine learning methods, convolutional neural networks (CNNs), recur
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.
Temporally precise movement patterns underlie many motor skills and innate actions, yet the flexibility with which the timing of such stereotyped behaviors can be modified is poorly understood. To probe this, we induce adaptive changes to the temporal structure of birdsong. We find that the duration of specific song segments can be modified without affecting the timing in other parts of the song. We derive formal prescriptions for how neural networks can implement such flexible motor timing. We find that randomly connected recurrent networks, a common approximation for how neocortex is wired,
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.
Distributed Denial of Service (DDoS) attacks have become a serious threat in modern computer networks, which can commonly be integrated with other types of attacks to evade detection by conventional devices. Existing deep learning-based intrusion detection methods have high identification capability. However, they are also highly susceptible to adversarial attacks, in which even slight perturbations to features can fool the model into misclassification. To address these issues, this study introduced a hybrid deep learning framework. It integrates Convolutional Neural Networks (CNN) and Bidirec
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 integrates advanced machine learning techniques, namely Artificial Neural Networks, Long Short-Term Memory, and Gated Recurrent Unit models, to forecast monkeypox outbreaks in Canada, Spain, the USA, and Portugal. The research focuses on the effectiveness of these models in predicting the spread and severity of cases using data from June 3 to December 31, 2022, and evaluates them against test data from January 1 to February 7, 2023. The study highlights the potential of neural networks in epidemiology, especially concerning recent monkeypox outbreaks. It provides a comparative analy
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.
BACKGROUND: Positron emission tomography (PET) has been investigated for its ability to reconstruct proton-induced positron activity distributions in proton therapy. This technique holds potential for range verification in clinical practice. Recently, deep learning-based dose estimation from positron activity distributions shows promise for in vivo proton dose monitoring and guided proton therapy.
PURPOSE: This study evaluates the effectiveness of three classical neural network models, recurrent neural network (RNN), U-Net, and Transformer, for proton dose estimating. It also investigates 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.
As the global population ages, the prevalence of neurodegenerative diseases (NDDs)including Alzheimer's disease, Parkinson's disease, Huntington's disease, Multisystem Atrophy (multiple system atrophy), and amyotrophic lateral sclerosiscontinues to rise, largely driven by environmental, metabolic, and lifestyle risk factors. Advances in computational technologies, particularly machine learning (ML) and deep learning, are reshaping research in this field. This review summarizes the major features of these diseases and emphasizes the role of ML in drug discovery, virtual screening, drug repurp
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.
Cough is a popular pre-screening tool for the most respiratory disease diagnoses. Discriminating the abnormal cough from normal one by human ear is however challenging as minute pathological changes in auditory pattern go unnoticed and computer assistance is sought for the diagnosis. This study aims at developing a prediction model by analyzing the different frequency components of the signal in multiple dimensions. As a first step, the cough sounds are decomposed using variational mode decomposition (VMD) for five intrinsic mode functions (IMFs) followed by visualizing every IMF in bark frequ
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 recurrence of atrial fibrillation (AF) following catheter ablation is a common complication in patients with persistent atrial fibrillation (psAF), increasing the risk of stroke and heart failure thereafter. Given the multifactorial nature of post-ablation AF, clinical predictions of successful ablation often suffer from poor accuracy and lack robustness. This paper proposes a multimodal prediction model for post-ablation AF, which extracts complex features from multidimensional data, including electrocardiogram (ECG) images, cellular characteristics, intraoperative and demographic informa
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: Fibrosarcomatous dermatofibrosarcoma protuberans (FS-DFSP) is a form of tumor progression of dermatofibrosarcoma protuberans (DFSP) with an increased risk of metastasis and recurrence. Few studies have compared the clinicopathological features of FS-DFSP and conventional DFSP (C-DFSP).
OBJECTIVES: To better understand the epidemiological and clinicopathological characteristics of FS-DFSP.
METHODS: We conducted a cohort study of 221 patients diagnosed with DFSP and built a recognition model with a back-propagation (BP) neural network for FS-DFSP.
RESULTS: Twenty-six patients with
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.
OBJECTIVES: This study developed a neural network to perform automated pressure waveform analysis and allow real-time accurate identification of damping.
BACKGROUND: Damping of aortic pressure during coronary angiography must be identified to avoid serious complications and make accurate coronary physiology measurements. There are currently no automated methods to do this, and so identification of damping requires constant monitoring, which is prone to human error.
METHODS: The neural network was trained and tested versus core laboratory expert opinions derived from 2 separate datasets. A to
СтатьяМногоцентровое исследованиеПоддержка исследования: вне правительства СШАВалидационное исследованиеПоиск 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.
Bipolar affective disorder (BD) is a severe mental illness characterized by recurrent episodes of mania, hypomania, and depression, accompanied by progressive neurobiological changes that go beyond the classical concepts of neurotransmitter dysregulation. Increasing evidence points to the key role of the interaction between inflammatory processes, mitochondrial dysfunction, and disturbances within neural networks in the pathogenesis, course, and treatment response of BD. Neuroinflammatory processes, including elevated levels of pro-inflammatory cytokines, chemokines, and microglial activation,
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.
The spike-based neuronal responses within the ventral intraparietal area (VIP) exhibit intricate spatial and temporal dynamics in the posterior parietal cortex, presenting decoding challenges such as limited data availability at the biological population level. The practical difficulty in collecting VIP neuronal response data hinders the application of sophisticated decoding models. To address this challenge, we propose a unified spike-based decoding framework leveraging spiking neural networks (SNNs) for both generative and decoding purposes, for their energy efficiency and suitability for ne
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 neurodegenerative disease affecting millions of people around the world. Conventional PD detection algorithms are generally based on first and second-generation artificial neural network (ANN) models which consume high energy and have complex architecture. Considering these limitations, a time-varying synaptic efficacy function based leaky-integrate and fire neuron model, called SEFRON is used for the detection of PD. SEFRON explores the advantages of Spiking Neural Network (SNN) which is suitable for neuromorphic devices. To evaluate the performance of SEFRON, 2
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.
MOTIVATION: Gene regulation is a dynamic process that underlies all aspects of human development, disease response, and other biological processes. The reconstruction of temporal gene regulatory networks has conventionally relied on regression analysis, graphical models, or other types of relevance networks. With the large increase in time series single-cell data, new approaches are needed to address the unique scale and nature of these data for reconstructing such networks.
RESULTS: Here, we develop a deep neural network, Marlene, to infer dynamic graphs from time series single-cell gene exp
СтатьяПоддержка NIH: внешняя программаПоддержка 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.
Tissue dynamics play critical roles in many physiological functions and provide important metrics for clinical diagnosis. Capturing real-time high-resolution 3D images of tissue dynamics, however, remains a challenge. This study presents a hybrid physics-informed neural network algorithm that infers 3D flow-induced tissue dynamics and other physical quantities from sparse 2D images. The algorithm combines a recurrent neural network model of soft tissue with a differentiable fluid solver, leveraging prior knowledge in solid mechanics to project the governing equation on a discrete eigen space.
СтатьяПоддержка правительства СШАПоддержка 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.
Learning of adaptive behaviors requires the refinement of coordinated activity across multiple brain regions. However, how neural communications develop during learning remains poorly understood. Here, using two-photon calcium imaging, we simultaneously recorded the activity of layer 2/3 excitatory neurons in eight regions of the mouse dorsal cortex during learning of a delayed-response task. Across learning, while global functional connectivity became sparser, there emerged a subnetwork comprising of neurons in the anterior lateral motor cortex (ALM) and posterior parietal cortex (PPC). Neuro
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.