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
1634 публикаций
Поиск: 69 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 496 с найденным полным текстом
INTRODUCTION: Electrocardiogram (ECG) signals measure the minute electrical signals produced throughout the cardiac cycle, whereas biometric signals are vital indicators of human activity. Recent studies highlight ECG as a very significant tool for clinical analysis and as a novel biometric modality. Because of differences in physical features like height, heart size, muscle mass, weight, and fat mass between individuals, each person exhibits unique characteristic signals. ECG-based identification has numerous applications, including unlocking electronic doors, banking transactions through sma
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.
Acute myocardial infarction (AMI) is one of the leading cardiovascular diseases worldwide and remains a major cause of mortality. Early risk prediction can help clinicians identify high risk patients shortly after admission and support timely monitoring and individualized treatment. Previous AMI risk assessment approaches predominantly rely on a single model structure or fixed feature representation, which may limit their ability to capture diverse risk related patterns and reduce predictive performance. To address these challenges, we propose MetaAMI, a random projection based meta-learning f
СтатьяПрепринтПолный 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.
Liquid rocket engines (LREs) are mission-critical propulsion systems whose reliability directly affects launch safety and the repeated operation of reusable launch vehicles. Data-driven LRE fault diagnosis remains difficult because labeled fault samples are scarce, engine-to-engine variations cause distribution shifts, and existing evaluations frequently emphasize classification accuracy without controlling for input representation. This study establishes a reliability-oriented benchmark that evaluates seven representative machine-learning and deep-learning methods from four dimensions: diagno
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.
MOTIVATION: Antimicrobial resistance (AMR) is one of the biggest global problems threatening human and animal health. Rapid and accurate AMR diagnostic methods are thus very urgently needed. However, traditional antimicrobial susceptibility testing (AST) is time-consuming, low throughput and viable only for cultivable bacteria. Machine learning methods may pave the way for automated AMR prediction based on genomic data of the bacteria. However, comparing different machine learning methods for the prediction of AMR based on different encodings and whole-genome sequencing data without previously
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.
This data article presents an open ultrasonic pulse - echo dataset acquired from NMC - 622 cathode slurries monitored under static conditions to characterise their post - mixing structural recovery behaviour. Slurries were prepared at varying solid contents of 63, 65, 67 and 69 wt.% and transferred into a fixed test container for ultrasonic monitoring. A 5 MHz contact transducer was used to record continuous A - Scan waveform under consistent acquisition settings (raw time - domain signals paired with frequency - domain representation). From each waveform, reflection amplitude and time - of -
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.
Ulcerative colitis (UC) is a heterogeneous inflammatory disease with diverse molecular features and variable responses to biologic therapies. Although molecular subtyping has been proposed to characterize disease heterogeneity, most existing approaches do not incorporate treatment response during subtype identification, potentially limiting their clinical relevance. Therefore, we developed an interpretable machine learning framework for response-aware molecular subtyping of UC. Using two cohorts with infliximab (IFX) response information, a predictive model was trained to distinguish responder
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.
Brain-machine interfaces (BMIs) are an emerging technology with great promise for developing restorative therapies for those with disabilities. BMIs also create novel, well-defined functional circuits for action that are distinct from the natural sensorimotor apparatus. Closed-loop control of BMI systems can also actively engage learning and adaptation. These properties make BMIs uniquely suited to study learning of motor and non-physical, abstract skills. Recent work used motor BMIs to shed light on the neural representations of skill formation and motor adaptation. Emerging work in sensory B
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.
Human-centered design (HCD) methods in machine learning generally focus on workflow, user interfaces, and data visualizations, but there is the potential to apply these methods to inform the model development and testing process.This study aimed to demonstrate the potential of HCD methods to support the design and testing of machine learning models developed for clinical decision-making.In preparing for formative user testing of clinician facing representations of a machine learning model for detecting sepsis in neonatal intensive care unit (NICU) patients, we discovered that interactive low f
СтатьяПоддержка NIH: внешняя программаПоиск 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 development and refinement of functional brain circuits crucial to human cognition is a continuous process that spans from childhood to adulthood. Research increasingly focuses on mapping these evolving configurations, with the aim to identify markers for functional impairments and atypical development. Among human cognitive systems, nonsymbolic magnitude representations serve as a foundational building block for future success in mathematical learning and achievement for individuals. Using task-based frontoparietal (FPN) and salience network (SN) features during nonsymbolic magnitude proc
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.
Molecular property prediction plays a vital role in drug discovery and chemical research by facilitating the efficient selection and optimization of candidate compounds. Traditional Quantitative Structure-Activity Relationship models and early machine learning methods often rely on handcrafted molecular descriptors, which limit their generalizability and predictive performance. Recent advancements have shown that the powerful representation capabilities of Large Language Models on textual molecular data, combined with the relational learning strengths of Attention-based Graph Neural Networks,
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.
In this study, we introduce semi-supervised machine learning models designed to predict molecular properties. Our model employs a two-stage approach, involving pre-training and fine-tuning. Particularly, our model leverages a substantial amount of labeled and unlabeled data consisting of SMILES strings, a text representation system for molecules. During the pre-training stage, our model capitalizes on the Masked Language Model, which is widely used in natural language processing, for learning molecular chemical space representations. During the fine-tuning stage, our model is trained on a smal
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.
Embodied intelligence is rapidly evolving toward natural human-machine interaction, where real-time cross-lingual speech processing is essential for robots to understand and execute commands across languages. This study reviews research progress from January 2010 to November 1, 2025, using CiteSpace to analyze knowledge structure, hotspots, and trends. The year 2010 was selected as the start date because it marks the early emergence of foundational theoretical discussions on embodied intelligence internationally, providing a comprehensive baseline to observe the entire evolutionary trajectory
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.
Spatial omics technologies decipher functional components of complex organs at cellular and subcellular resolutions. We introduce Spatial Graph Fourier Transform (SpaGFT) and apply graph signal processing to a wide range of spatial omics profiling platforms to generate their interpretable representations. This representation supports spatially variable gene identification and improves gene expression imputation, outperforming existing tools in analyzing human and mouse spatial transcriptomics data. SpaGFT can identify immunological regions for B cell maturation in human lymph nodes Visium data
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.
Aiming to address the problems of high blindness in traditional screening methods, insufficient granularity of feature representation, and poor interpretability of existing machine learning prediction models in the field of cocrystal research and development, we propose a cocrystal prediction method based on Morgan fingerprints and the cross-attention mechanism. First, a high-quality cocrystal data set is constructed, and Morgan fingerprints are employed to characterize molecular structures. Subsequently, a fingerprint-driven cross-attention model is developed to capture the feature interactio
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.
The widespread availability of high-dimensional electronic healthcare record (EHR) datasets has led to significant interest in using such data to derive clinical insights and make risk predictions. More specifically, techniques from machine learning are being increasingly applied to the problem of dynamic survival analysis, where updated time-to-event risk predictions are learned as a function of the full covariate trajectory from EHR datasets. EHR data presents unique challenges in the context of dynamic survival analysis, involving a variety of decisions about data representation, modeling,
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: Plantar pressure imaging is a stable modality that reflects gait-related biomechanical characteristics and has been used increasingly for gait assessment and recognition. However, plantar pressure images are high dimensional and nonlinear, making manual feature engineering and conventional machine learning insufficient to capture discriminative patterns.
OBJECTIVE: This study aimed to develop a gait pattern recognition model based on plantar pressure using an autoencoder (AE)-enhanced convolutional neural network (CNN) and to evaluate its performance against baseline deep learning
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 endeavor introduces a state-of-the-art, assimilated approach for eye blink detection from Electroencephalography signals. It combines the prominent strategies of wavelet analysis, autoencoding, and a Crow-Search-optimized k-Nearest Neighbors to enhance the performance of eye blink detection from EEG signals. This procedure is initiated by escalating the robustness of EEG data through jittering, which integrates noise into the dataset. Consequently, the wavelet transform is highly demanded during feature extraction in identifying the essential time-frequency components of the sign
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.
Human activity recognition (HAR) based on smartphone and wearable sensor data is commonly addressed using statistical learning methods and deep neural networks that often provide strong predictive performance, but at the expense of limited interpretability and substantial computational and energy requirements. Such limitations reduce their suitability for deployment in practical sensing environments where model decisions must be transparent, verifiable and executable on resource-constrained devices. In this work, we investigate the Convolutional Tsetlin Machine (CTM) for multimodal HAR using o
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.
Focal dystonias are the most common forms of isolated dystonia; however, the etiopathophysiological signatures of disorder penetrance and clinical manifestation remain unclear. Using an imaging genetics approach, we investigated functional and structural representations of neural endophenotypes underlying the penetrance and manifestation of laryngeal dystonia in families, including 21 probands and 21 unaffected relatives, compared to 32 unrelated healthy controls. We further used a supervised machine-learning algorithm to predict the risk for dystonia development in susceptible individuals bas
СтатьяПоддержка NIH: внешняя программаПоиск 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.
ObjectiveMachine learning is increasingly integrated into safety-critical domains such as medical applications. In this context, regulatory frameworks require the assessment and minimization of risks associated with incorrect model predictions. However, classical evaluation methods often focus on quantifying error frequencies, which do not reflect the heterogeneous impact of different types of errors. To address this deficiency, we elaborate an approach for assessing machine learning-based multiclass classification models that conforms to regulatory requirements in the field of medical devices
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.