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: 86 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 311 с найденным полным текстом
OBJECTIVE: To develop an intelligent diagnostic model based on a Local-Higher Order Graph Neural Network (LHGNN) to achieve noninvasive auxiliary multi-class pathological classification of vocal fold tumors by analyzing Mel-spectrograms of voice data.
METHODS: Patients with pathologically confirmed vocal fold polyps (n = 1272), premalignant lesions (n = 180), and malignant tumors (n = 197) were retrospectively identified. Patients were divided into training and validation sets in a ratio of 8:2. The patient's vowel and continuous sentence audio were collected, and the audio was segmented and
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: Microorganisms play an irreplaceable role in critical physiological processes such as human metabolic regulation, cancer inhibition, and pathogen antagonism, yet traditional culture-based microbial experiments are expensive and time-consuming. Consequently, there is an urgent need to develop efficient computational prediction models to prioritize disease-related microbes, aiming to discover potential associations and reveal their underlying biological mechanisms.
METHODS: A novel computational framework named KMGTMDA is proposed. First, a dynamic adjacency matrix is employed to dyn
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.
Schedule deviation continues to plague complex information system projects, with empirical surveys reporting that over 70% of such projects suffer meaningful overruns and average delays exceeding one-quarter of the originally planned duration. Conventional schedule management tools-earned value analysis, critical path computation, and linear regression-rest on assumptions of stable task environments and independent activity progression, assumptions that rarely hold when hundreds of interdependent tasks compete for shared resources under volatile requirements. More recent machine-learning predi
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.
We introduce the Geometric-DESIGNN method, which integrates Geometric Guidance with Directed Electrostatics Strategy within a Graph Neural Network framework to predict the stable configuration of nanoclusters on their potential energy surfaces. This approach merges the geometric and electronic strategies using graph neural network-based models to predict structures of large atomic clusters with specific size and point-group symmetries. This approach aids in constructing atomic metal cluster structures by predicting building frames through a geometric approach and locating the minima in the mol
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: Accurate and early diagnosis of autism spectrum disorder (ASD) is essential for timely intervention. Structural magnetic resonance imaging (sMRI) and functional magnetic resonance imaging (fMRI) provide complementary insights into brain structure and function. Most deep learning approaches rely on a single modality, limiting their ability to capture cross-modal relationships. Methods: We propose DAGMNet, a dual-branch attention-pruned graph neural network for ASD prediction that integrates sMRI, fMRI, and phenotypic data. The framework employs modality-specific feature extraction t
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.
Functional magnetic resonance imaging (fMRI) has demonstrated significant potential in the early diagnosis and study of pathological mechanisms of Alzheimer's disease (AD). To fit subtle cross-spatiotemporal interactions and learn pathological features from fMRI, we propose a fine-grained spatiotemporal graph neural network with self-supervised learning (SSL) for diagnosis and biomarker extraction of early AD. First, considering the spatiotemporal interaction of the brain, we design two masks that leverage the spatial correlation and temporal repeatability of fMRI. Afterwards, temporal gated i
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.
OBJECTIVES: Our study aimed to develop a machine learning (ML) model to accurately classify acute promyelocytic leukemia (APL) from other types of acute myeloid leukemia (other AML) using multicolor flow cytometry (MFC) data. Multicolor flow cytometry is used to determine immunophenotypes that serve as disease signatures for diagnosis.
METHODS: We used a data set of MFC files from 27 patients with APL and 41 patients with other AML, including those with uncommon immunophenotypes. Our ML pipeline involved training a graph neural network (GNN) to output graph-level labels and identifying the mo
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.
Chronic obstructive pulmonary disease (COPD) is a common lung disease that can lead to restricted airflow and respiratory problems, causing a significant health, economic, and social burden. Detecting the COPD stage can provide a timely warning for prompt intervention in COPD patients. However, existing methods based on inspiratory (IN) and expiratory (EX) chest CT images are not sufficiently accurate and efficient in COPD stage detection. The lung region images are autonomously segmented from IN and EX chest CT images to extract the 1 , 781 × 2 lung radiomics and 13 , 824 × 2 3D CNN feature
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.
Research on the human activity recognition could be utilized for the monitoring of elderly people living alone to reduce the cost of home care. Video sensors can be easily deployed in the different zones of houses to achieve monitoring. The goal of this study is to employ a linear-map convolutional neural network (CNN) to perform action recognition with RGB videos. To reduce the amount of the training data, the posture information is represented by skeleton data extracted from the 300 frames of one film. The two-stream method was applied to increase the accuracy of recognition by using the spa
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.
Breast cancer drug resistance remains a major clinical challenge driven by complex genetic, signaling, and microenvironmental interactions. Conventional machine learning and deep learning represent genes, drugs, and patients as independent feature vectors, limiting their ability to capture biological relationships governing therapeutic response. Graph neural networks have emerged as a powerful paradigm by modelling biological systems as interconnected networks rather than isolated entities. This review synthesizes recent advances in graph neural network based multi-scale modelling of gene-drug
СтатьяОбзорПолный 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.
Drug-induced QT-interval prolongation, a non-specific biomarker of increased risk for Torsades de Pointes (TdP), is a major safety concern in drug development. While in vitro hERG inhibition assays are required for early-phase screening, pharmacovigilance data from sources like the FDA Adverse Event Reporting System (FAERS) provide complementary insights. Integrating these heterogeneous data with molecular structure offers a promising, yet underutilized approach to predict proarrhythmic risk. We developed an interpretable graph neural network (GNN) framework integrating in vitro hERG inhibitio
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.
Crohn's disease (CD) is a heterogeneous inflammatory bowel disease in which microbial, metabolic, and host factors interact dynamically. Therefore, we aimed to (i) integrate microbiota, metabolite, and host-gene data into a heterogeneous dynamic graph and (ii) use contrastive learning to prioritize microbiota-related regulatory targets in CD under limited-sample conditions. We combined a heterogeneous graph dynamic network (HGDN) with a contrastive learning module (CENet) to model microbiota-metabolite-gene interactions and to improve the robustness of target prioritization. In the current dat
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.
Peptide structural composition is strongly influenced by the surrounding solvent environment, making environment-dependent structural prediction important for understanding peptide conformational behavior and structural plasticity. However, many existing computational approaches primarily rely on sequence representations or static structural information and do not explicitly integrate sequence-derived topology with physicochemical properties of the solvent. To address this gap, we developed STSC-GNN, a sequence-derived topology-aware graph neural network for solvent-conditioned prediction of 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.
Parkinson's Disease (PD) is often characterized by abnormal gait patterns, which can be objectively and quantitatively diagnosed using Vertical Ground Reaction Force (VGRF) signals. Previous studies have demonstrated the effectiveness of deep learning in VGRF signal analysis. However, the inherent graph structure of VGRF signals has not been adequately considered, limiting the representation of dynamic gait characteristics. To address this, we propose a Multi-Scale Adaptive Directed Graph Neural Network (MS-ADGNN) approach to distinguish the gaits between Parkinson's patients and healthy contr
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.
Major depressive disorder (MDD) remains clinically diagnosed based on subjective symptoms rather than objective neurobiological markers, which limits diagnostic accuracy and the ability to tailor treatment. We present an ensemble hybrid framework that integrates graph neural networks (GNN) with unsupervised clustering to classify and subtype MDD using resting-state functional connectivity (rs-fMRI) profiles. A GNN was trained to distinguish MDD from healthy controls using functional connectivity derived brain graphs, and the resulting subject level embeddings were clustered to uncover subtype
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.
The COVID-19 pandemic has demanded urgent and accelerated action toward developing effective therapeutic strategies. Drug repurposing models (in silico) are in high demand and require accurate and reliable molecular interaction data. While experimentally verified viral-host interaction data (SARS-CoV-2-human interactions published on April 30, 2020) provide an invaluable resource, these datasets include only a limited number of high-confidence interactions. Here, we extend these resources using a deep learning-based multiview graph neural network approach, coupled with optimal transport-based
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.
Synthetic lethality (SL) provides a powerful foundation for targeted oncology by identifying gene pairs whose simultaneous disruption is fatal to cancer cells while sparing healthy tissue. However, mapping these interactions experimentally across the human genome is restricted by massive combinatorial scale and high costs. To address this, computational approaches specifically graph neural networks (GNNs) have become the standard for modeling these complex biological relationships. Hence, by integrating heterogeneous knowledge graph (KG) and multi-omics data, GNNs can effectively capture the t
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.
Accumulating evidence suggests that long noncoding RNAs (lncRNAs) interact synergistically with diverse cellular molecules to regulate a wide range of biological processes. Identifying lncRNA-disease associations (LDAs) is therefore essential for elucidating disease mechanisms and advancing biomarker discovery. Although recent computational methods have incorporated heterogeneous biological entities and complex graph structures, the effective preservation of view-specific information and the adaptive integration of complementary biological features remain insufficiently explored. This study pr
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.
The Janus kinase (JAK)/STAT signaling pathway plays a pivotal role in cancer biology as well as in inflammatory and autoimmune disorders such as psoriasis. Recent advances in biomedical research and targeted therapies have highlighted the importance of computational approaches for accelerating the discovery of selective kinase inhibitors. This study aimed to develop a robust computational framework for predicting the inhibitory potency of JAK2 ligands and for analyzing their binding interactions using structure-based methods. A curated dataset of 1869 chemically valid JAK2 ligands with experim
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.
Drug repurposing (DR) offers an efficient and cost-effective strategy for pharmaceutical development by identifying new therapeutic applications for existing drugs. The effectiveness of this approach relies on accurately uncovering potential drug-disease associations; however, capturing the complex biological interactions underlying these associations remains a major challenge. Current computational approaches frequently overlook the critical regulatory role of the microbiota in modulating drug action pathways. Moreover, many methods fail to preserve semantic consistency during multimodal biol
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.