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
51981 публикаций
Поиск: 158 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1514 с найденным полным текстом
Unplanned downtime in industrial sectors presents significant challenges, impacting both production efficiency and profitability. To tackle this issue, companies are actively working towards optimizing their operations and reducing disruptions that hinder their ability to meet customer demands and financial goals. Predictive maintenance, utilizing advanced technologies like data analytics, machine learning, and IoT devices, offers real-time equipment data monitoring and analysis. This research study centers on the development of a versatile machine-learning model for predicting faults in induc
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.
Finding the right antidepressant for the individual patient with major depressive disorder can be a difficult endeavor and is mostly based on trial-and-error. Machine learning (ML) is a promising tool to personalize antidepressant prescription. In this review, we summarize the current evidence of ML in the selection of antidepressants and conclude that its value for clinical practice is still limited. Apart from the current focus on effectiveness, several other factors should be taken into account to make ML-based prediction models useful for clinical application.
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.
PURPOSE: Traditional vocal fold pathology recognition typically requires expertise of laryngologists and advanced instruments, primarily through direct visualization. This study aims to augment this conventional paradigm by introducing a parallel diagnostic procedure. Our objective is to harness a machine-learning algorithm designed to discern intricate patterns within patients' voice recordings to distinguish not only between healthy and hoarse voices but also among various specific disorders.
MATERIALS AND METHODS: We employed a machine-learning algorithm, utilizing transfer learning on the
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: Machine learning (ML) offers an opportunity in contact dermatitis (CD) research, where with full clinical picture, may support diagnosis and patch test accuracy.
OBJECTIVE: This review aims to summarise the existing literature on how ML can be applied to CD in its entirety.
METHODS: Embase, Medline, IEEE Xplore, and ACM Digital Library were searched from inception to February 7, 2024, for primary literature reporting on ML models in CD.
RESULTS: 7834 articles were identified in the search, with 110 moving to full-text review, and six articles included. Two used ML to identify ke
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.
Dengue causes approximately 10.000 deaths and 100 million symptomatic infections annually worldwide, making it a significant public health concern. To address this, artificial intelligence tools like machine learning can play a crucial role in developing more effective strategies for control, diagnosis, and treatment. This study identifies relevant variables for the screening of dengue cases through machine learning models and evaluates the accuracy of the models. Data from reported dengue cases in the states of Rio de Janeiro and Minas Gerais for the years 2016 and 2019 were obtained through
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.
Chronic myeloid leukemia (CML) is a myeloproliferative neoplasm characterized by dysregulated growth and the proliferation of myeloid cells in the bone marrow caused by the BCR-ABL1 fusion gene. Clinically, CML demonstrates an increased production of mature and maturing granulocytes, mainly neutrophils. When a patient is suspected to have CML, peripheral blood smears and bone marrow biopsies may be manually examined by a hematologist. However, confirmatory testing for the BCR-ABL1 gene is still needed to confirm the diagnosis. Despite tyrosine kinase inhibitors (TKIs) being the mainstay of tre
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.
Breast cancer is a common cause of female mortality in developing countries. Early detection and treatment are crucial for successful outcomes. Breast cancer develops from breast cells and is considered a leading cause of death in women. This disease is classified into two subtypes: invasive ductal carcinoma (IDC) and ductal carcinoma in situ (DCIS). The advancements in artificial intelligence (AI) and machine learning (ML) techniques have made it possible to develop more accurate and reliable models for diagnosing and treating this disease. From the literature, it is evident that the incorpor
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.
BACKGROUND: Aortic stenosis (AS) is a degenerative valve condition that is underdiagnosed and undertreated. Detection of AS using limited two-dimensional echocardiography could enable screening and improve appropriate referral and treatment of this condition. The aim of this study was to develop methods for automated detection of AS from limited imaging data sets.
METHODS: Convolutional neural networks were trained, validated, and tested using limited two-dimensional transthoracic echocardiographic data sets. Networks were developed to accomplish two sequential tasks: (1) view identification
СтатьяПоддержка NIH: внешняя программаПолный 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: Video-based tic detection and scoring is useful to independently and objectively assess tic frequency and severity in patients with Tourette syndrome. In trained raters, interrater reliability is good. However, video ratings are time-consuming and cumbersome, particularly in large-scale studies. Therefore, we developed two machine learning (ML) algorithms for automatic tic detection.
OBJECTIVE: The aim of this study was to evaluate the performances of state-of-the-art ML approaches for automatic video-based tic detection in patients with Tourette syndrome.
METHODS: We used 64 vid
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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
Редакционная статьяКомментарийПолный 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.
IntroductionMachine learning research into automated dementia diagnosis is becoming increasingly popular but so far has had limited clinical impact. A key challenge is building robust and generalizable models that generate decisions that can be reliably explained. Some models are designed to be inherently "interpretable," whereas post hoc "explainability" methods can be used for other models.MethodsHere we sought to summarize the state-of-the-art of interpretable machine learning for dementia.ResultsWe identified 92 studies using PubMed, Web of Science, and Scopus. Studies demonstrate promisin
Поиск 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.
Tremor is the most frequent human movement disorder, and its diagnosis is based on clinical assessment. Yet finding the accurate clinical diagnosis is not always straightforward. Fine-tuning of clinical diagnostic criteria over the past few decades, as well as device-based qualitative analysis, has resulted in incremental improvements to diagnostic accuracy. Accelerometric assessments are commonplace, enabling clinicians to capture high-resolution oscillatory properties of tremor, which recently have been the focus of various machine-learning (ML) studies. In this context, the application of M
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.
Adenosine (ADO) is an extracellular signaling molecule generated locally under conditions that produce ischemia, hypoxia, or inflammation. It is involved in modulating a range of physiological functions throughout the brain and periphery through the membrane-bound G protein-coupled receptors, called adenosine receptors (ARs) A1AR, A2AAR, A2BAR, and A3AR. These are therefore important targets for neurological, cardiovascular, inflammatory, and autoimmune diseases and are the subject of drug development directed toward the cyclic adenosine monophosphate and other signaling pathways. Initially us
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.
Recent longitudinal studies in youth have reported MRI correlates of prospective anxiety symptoms during adolescence, a vulnerable period for the onset of anxiety disorders. However, their predictive value has not been established. Individual prediction through machine-learning algorithms might help bridge the gap to clinical relevance. A voting classifier with Random Forest, Support Vector Machine and Logistic Regression algorithms was used to evaluate the predictive pertinence of gray matter volumes of interest and psychometric scores in the detection of prospective clinical anxiety. Partici
СтатьяПоддержка NIH: внешняя программаПоддержка 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.
Lung transplantation has been accepted as a viable treatment for end-stage respiratory failure. While regression models continue to be a standard approach for attempting to predict patients' outcomes after lung transplantation, more sophisticated supervised machine learning (ML) techniques are being developed and show encouraging results. Transplant clinicians could utilize ML as a decision-support tool in a variety of situations (e.g. waiting list mortality, donor selection, immunosuppression, rejection prediction). Although for some topics ML is at an advanced stage of research (i.e. imaging
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.
Cardiogenic shock (CS) is a severe condition with in-hospital mortality of up to 50%. Patients who develop CS may have previous cardiac history, but that may not always be the case, adding to the challenges in optimally identifying and managing these patients. Patients may present to a medical facility with CS or develop CS while in the emergency department (ED), in a general inpatient ward (WARD) or in the critical care unit (CC). While different clinical pathways for management exist once CS is recognized, there are challenges in identifying the patients in a timely manner, in all settings,
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.
Vonoprazan (VPZ) is the first-in-class potassium-competitive acid blocker (P-CAB), and has many advantages over proton pump inhibitors (PPIs). It is administered as a fumarate salt for the treatment of acid-related diseases, including reflux esophagitis, gastric ulcer, and duodenal ulcer, and for eradication of Helicobacter pylori. To discover novel cocrystals of VPZ, we adopted an artificial neural network (ANN)-based machine learning model as a virtual screening tool that can guide selection of the most promising coformers for VPZ cocrystals. Experimental screening by liquid-assisted grindin
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.
Post-stroke anxiety (PSA) has caused wide public concern in recent years, and the study on risk factors analysis and prediction is still an open issue. With the deepening of the research, machine learning has been widely applied to various scenarios and make great achievements increasingly, which brings new approaches to this field. In this paper, 395 patients with acute ischemic stroke are collected and evaluated by anxiety scales (i.e., HADS-A, HAMA, and SAS), hence the patients are divided into anxiety group and non-anxiety group. Afterward, the results of demographic data and general labor
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.
OBJECTIVES: Hearing loss is the most common sensory loss in humans and carries an enhanced risk of depression. No prior studies have attempted a contemporary machine learning approach to predict depression using subjective and objective hearing loss predictors. The objective was to deploy supervised machine learning to predict scores on a validated depression scale using subjective and objective audiometric variables and other health determinant predictors.
DESIGN: A large predictor set of health determinants from the National Health and Nutrition Examination Survey 2015-2016 database was use
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.
BACKGROUND & AIMS: Refeeding syndrome (RFS) is a disease that occurs when feeding is restarted and metabolism changes from catabolic to anabolic status. RFS can manifest variously, ranging from asymptomatic to fatal, therefore it may easily be overlooked. RFS prediction using explainable machine learning can improve diagnosis and treatment. Our study aimed to propose a machine learning model for RFS prediction, specifically refeeding hypophosphatemia, to evaluate its performance compared with conventional regression models, and to explain the machine learning classification through Shapley add
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.