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
1754 публикаций
Поиск: 270 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 220 с найденным полным текстом
Sepsis remains one of the leading causes of death worldwide, and despite extensive research, uncertainties persist regarding its treatment outcomes due to the diversity of the condition and characteristics across patients. Identifying subpopulations of sepsis patients with distinct clinical behaviors can be instrumental in developing more targeted and effective interventions. In this study, we build on previous work that applied clustering techniques to the large cohort single-hospital MIMIC-III intensive care unit (ICU) database by extending the analysis to the larger cohort multi-hospital eI
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.
Bacterial infection is a crucial factor resulting in public health issues worldwide, often triggering epidemics and even fatalities. The accurate, rapid, and convenient detection of viable bacteria is an effective method for reducing infections and illness outbreaks. Here, an unsupervised learning-assisted and surface acoustic wave-interdigital transducer-driven nano-lens holography biosensing platform is developed for the ultrasensitive and amplification-free detection of viable bacteria. The monitoring device integrated with the nano-lens effect can achieve the holographic imaging of polysty
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.
Motor variability is a fundamental feature of developing systems allowing motor exploration and learning. In human infants, leg movements involve a small number of basic coordination patterns called locomotor primitives, but whether and when motor variability could emerge from these primitives remains unknown. Here we longitudinally followed 18 infants on 2-3 time points between birth (~4 days old) and walking onset (~14 months old) and recorded the activity of their leg muscles during locomotor or rhythmic movements. Using unsupervised machine learning, we show that the structure of trial-to-
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.
As a common disease in the elderly, neural foramina stenosis (NFS) brings a significantly negative impact on the quality of life due to its symptoms including pain, disability, fall risk and depression. Accurate boundary delineation is essential to the clinical diagnosis and treatment of NFS. However, existing clinical routine is extremely tedious and inefficient due to the requirement of physicians' intensively manual delineation. Automated delineation is highly needed but faces big challenges from the complexity and variability in neural foramina images. In this paper, we propose a pure imag
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.
BACKGROUND: For ischaemic stroke patients with gastrointestinal haemorrhage, stopping antiplatelet drugs or reducing the dose of antiplatelet drugs was a conventional clinical therapy method. But not a study to prove which way was better. And the machinery learning methods could help to obtain which way more suit for some patients.
METHODS: Data from consecutive ischaemic stroke patients with gastrointestinal haemorrhage were prospectively collected. The outcome was a recurrent stroke rate, haemorrhage events, mortality and favourable functional outcome (FFO). We analysed the data using conve
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: The main challenge in the management of indeterminate incidentally discovered adrenal tumours is to differentiate benign from malignant lesions. In the absence of clear signs of invasion or metastases, imaging techniques do not always precisely define the nature of the mass. The present pilot study aimed to determine whether radiomics may predict malignancy in adrenocortical tumours.
METHODS: CT images in unenhanced, arterial, and venous phases from 19 patients who had undergone resection of adrenocortical tumours and a cohort who had undergone surveillance for at least 5 years fo
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.
STUDY DESIGN: Retrospective image analysis study.
OBJECTIVE: To propose a novel classification system for adolescent idiopathic scoliosis (AIS) curvature using unsupervised machine learning and evaluate its reliability and clinical implications.
SUMMARY OF BACKGROUND DATA: Existing AIS classification systems, such as King and Lenke, have limitations in accurately describing curve variations, particularly long C-shaped curves or curves with distinct characteristics. Unsupervised machine learning offers an opportunity to refine classification and enhance clinical decision-making.
MATERIALS AN
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.
Hyperspectral image (HSI) change detection is a technique used to identify changes between HSIs captured in the same scene at different times. Most of the existing deep learning-based methods can achieve wonderful results, but it is difficult to generalize well to other HSIs with different data distributions. Moreover, it is expensive and laborious to obtain the annotated dataset for model training. To address above issues, we propose a hybrid Transformer-based contrastive domain adaptation (CDAFormer) framework for unsupervised hyperspectral change detection, which can effectively use prior i
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.
Autism Spectrum Disorder (ASD) encompasses a range of developmental disabilities marked by differences in social functioning, cognition, and behavior. Both genetic and environmental factors are known to contribute to ASD, yet the exact etiological factors remain unclear. Developing integrative models to explore the effects of gene expression on behavioral and cognitive traits attributed to ASD can uncover environmental and genetic interactions. A notable aspect of ASD research is the sex-wise diagnostic disparity: males are diagnosed more frequently than females, which suggests potential sex-s
СтатьяПоддержка NIH: внешняя программаПоиск 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.
UNLABELLED: This narrative review examines the application of artificial intelligence (AI) and machine learning (ML) across three major learning paradigms-supervised, unsupervised, and reinforcement learning (RL). The former has shown remarkable accuracy in diagnosing dental diseases, such as caries, periodontal conditions, and oral cancers; the second uses unsupervised learning techniques, such as clustering and association rule mining, to uncover hidden patterns in patient data, improving preventive care and resource allocation; and the latter uses RL techniques, such as Q-learning, deep Q-n
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.
Alzheimer's disease is a progressive neurodegenerative disorder characterized by memory loss and cognitive decline, with no known cure. Early detection of dementia, a primary manifestation of Alzheimer's disease, is critical to enable timely intervention and treatment planning. This study introduces ensemble learning models for predicting Alzheimer's disease and presents a comparative analysis between traditional machine learning and advanced ensemble models. The evaluation is conducted using the "Open Access Series of Imaging Studies" 2 (OASIS-2) dataset. Traditional models, including logisti
СтатьяСравнительное исследованиеПолный 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.
Accurate detection and classification of clinically significant prostate cancer remain critical challenges in medical imaging. Despite numerous studies focusing on feature extraction and classification, none have systematically assessed the impact of harmonization techniques on multicenter imaging data. This study aimed to improve diagnostic performance by integrating harmonization via unsupervised clustering with clinical variables into machine learning models, even when the source center is unknown. We extracted features from T2-weighted magnetic resonance images using two approaches: handcr
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.
Identifying cell types and states remains a time-consuming, error-prone challenge for spatial biology. While deep learning increasingly plays a role, it is difficult to generalize due to variability at the level of cells, neighborhoods, and niches in health and disease. To address this, we develop TACIT, an unsupervised algorithm for cell annotation using predefined signatures that operates without training data. TACIT uses unbiased thresholding to distinguish positive cells from background, focusing on relevant markers to identify ambiguous cells in multiomic assays. Using five datasets (5,00
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.
Unsupervised cross-modal hashing (UCMH) has attracted considerable attention owing to its minimal reliance on manual annotations and low retrieval latency. However, existing UCMH methods based on contrastive learning frameworks combined with multilayer perceptrons (MLPs) often suffer from two key limitations: the inherent challenge in constructing reliable positive-negative sample pairs under unsupervised settings, and the restricted representational capacity of static network architectures. Inspired by cognitive mechanisms observed in the human brain, where specialized regions support distinc
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.
In overcoming the challenges faced in adapting to paired real-world data, recent unsupervised single image deraining (SID) methods have proven capable of accomplishing notably acceptable deraining performance. However, the previous methods usually fail to produce a high quality rain-free image due to neglecting sufficient attention to semantic representation and the image content, which results in the inability to completely separate the content from the rain layer. In this paper, we develop a novel cycle contrastive adversarial framework for unsupervised SID, which mainly consists of cycle co
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.
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.
BACKGROUND CONTEXT: Adult spinal deformity (ASD) is a heterogeneous condition encompassing diverse etiologies, clinical presentations, and surgical challenges. While previous unsupervised learning models have stratified ASD patients into 3 broad phenotypes, these often lack clinical granularity for surgical decision-making.
PURPOSE: To refine the classification of operated ASD patients using unsupervised machine learning and assess whether expanding from 3 to 8 clusters improves clinical discrimination and predictive robustness.
STUDY DESIGN: Retrospective multicenter study using machine lea
СтатьяМногоцентровое исследованиеПолный 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: The brain tumor is the growth of abnormal cells inside the brain. These cells can be grown into malignant or benign tumors. Segmentation of tumor from MRI images using image processing techniques started decades back. Image processing based brain tumor segmentation can be divided in to three categories conventional image processing methods, Machine Learning methods and Deep Learning methods. Conventional methods lacks the accuracy in segmentation due to complex spatial variation of tumor. Machine Learning methods stand as a good alternative to conventional methods. Methods like SVM
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.
Financial services organisations facilitate the movement of money worldwide, and keep records of their clients' identity and financial behaviour. As such, they have been enlisted by governments worldwide to assist with the detection and prevention of money laundering, which is a key tool in the fight to reduce crime and create sustainable economic development, corresponding to Goal 16 of the United Nations Sustainable Development Goals. In this paper, we investigate how the technical and contextual affordances of machine learning algorithms may enable these organisations to accomplish that tas
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: Cardiovascular magnetic resonance (CMR) is the test of choice for diagnosis and risk stratification of myocardial inflammation in acute viral myocarditis. The objective of this study was to assess patterns of CMR inflammation in a cohort of acute myocarditis patients from Northern Africa, Asia, and the Middle East using unsupervised machine learning.
METHODS: A total of 169 racially and ethnically diverse adults ( ≥ 18 years of age) with CMR confirmed acute myocarditis were studied. The primary outcome was a combined clinical endpoint of cardiac death, arrhythmia, and dilated car
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.