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
28942 публикаций
Поиск: 2903 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1526 с найденным полным текстом
PURPOSE: To examine variations of convolutional neural network (CNN) performance for multiple chest radiograph diagnoses and image resolutions.
MATERIALS AND METHODS: This retrospective study examined CNN performance using the publicly available National Institutes of Health chest radiograph dataset comprising 112 120 chest radiographic images from 30 805 patients. The network architectures examined included ResNet34 and DenseNet121. Image resolutions ranging from 32 × 32 to 600 × 600 pixels were investigated. Network training paradigms used 80% of samples for training and 20% for validation.
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 advent of computer graphic processing units, improvement in mathematical models and availability of big data has allowed artificial intelligence (AI) using machine learning (ML) and deep learning (DL) techniques to achieve robust performance for broad applications in social-media, the internet of things, the automotive industry and healthcare. DL systems in particular provide improved capability in image, speech and motion recognition as well as in natural language processing. In medicine, significant progress of AI and DL systems has been demonstrated in image-centric specialties such as
СтатьяПоддержка исследования: вне правительства СШАОбзорПоиск 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: Individuals in the early stages of Alzheimer's Disease (AD) are typically diagnosed with Mild Cognitive Impairment (MCI). MCI represents a transitional phase between normal cognitive function and AD. Electroencephalography (EEG) records carry valuable insights into cerebral cortex brain activities to analyze neuronal degeneration. To enhance the precision of dementia diagnosis, automatic and intelligent methods are required for the analysis and processing of EEG signals.
NEW METHODS: This paper aims to address the challenges associated with MCI diagnosis by leveraging EEG signals
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.
The COVID-19 pandemic is causing a major outbreak in more than 150 countries around the world, having a severe impact on the health and life of many people globally. One of the crucial step in fighting COVID-19 is the ability to detect the infected patients early enough, and put them under special care. Detecting this disease from radiography and radiology images is perhaps one of the fastest ways to diagnose the patients. Some of the early studies showed specific abnormalities in the chest radiograms of patients infected with COVID-19. Inspired by earlier works, we study the application of de
СтатьяПоддержка NIH: внешняя программаПолный 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.
Machine learning (ML) and deep learning (DL) are increasingly applied across the clinical spectrum of deep vein thrombosis (DVT), from AI-guided ultrasound diagnosis to perioperative and inpatient risk prediction, but methodological progress has outpaced clinical translation. We aimed to narratively synthesize ML and DL applications in DVT across eight clinical domains and assess their performance and translational readiness. We performed a structured literature search of PubMed, Web of Science, and Scopus (January 2019-April 2026) using predefined disease and technology term blocks restricted
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.
«Возраст мозга» — это количественная оценка биологического возраста мозга и общие усилия по измерению нейродегенерации независимо от типа болезни. При множественном склерозе ускоренное старение мозга связано с начислением инвалидности. Искусственный интеллект стал многообещающим инструментом для оценки и количественной оценки воздействия нейродегенеративных заболеваний. Несмотря на существование многочисленных моделей ИИ, наблюдается заметная нехватка сравнительных данных снимков для традиционного машинного обучения по сравнению с глубоким обучением в таких условиях, как множественный склероз.
СтатьяПолный текст найденМашинный перевод · не проверен
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: To assess the existing literature on the use of machine learning (ML) and deep learning (DL) models for diagnosing apical periodontitis (AP) in humans.
MATERIALS AND METHODS: A scoping review was conducted following the Arksey and O'Malley framework. The PubMed, SCOPUS, and Web of Science databases were searched, focusing on articles using ML/DL approaches for AP diagnosis. No restrictions were applied. Two independent reviewers screened publications and charted data in predefined Excel tables for analysis.
RESULTS: Nineteen publications focused on diagnosing AP by identifying pe
СтатьяScoping ReviewПоддержка 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.
BACKGROUND AND OBJECTIVES: Machine Learning (ML) and Deep Learning (DL) are novel technologies that can facilitate early diagnosis of Ankylosing Spondylitis (AS) and predict better patient-specific treatments. We aim to provide the current update on their use at different stages of AS diagnosis and treatment, describe different types of techniques used, dataset descriptions, contributions and limitations of existing work and ed to identify gaps in current knowledge for future works.
METHODS: We curated the data of this review from the PubMed database. We searched the full-text articles relate
СтатьяScoping ReviewПолный 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.
Accurately and early diagnosis of melanoma is one of the challenging tasks due to its unique characteristics and different shapes of skin lesions. So, in order to solve this issue, the current study examines various deep learning-based approaches and provide an effective approach for classifying dermoscopic images into two categories of skin lesions. This research focus on skin cancer images and provides solution using deep learning approaches. This research investigates three approaches for classifying skin cancer images. (1) Utilizing three fine-tuned pre-trained networks (VGG19, ResNet18, a
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: Globally, glaucoma is the second leading cause of blindness. Detecting glaucoma in the early stages is essential to avoid disease complications, which lead to blindness. Thus, computer-aided diagnosis systems are powerful tools to overcome the shortage of glaucoma screening programs.
METHODS: A systematic search of public databases, including PubMed, Google Scholar, and other sources, was performed to identify relevant studies to overview the publicly available fundus image datasets used to train, validate, and test machine learning and deep learning methods. Additionally, existin
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: To determine whether a new deep learning (DL) based phase corrected (DLPC) reconstruction model can enhance image quality of diffusion weighted images of the prostate acquired at 1.5 T compared to a commercially available DL based product.
METHODS AND MATERIALS: A retrospective study of 30 consecutive patients undergoing conventional multiparametric MRI (mpMRI) of the prostate on a single 1.5 T scanner was performed. Diffusion image datasets reconstructed with a commercially available DL product and a new DLPC model were assessed. Qualitative image assessment was performed by three b
СтатьяСравнительное 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.
Parkinson's disease (PD) is a progressive neurodegenerative disorder that profoundly affects patients' quality of life. Early and accurate diagnosis is essential for timely intervention and improved outcomes, yet traditional clinical evaluations often fall short. This review examines recent advancements in machine learning (ML) and deep learning (DL) techniques that promise more objective, quantitative, and precise PD diagnosis. By leveraging diverse data sources-including electroencephalogram (EEG) signals, voice recordings, and Magnetic Resonance Imaging (MRI) scans-these techniques offer a
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.
Aldehyde dehydrogenase 1A1 (ALDH1A1) has emerged as a promising therapeutic target because of its critical roles in cancer stem cell maintenance and chemoresistance. However, the development of highly selective ALDH1A1 inhibitors remains challenging because of the extensive structural conservation shared with the closely related isoforms ALDH2 and ALDH1A2. In this study, we developed an integrated computer-aided drug design (CADD) and artificial intelligence (AI) framework to systematically identify selective ALDH1A1 inhibitors from a heterocyclic compound library. The multistage virtual scree
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.
Colorectal cancer (CRC) is a leading cause of cancer-related mortality worldwide, largely due to the development of distant metastases, which is associated with poor survival outcomes. Early detection and accurate prediction of colorectal cancer metastasis can significantly improve patient outcomes. Conventional diagnostic approaches, including imaging and biomarkers, are often limited by suboptimal sensitivity and inter-observer variability. In recent years, machine learning (ML) and deep learning (DL) models have emerged as powerful tools capable of analyzing complex, high-dimensional clinic
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.
OBJECTIVES: Whole-image deep learning models for CT diagnosis of nasal cavity and paranasal sinus diseases often underperform because they disregard anatomical heterogeneity. We hypothesized that anatomically partitioned deep learning would enhance diagnostic accuracy.
MATERIALS AND METHODS: A multicenter retrospective study enrolled 2947 CT examinations conducted from October 2019 to May 2022. From these, 150 patients were randomly selected for manual segmentation, covering 13 anatomical regions, including the bilateral nasal cavities, maxillary sinuses, anterior ethmoid sinuses, posterior e
СтатьяМногоцентровое исследованиеПоиск 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.
Sepsis is a life-threatening condition resulting from a dysregulated immune response to infection, often leading to organ failure and death. Early detection is vital, as delays significantly worsen outcomes. In recent years, the integration of artificial intelligence (AI), particularly Machine Learning (ML) and Deep Learning (DL), has shown great promise in enhancing early sepsis detection by identifying digital biomarkers from large-scale clinical datasets. This systematic review analyzes and synthesizes existing ML/DL approaches applied to sepsis prediction, with an emphasis on intensive car
СтатьяСистематический обзорПоиск 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.
INTRODUCTION: Neurological tremors, prevalent among a large population, are one of the most rampant movement disorders. Biomechanical loading and exoskeletons show promise in enhancing patient well-being, but traditional control algorithms limit their efficacy in dynamic movements and personalized interventions. Furthermore, a pressing need exists for more comprehensive and robust validation methods to ensure the effectiveness and generalizability of proposed solutions.
METHODS: This paper proposes a physical simulation approach modeling multiple arm joints and tremor propagation. This study
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.
Accurate prediction of postoperative complications is critical in surgical care. Recently, deep learning has gained attention and has been applied to various predictive models and image recognition tasks, and researchers are attempting to apply this technology in medicine. This review compares logistic regression, machine learning, and deep learning models used in gastroenterological surgery. There are some studies reporting predictive models with large databases. Among these studies, some studies showed that deep learning outperformed other models, but others reported random forests or gradie
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.
A brain tumor is the result of abnormal growth of cells in the central nervous system (CNS), widely considered as a complex and diverse clinical entity that is difficult to diagnose and cure. In this study, we focus on current advances in medical imaging, particularly magnetic resonance imaging (MRI), and how machine learning (ML) and deep learning (DL) algorithms might be combined with clinical assessments to improve brain tumor diagnosis. Due to its superior contrast resolution and safety compared to other imaging methods, MRI is highlighted as the preferred imaging modality for brain tumors
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.
This research introduces a novel approach for thyroid prediction by considering three various publicly available datasets. The input data from the dataset is preprocessed to ensure standardization and balance for mitigating the biased outcomes. Then, the proposed cascaded autoencoder-based simple recurrent model is employed for extracting significant spatio-temporal features. From the extracted features, the optimal feature is selected using the proposed Opposition Learning-based Red Panda Optimization (OL_RPO) algorithm, which enhances the efficiency of the predictive model. Finally, the thyr
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.