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
8896 публикаций
Поиск: 157 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1485 с найденным полным текстом
BACKGROUND AND OBJECTIVE: The increasing dimensionality of healthcare datasets presents major challenges for clinical data analysis and interpretation. This study introduces a scalable ensemble feature selection (FS) strategy optimized for multi-biometric healthcare datasets aiming to: address the need for dimensionality reduction, identify the most significant features, improve machine learning models' performance, and enhance interpretability in a clinical context.
METHODS: The novel waterfall selection, that integrates sequentially (a) tree-based feature ranking and (b) greedy backward fea
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 integration of magnetism and semiconductivity in a single material remains a central challenge in condensed matter physics, as conventional approaches struggle to reconcile the competing requirements of a finite bandgap and robust magnetic ordering. Here, we report a complementary strategy that inverts the traditional design logic: starting from a magnetic metal, we induce a controlled metal-to-insulator transition (MIT) through dimensionality reduction in two-dimensional (2D) layers. Using rhombohedral (r-)Cr2Se3 as a model system, we show that thinning from bulk to atomically thin nanosh
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.
In the current study, we set out to examine the viability of a novel approach to modeling human personality. Research in psychology suggests that people's personalities can be effectively described using five broad dimensions (the Five-Factor Model; FFM); however, the FFM potentially leaves room for improved predictive accuracy. We propose a novel approach to modeling human personality that is based on the maximization of the model's predictive accuracy. Unlike the FFM, which performs unsupervised dimensionality reduction, we utilized a supervised machine learning technique for dimensionality
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.
Understanding flexibility in the neural control of movement requires identifying the distribution of common inputs to the motor units. In this study, we identified large samples of motor units from two lower limb muscles: the vastus lateralis (VL; up to 60 motor units per participant) and the gastrocnemius medialis (GM; up to 67 motor units per participant). First, we applied a linear dimensionality reduction method to assess the dimensionality of the manifolds underlying the motor unit activity. We subsequently investigated the flexibility in motor unit control under two conditions: sinusoida
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.
BackgroundCognitive decline and memory loss in Alzheimer's disease (AD) progresses over time. Early diagnosis is crucial for initiating treatment that can slow progression and preserve daily functioning. However, challenges such as overfitting in prediction models, underutilized biomarker features, and noisy imaging data hinder the accuracy of current detection methods.ObjectiveThis study proposes a novel deep learning-based framework aimed at improving the identification of AD stages while addressing the limitations of existing diagnostic techniques.MethodsStructural MRI scans are employed as
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.
OBJECTIVES: Transformer-based models for clinical prediction using longitudinal electronic health record (EHR) data are often developed with large feature sets and long patient histories under the assumption that more data improves performance. However, high-dimensional inputs and long sequences increase computational burden, potentially limiting scalability. We evaluated how feature dimensionality and sequence length affect predictive performance, calibration, risk stratification, and computational efficiency in EHR prediction.
MATERIALS AND METHODS: Using longitudinal EHR data from adults w
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.
PURPOSE: Quantifying aortic morphology is central to surgical planning for thoracic endovascular aortic repair (TEVAR), yet no consensus exists on how best to represent three-dimensional aortic shape for outcome prediction. Two broad strategies have emerged: statistical shape analysis (SSA), which relies on statistical methods and dimensionality reduction to capture the most significant shape modes, and geometrically-informed approaches that extract descriptors grounded in differential geometry. Here, we directly compare these paradigms on a cohort of 290 CTA scans classified by surgical outco
СтатьяПрепринтПоиск 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.
Magnetoencephalography and electroencephalography (M/EEG) seed-based connectivity analysis requires the extraction of measures from regions of interest (ROI). M/EEG ROI-derived source activity can be treated in different ways. It is possible, for instance, to average each ROI's time series prior to calculating connectivity measures. Alternatively, one can compute connectivity maps for each element of the ROI prior to dimensionality reduction to obtain a single map. The impact of these different strategies on connectivity results is still unclear. Here, we address this question within a large M
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: Amyotrophic lateral sclerosis (ALS) is a rare progressive neurodegenerative disease that affects upper and lower motor neurons. As the molecular basis of the disease is still elusive, the development of high-throughput sequencing technologies, combined with data mining techniques and machine learning methods, could provide remarkable results in identifying pathogenetic mechanisms. High dimensionality is a major problem when applying machine learning techniques in biomedical data analysis, since a huge number of features is available for a limited number of samples. The aim of this
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.
Recent analyses, leveraging advanced theoretical techniques and high-quality data from thousands of simultaneously recorded neurons across regions in the brain, compellingly support the hypothesis that neural dynamics operate near the edge of instability. However, these and related analyses often fail to capture the intricate temporal structure of brain activity, as they primarily rely on time-integrated measurements across neurons. Here, we present a novel framework designed to explore signatures of criticality across diverse frequency bands and construct a much more comprehensive description
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.
Visual hallucinations in Parkinson's disease can be viewed from a systems-level perspective, whereby dysfunctional communication between brain networks responsible for perception predisposes a person to hallucinate. To this end, abnormal functional interactions between higher-order and primary sensory networks have been implicated in the pathophysiology of visual hallucinations in Parkinson's disease, however the precise signatures remain to be determined. Dimensionality reduction techniques offer a novel means for simplifying the interpretation of multidimensional brain imaging data, identify
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: High throughput pre-treatment imaging features may predict radiation treatment outcome and guide individualized treatment in radiotherapy (RT). Given relatively small patient sample (as compared with high dimensional imaging features), identifying potential prognostic imaging biomarkers is typically challenging. We aimed to develop robust machine learning methods for patient survival prediction using pre-treatment quantitative CT image features for a subgroup of head-and-neck cancer patients.
METHODS: Three neural network models, including back propagation (BP), Genetic Algorithm-
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.
Systemic lupus erythematosus (SLE) is an autoimmune inflammatory disease. Lupus nephritis (LN) is a major risk factor for morbidity and mortality in SLE. Proliferative and pure membranous LN have different prognoses and may require different treatments. This study proposes a binary rough hypervolume-driven spherical evolution algorithm with groupwise intelligent sampling (bRGSE). The efficient dimensionality reduction capability of the bRGSE is verified across twelve datasets. These datasets are from the public datasets, with feature dimensions ranging from seven hundred to fifty thousand. The
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.
In the past decade, high-dimensional single-cell technologies have revolutionized basic and translational immunology research and are now a key element of the toolbox used by scientists to study the immune system. However, analysis of the data generated by these approaches often requires clustering algorithms and dimensionality reduction representation, which are computationally intense and difficult to evaluate and optimize. Here, we present Cytometry Clustering Optimization and Evaluation (Cyclone), an analysis pipeline integrating dimensionality reduction, clustering, evaluation, and optimi
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.
Perfluoroalkyl ether carboxylic acids (PFECAs), including hexafluoropropylene oxide dimer acid (HFPO-DA, GenX), have been widely used as alternatives to perfluorooctanoic acid (PFOA) and subsequently detected in various environmental matrices. Despite this, public information regarding their hepatotoxicity remains limited. Here, to compare the hepatotoxicity of PFECAs and identify better alternatives for GenX, adult male mice were exposed to different concentrations (0.4, 2, and 10 mg/kg/d) of PFOA, GenX, and its analogs (PFMO2HpA and PFMO3NA) for 28 d. Results demonstrated increased hepatomeg
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.
We propose and compare combinations of several methods for classifying transportation activity data from smartphone GPS and accelerometer sensors. We have two main objectives. First, we aim to classify our data as accurately as possible. Second, we aim to reduce the dimensionality of the data as much as possible in order to reduce the computational burden of the classification. We combine dimension reduction and classification algorithms and compare them with a metric that balances accuracy and dimensionality. In doing so, we develop a classification algorithm that accurately classifies five d
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.
Flow cytometry (FC) is essential for detecting measurable residual disease (MRD) in chronic lymphocytic leukemia (CLL), but its use is limited by the expertise and time required for manual analysis. We developed an artificial intelligence (AI) pipeline, Clustering/Classification of All Events, Dimensionality reduction, Downsampling, and Aberrancy Scaling (CCADDAS), to automatically enhance raw FC files, streamlining CLL MRD detection using a single-tube 10-color panel. FC files from 166 MRD-positive and 61 MRD-negative cases were processed in a cloud environment. Automated steps included error
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 immune system acts as an intricate apparatus that is dedicated to mounting a defense and ensures host survival from microbial threats. To engage this faceted immune response and provide protection against infectious diseases, vaccinations are a critical tool to be developed. However, vaccine responses are governed by levels that, when interrogated, separately only explain a fraction of the immune reaction. To address this knowledge gap, we conducted a feasibility study to determine if multi-view modeling could aid in gaining actionable insights on response markers shared across populations
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.
Precision oncology relies on the accurate characterization of spatial molecular distributions in cancer tissues to uncover critical biomarkers and guide clinical decision-making. However, the high dimensionality and complexity of mass spectrometry imaging (MSI) data pose significant challenges for effective analysis. This study presents an unsupervised manifold learning framework to address these challenges by mapping high-dimensional MSI data into a low-dimensional space while preserving essential molecular patterns. This method enables efficient dimensionality reduction, clustering, and visu
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.
The complexity of Multiple Myeloma (MM) is driven by several genomic aberrations, interacting with disease-related and/or -unrelated factors and conditioning patients' clinical outcome. Patient's prognosis is hardly predictable, as commonly employed MM risk models do not precisely partition high- from low-risk patients, preventing the reliable recognition of early relapsing/refractory patients. By a dimensionality reduction approach, here we dissect the genomic landscape of a large cohort of newly diagnosed MM patients, modelling all the possible interactions between any MM chromosomal alterat
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.