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: 159 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 311 с найденным полным текстом
BACKGROUND: Knee osteoarthritis (KOA) is a common, degenerative joint condition where cartilage wears away, causing bone-on-bone friction, leading to pain, stiffness, swelling, and reduced mobility, often with a cracking sound (crepitus). KOA affects the knee joint as a whole, and makes it difficult for the knee to move normally. In this paper, KOA classification using Optimized Granger Causality Inspired Graph Neural Network with Accelerated Model-agnostic Explanations and Secretary Bird Optimization Algorithm (KOAC-GCIGNN-AcME-SBOA) is proposed.
METHODS: The input images were collected from
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.
Predicting the outcome of antiretroviral therapies (ART) for HIV-1 is a pressing clinical challenge, especially when the ART includes drugs with limited effectiveness data. This scarcity of data can arise either due to the introduction of a new drug to the market or due to limited use in clinical settings, resulting in clinical dataset with highly unbalanced therapy representation. To tackle this issue, we introduce a novel joint fusion model, which combines features from a Fully Connected (FC) Neural Network and a Graph Neural Network (GNN) in a multi-modality fashion. Our model uses both tab
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.
In recent years, computationally assisted diagnosis for classifying autism spectrum disorder (ASD) and typically developing (TD) individuals based on neuroimaging data, such as functional magnetic resonance imaging (fMRI), has garnered significant attention. Studies have shown that long-range functional connectivity patterns in ASD patients exhibit significant abnormalities, and individual brain networks display considerable heterogeneity. However, current graph neural networks (GNNs) used in ASD research have failed to adequately capture long-range connectivity and have overlooked individual
СтатьяПоддержка NIH: внешняя программаПоиск 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.
Liver toxicity poses a critical challenge in drug development due to the liver's pivotal role in drug metabolism and detoxification. Accurately predicting liver toxicity is crucial but is hindered by scattered information sources, a lack of curation standards, and the heterogeneity of data perspectives. To address these challenges, we developed the HepatoToxicity Portal (HTP), which integrates an expert-curated knowledgebase (HTP-KB) and a state-of-the-art machine learning model for toxicity prediction (HTP-Pred). The HTP-KB consolidates hepatotoxicity data from nine major databases, carefully
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 Blood-Brain Barrier (BBB) is a selective barrier between the Central Nervous System (CNS) and the peripheral system, regulating the distribution of molecules. BBB permeability has been crucial in CNS-targeting drug development, such as glioblastoma-related drug discovery. In addition, more CNS diseases still present significant challenges, for instance, neurological disorders like Alzheimer's Disease (AD) and drug abuse. Conversely, cannabinoid drugs that do not cross the BBB are needed to avoid off-target CNS psychotropic effects. In vitro and in vivo experiments measuring BBB permeabilit
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.
The world's freshwater supply, predominantly sourced from rivers, faces significant contamination from various economic activities, confirming that the quality of river water is critical for public health, environmental sustainability, and effective pollution control. This research addresses the urgent need for accurate and reliable water quality monitoring by introducing a novel method for estimating the water quality index (WQI). The proposed approach combines cutting-edge optimization techniques with Deep Capsule Crystal Edge Graph neural networks, marking a significant advancement in the f
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.
HIV and HBV infection are both serious public health challenges. There are more than approximately 4 million patients coinfected with HIV and HBV worldwide, and approximately 5% to 15% of those infected with HIV are coinfected with HBV. Disease progression is more rapid in patients with coinfection, which significantly increases the likelihood of patients progressing from chronic hepatitis to cirrhosis, end-stage liver disease, and hepatocellular carcinoma. HIV treatment is complicated by drug interactions, antiretroviral (ARV) hepatotoxicity, and HBV-related immune reconditioning and inflamma
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.
AIM: Social anxiety disorder (SAD) is a mental disorder that requires early detection and treatment. However, some individuals with SAD avoid face-to-face evaluations, which leads to delayed detection. We aim to predict individuals with SAD based on their communication logs and social network data from a massively multiplayer online game (MMOG).
METHOD: The study included 819 users of Pigg Party, a popular MMOG in Japan. Participants completed the Japanese version of the Liebowitz Social Anxiety Scale (LSAS-J) and a social withdrawal scale (hikikomori) questionnaire. Participants scoring ≥60
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.
OBJECTIVE: The evaluation of the efficacy of immunotherapy is of great value for the clinical treatment of bladder cancer. Graph Neural Networks (GNNs), pathway analysis and multi-omics analysis have shown great potential in the field of cancer diagnosis and treatment.
METHODS: A GNNs model was constructed to predict the immunotherapy response and identify key pathways. Based on the genes of key pathways, bioinformatic methods were used to generate a simple linear scoring model, namely responseScore. The intrinsic mechanism of responseScore was explored from the perspectives of multi-omics 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.
Graph neural network (GNN) surrogates can support rapid, repeated urban drainage analyses. Yet a model that is fast and accurate on average may still fail at critical nodes and hydraulic transitions. We developed a reliability-oriented diagnostic framework to identify hidden local failures in a purely data-driven GNN surrogate. We used a calibrated Storm Water Management Model (SWMM) reference and eight Chicago design storms with return periods from 1 to 100 years. The framework examined where errors showed hydraulically consistent pairwise linkages, when they intensified during overflow evolu
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.
Accurate primary tumor (pT) staging in muscle-invasive bladder cancer (MIBC) is crucial for treatment and prognosis. Current methods require time-consuming, labor-intensive microscopic evaluation by pathologists, with inherent interobserver variability. There is a need for AI-driven automated diagnosis of whole-slide images (WSI) to improve diagnostic efficiency while maintaining accuracy in pT staging. We obtained 281 H&E-stained WSI samples from the TCGA dataset for developing and validating a graph neural network (GNN)-based diagnostic model, and 83 additional samples from a hospital for ex
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/Objectives: Traditional medical image analysis methods often suffer from locality bias, limiting their ability to model long-range contextual relationships between spatially distributed anatomical structures. To overcome this challenge, this study proposes SPX-GNN (Superpixel Explainable Graph Neural Network). This novel method reformulates image analysis as a structural graph learning problem, capturing both local anomalies and global topological patterns in a holistic manner. Methods: The proposed framework decomposes images into semantically coherent superpixel regions, convertin
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.
Genome-wide association studies (GWAS) have successfully uncovered numerous associations between genetic variants and disease traits to date. Yet, identifying significantly associated loci remains a considerable challenge due to the concomitant multiple-testing burden of performing such analyses genome-wide. Here, we leverage the genetic associations of molecular traits - DNA CpG-site methylation status and RNA expression - to mitigate this problem. We encode their co-association across the genome using PinSage, a graph convolutional neural network-based recommender system previously deployed
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: Post-marketing safety surveillance of Chinese Materia Medica (CMM) is challenged by multi-component chemical heterogeneity and the limited mechanistic interpretability of signals derived solely from spontaneous reports. The FDA Adverse Event Reporting System (FAERS) provides large-scale pharmacovigilance evidence, yet it is noisy, susceptible to reporting bias, and weakly linked to underlying biological mechanisms. We aimed to develop an FAERS-informed, clinically oriented framework to predict CMM-associated adverse drug reactions (ADRs).
METHODS: We constructed an evidence-rich h
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.
PURPOSE: To investigate the feasibility of using color fundus photographs (CFPs) combined with artificial intelligence (AI) for detecting diabetic macular ischemia (DMI), a condition characterized by retinal capillary loss in the macula that leads to vision impairment in diabetic patients. Despite the widespread use of CFPs and AI in diagnosing other eye diseases like diabetic retinopathy (DR), their application in DMI detection remains unexplored because of skepticism regarding its viability.
METHODS: A graph neural network-based multispectral-view learning (GNN-MSVL) model was developed 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.
IntroductionWe aimed to develop and validate a clinically interpretable multimodal deep learning framework integrating multi-sequence MRI and clinical variables for predicting overall survival (OS) in locally advanced cervical squamous cell carcinoma (LACSCC).MethodsThis retrospective cohort study included 247 patients with pathologically confirmed LACSCC. Pretreatment MRI sequences, including contrast-enhanced T1-weighted imaging (T1CE), T2-weighted imaging (T2WI), and diffusion-weighted imaging (DWI), were analyzed. Tumor regions of interest were manually delineated, and slice-level deep fea
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 presence of axillary lymph node metastasis (ALNM) in breast cancer patients is an important factor in deciding whether to have axillary surgery or pursue alternative treatments. Based on axillary ultrasound (US) and histopathologic data, three graph neural network models were compared to predict ALNM in early-stage breast cancer. The patients were randomly divided into two data sets: training (80%) and testing (20%). Predictive performance was measured using accuracy, sensitivity, specificity, positive predictive value, negative predictive value, F1 score, and area under the curve (AUC). I
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.
[This corrects the article DOI: 10.1371/journal.pone.0332794.].
Опубликованное исправлениеПолный 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.
In recent years, artificial intelligence methods based on the analysis of heterogeneous graphs of biomedical networks have become widely used for predicting molecular interactions. In particular, graph neural networks (GNNs) effectively identify missing edges in gene networks - such as protein-protein interaction, gene-disease, drug-target, and other networks - thereby enabling the prediction of new biological relationships. To reconstruct gene networks, cognitive systems for automatic text mining of scientific publications and databases are often employed. One such AI-driven platform, ANDSyst
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: Major depressive disorder (MDD) is a highly heterogeneous affective disorder, and the identification of reliable neuroimaging markers remains challenging. Resting-state functional magnetic resonance imaging offers a promising approach for characterizing altered brain functional organization in MDD. However, most existing studies model subjects independently and do not sufficiently consider inter-subject heterogeneity, particularly in multisite datasets.
METHODS: We developed an interpretable brain region-aware multimodal graph neural network (BRM-GNN) for rs-fMRI-based MDD identif
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.