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
1634 публикаций
Поиск: 135 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 496 с найденным полным текстом
Machine learning has become ubiquitous and a key technology on mining electronic health records (EHRs) for facilitating clinical research and practice. Unsupervised machine learning, as opposed to supervised learning, has shown promise in identifying novel patterns and relations from EHRs without using human created labels. In this paper, we investigate the application of unsupervised machine learning models in discovering latent disease clusters and patient subgroups based on EHRs. We utilized Latent Dirichlet Allocation (LDA), a generative probabilistic model, and proposed a novel model name
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.
We suggest a new method for the detection of paroxysmal atrial fibrillation by analyzing surface-enhanced Raman scattering (SERS) spectra of blood serum of patients in question in comparison with SERS spectra of the serum of healthy donors. Spectral measurements were carried out on compact SERS substrates in dried blood serum droplets with immediate subsequent processing. To process the spectra, machine learning methods were used, in particular, the logistic regression method and the principal component method. Furthermore, thanks to the possibility of the physical-chemical interpretation of t
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: The primary goal of this study is to enhance safety and accessibility for individuals using wheelchairs by enabling automatic wheelchair detection through a visual surveillance system. This contributes to the development of smart healthcare systems that facilitate autonomous navigation and improve mobility support.
MATERIALS AND METHODS: A novel machine learning model based on the bag-of-visual-words (BoVWs) technique was developed for wheelchair detection. The approach involves key feature extraction, visual vocabulary construction, and histogram-based image representation. A suppor
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.
Advances in computational power and structured representation of biochemical knowledge have fostered the development and use of models of plant metabolic pathways of increasing complexity. These advances have pointed out knowledge gaps about parameters inherent to these models and the need for large-scale data sets to conduct effective model calibrations. This bottleneck hampers wider application of plant metabolic models in plant biotechnology and crop breeding. Here, we argue that the recent advances in artificial intelligence offer the means for efficient model parameterization while strate
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.
We present an application of our new theoretical formulation of quantum dynamics, moment propagation theory (MPT) (Boyer et al., J. Chem. Phys. 160, 064113 (2024)), for employing machine-learning techniques to simulate the quantum dynamics of electrons. In particular, we use real-time time-dependent density functional theory (RT-TDDFT) simulation in the gauge of the maximally localized Wannier functions (MLWFs) for training the MPT equation of motion. Spatially localized time-dependent MLWFs provide a concise representation that is particularly convenient for the MPT expressed in terms of incr
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.
Nail diseases, including various fungal infections, paronychia, and psoriasis, affect millions, and their treatment relies on visual inspection, which may result in inaccurate and delayed treatments. This study explores the use of synthetic nail disease data generated through stable diffusion models to increase the accuracy of the machine learning model. We aim to incorporate enhanced data transformation techniques by utilizing a few-shot learning technique with a small amount of data representation in the text-to-image stable diffusion model. This model renders synthetic data, which provides
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 location of the hydrogen-helium (H/He) immiscibility boundary controls whether and where helium rain occurs in giant planets, yet it remains uncertain because high-pressure experiments are challenging and ab initio simulations are limited in system size and simulation time. We map this boundary by computing composition-dependent chemical potentials from large-scale molecular dynamics driven by machine learning potentials trained on three density functional approximations (PBE, vdW-DF, and the hybrid HSE). Across the pressure range of 100-1000 GPa, the demixing temperatures are typically ~
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.
Tackling cancer with effective therapies is a major challenge our society faces with significant costs and complexities of designing and validating treatments. In this article we show that representation learning based on real-world data can suggest indications for which a chosen mechanism of action is likely to be effective. We trained a machine learning model to rank histology-based malignant indications against expected biological relevance of anti-PD-1 treatment, leveraging reference indications and an embedding generating approach for features based on events in the patient's medical jour
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.
Depositional ice growth strongly influences the evolution and lifetime of ice-containing clouds on Earth and Mars, yet its physics remain uncertain because the earliest stages of ice-crystal growth cannot be directly observed and are sparsely sampled in laboratory settings. Here, we use physics-informed machine learning to learn the functional dependence of unknown physics in the depositional ice growth model from limited observations. By optimizing against mass growth time series from 290 ice crystals grown in a levitation diffusion chamber, we identify a modified capacitance growth model tha
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.
Artificial intelligence (AI) and machine learning have emerged as transformative analytic methods capable of identifying patterns and proposing treatment strategies from complex, heterogeneous data generated in patient care settings. However, translating reports of AI tools into clinical decision-making requires careful interpretation and contextualization. Here, we present a structured framework (ABCDEFG framework) for clinicians to critically appraise studies reporting AI tools using a high-profile reinforcement learning analysis of vasopressin initiation in septic shock as a case example. 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.
Friedreich Ataxia (FRDA) is an uncommon progressive neurodegenerative disorder of the nervous system that primarily affects motor coordination. Measuring disease severity is crucial, as it allows clinicians to monitor disease progression and make appropriate treatment decisions. By using inertial measurement units (IMUs) to capture the motion of individuals with FRDA, it has been possible to develop algorithms that objectively assess motor impairment. These studies have primarily employed conventional machine learning (ML) methods but have been limited by small datasets, which is an inherent c
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.
Traditional brain-machine interfaces decode cortical motor commands to control external devices. These commands are the product of higher-level cognitive processes, occurring across a network of brain areas, that integrate sensory information, plan upcoming motor actions, and monitor ongoing movements. We review cognitive signals recently discovered in the human posterior parietal cortex during neuroprosthetic clinical trials. These signals are consistent with small regions of cortex having a diverse role in cognitive aspects of movement control and body monitoring, including sensorimotor inte
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.
Reliable diagnosis of Parkinson's disease (PD) in its early stages is of vital importance for supporting timely clinical decision-making and improving patient management. In this study, we propose a non-invasive, AI-supported hybrid diagnostic model for PD based on acoustic features extracted from voice recordings. Using a dataset created from voice recordings of 188 Parkinson's patients and 64 healthy individuals at the Department of Neurology, Cerrahpaşa Faculty of Medicine, TQWT-based features, mel-frequency cepstral coefficient/delta/log-energy-based features, and other acoustic features w
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2024eng
Dysarthria is a very common motor speech symptom in Parkinson's disease impairing normal communications of patients. Detection of dysarthria could assist clinical diagnosis and intervention of Parkinson's disease, provide monitoring approach for treatment-related side effects, and lead to effective speech therapy to prevent further communication and social deficits. Applying machine learning techniques to speech analysis for patients offers more resource-efficient, accessible and objective tools for screening and assessment of dysarthria. In this study, we constructed a multi-task speech datas
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.
Integrative modeling of metagenomic and clinical data can advance the study of host phenotypes, but remains challenged by cross-view heterogeneity, uncertain generalizability, and poor interpretability. We developed SAMECAT (Structure-Aware Metagenomics multi-viEw Contrastive AlignmenT), a structure-aware deep learning framework that integrates species-level shotgun metagenomic profiles with mixed-type clinical covariates through view-specific encoders, clustering-informed contrastive alignment, and adaptive representation fusion. Using two independent Louisiana Osteoporosis Study datasets gen
СтатьяПрепринтПолный 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.
Atropisomerism, a form of chirality arising from restricted rotation around single bonds, holds significant pharmacological importance. Yet, the automated identification and representation of atropisomerism in molecular databases and cheminformatics tools remain limited. Identifying bonds that lead to stable atropisomers typically involves labor-intensive experiments or costly quantum chemical scans. In this work, we present an extension of the molecule identifier MolBar that automatically classifies each sp2-sp2 bond in a three-dimensional molecular structure as either rapidly convertible or
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.
Alzheimer's disease (AD) is a progressive neurodegenerative disease and the current diagnosis tools, which are used, including clinical examination and neuroimaging, are costly, time consuming and complicated to generalize across demographics. Traditional machine learning (ML) methods such as Support Vector Machines (SVM), LightGBM, and Random Forest (RF) are known to be having weakness in terms of feature selection, class imbalance, and generalization. This paper presents a new Enhanced TabTransformer with Self-Supervised Learning (ETT-SSL) framework of AD classification. The structure combin
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.
Malware is malicious software that infiltrates systems without user consent. Effective detection involves identifying such software and distinguishing it from benign programs. While machine learning has shown promise in malware detection, many existing techniques demand extensive feature engineering and representation, leading to higher computation times and error rates. To address these limitations, we propose CNN-GBM, a hybrid model combining Convolutional neural networks (CNN) with Gradient Boosted Machines (GBM), aimed at improving Android malware detection. The approach begins by construc
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.
OBJECTIVE: Identifying patients at high risk of mortality is crucial for emergency physicians to allocate hospital resources effectively, particularly in regions with limited medical services. This need becomes even more pressing during global health crises that lead to significant morbidity and mortality. This study aimed to evaluate the effectiveness of deep neural decision forests and deep neural decision trees in predicting mortality among COVID-19 patients. To achieve this, we utilized patient data encompassing COVID-19 diagnosis, demographics, health indicators, and occupational risk fac
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: The classification of cardiotocography (CTG) can assist obstetricians in assessing the health status of the fetus. However, traditional fetal heart rate monitoring data has the problem of strong subjectivity in manual interpretation, and deep learning models have poor representation ability on tabular data.
METHODS: This study proposed PLE-TabM, a tabular deep learning model combined piecewise linear encoding (PLE) and efficient weight integration. We used the public CTG dataset as the research subject. The PLE was used to improve the perception ability of feature segment interval
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.