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
1044 публикаций
Поиск: 144 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 47 с найденным полным текстом
Physical-layer jamming directed at the LoRa preamble may become detectable before substantial degradation of the acquisition structure is evident at the receiver. The practically relevant question is therefore not only whether an attack can eventually be detected, but how much jammer-power headroom a monitor provides before the selected preamble-degradation onset is reached. This paper introduces a detection-theoretic evaluation framework that expresses this pre-degradation warning capability in decibels. Three quantities are defined: the detection sensitivity floor, i.e., the smallest relativ
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.
Quantifying biomorphological evolution and integrating phenotypic data into large-scale ecological and evolutionary studies are often limited by the scalability, subjectivity, and poor interpretability of existing methods. We introduce HAIKA (Hierarchical Attention-based Interpretable K-dimensional Autoencoder), a self-supervised residual channel-attention autoencoder that extracts continuous morphological representations from unlabeled standardized images and highlights the image regions that contribute to those representations. Applied to insect forewings across broad pterygote lineages, HAI
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.
The pathogenesis of Alzheimer's disease (AD) remains unclear, but revealing individual differences in functional connectivity (FC) may provide insights and improve diagnostic precision. A hierarchical clustering-based autoencoder with functional connectivity was proposed to categorize 82 AD patients from the Alzheimer's Disease Neuroimaging Initiative. Compared to directly performing clustering, using an autoencoder to reduce the dimensionality of the matrix can effectively eliminate noise and redundant information in the data, extract key features, and optimize clustering performance. Subsequ
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.
We present a method called Manifold Interpolating Optimal-Transport Flow (MIOFlow) that learns stochastic, continuous population dynamics from static snapshot samples taken at sporadic timepoints. MIOFlow combines dynamic models, manifold learning, and optimal transport by training neural ordinary differential equations (Neural ODE) to interpolate between static population snapshots as penalized by optimal transport with manifold ground distance. Further, we ensure that the flow follows the geometry by operating in the latent space of an autoencoder that we call a geodesic autoencoder (GAE). I
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.
The eye is a recognized source of biomarkers for cardiovascular and neurodegenerative disease risk. Here we characterize the breadth of these associations and identify biological axes that may mediate them. Using UK Biobank data, we developed a multi-omic analysis pipeline integrating physiological, radiomic, metabolomic and genomic information. We trained retinal adversarial autoencoders to represent optical coherence tomography images and color fundus photographs as 256-dimensional embeddings. Retinal adversarial autoencoder-derived embeddings were associated with a range of cardiovascular a
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.
Single-cell RNA sequencing (scRNAseq) enables researchers to identify and characterize populations and subpopulations of different cell types in hearts recovering from myocardial infarction (MI) by characterizing the transcriptomes in thousands of individual cells. However, the effectiveness of the currently available tools for processing and interpreting these immense datasets is limited. We incorporated three Artificial Intelligence (AI) techniques into a toolkit for evaluating scRNAseq data: AI Autoencoding separates data from different cell types and subpopulations of cell types (cluster a
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.
OBJECTIVES: Explanations help to understand why anomaly detection algorithms identify data as anomalous. This study evaluates whether robustly standardized explanation scores correctly identify the implausible variables that make cancer data anomalous.
MATERIALS AND METHODS: The dataset analyzed consists of 18 587 truncated real-world cancer registry records containing 8 categorical variables describing patients diagnosed with bladder and lung tumors. We identified 800 anomalous records using an autoencoder's per-record reconstruction error, which is a common neural network-based anomaly dete
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.
Despite rapid progress in multimodal spectroscopy for cancer diagnosis, its practical application remains limited by the scarcity of annotated data, especially for rare cancers. The scarcity of such samples often hampers the effective training of deep neural networks. Moreover, clinical text is rarely used to guide spectroscopic data augmentation, and a unified framework for text-guided spectral augmentation is still lacking. To address these challenges, we introduce a clinical text-guided generative framework based on diffusion models for cancer spectral analysis (Text-SpecDiffusion). Specifi
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.
MOTIVATION: The goal of molecular representation learning is to automate the extraction of molecular features, a critical task in cheminformatics and drug discovery. While pretraining models using multiple views like SMILES, 2D graphs, and 3D conformations have advanced the field, integrating them effectively to produce superior representations remains a challenge.
RESULTS: To bridge this gap, we propose a novel multi-view molecular pretraining method termed MMPCS, which explicitly factorizes representations into consistency and specific information. Our approach utilizes the Graph Isomorphis
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.
Electrocardiogram (ECG) signals exhibit complex, nonlinear, and nonstationary dynamics that are not fully captured by conventional time series analysis methods. In this study, we propose a novel framework for atrial fibrillation (AF) detection that integrates a beat-level recurrence representation with supervised metric learning. ECG recordings are first segmented into beat-centered waveforms that serve as effective dynamical states, avoiding the inaccurate estimation of time delay and embedding dimension from short recordings. Rather than constructing conventional recurrence plots from delay-
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.
Multi-parameter cytometry technologies enable high-dimensional analysis of immune cell populations at single-cell resolution. Deep learning has been widely applied to these datasets, but existing methods often struggle with transferability across datasets due to technical variability, batch effects and identification of biologically relevant cell populations, limiting their utility in clinical research. We present dioscRi, a transferable deep learning framework that integrates a maximum mean discrepancy variational autoencoder for normalization and de-noising, enhancing cross-dataset compatibi
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: This study aimed to create a reliable method for preoperative grading of meningiomas by combining radiomic features and deep learning-based features extracted using a 3D autoencoder. The goal was to utilize the strengths of both handcrafted radiomic features and deep learning features to improve accuracy and reproducibility across different MRI protocols.
MATERIALS AND METHODS: The study included 3,523 patients with histologically confirmed meningiomas, consisting of 1,900 low-grade (Grade I) and 1,623 high-grade (Grades II and III) cases. Radiomic features were extracted from T1-c
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.
We propose a simple and practical machine learning-based desktop solution for analyzing biologically relevant protein motions. We termed our technology reinforced molecular dynamics (rMD) combining MD trajectory data and free-energy (FE) map data to train a dual loss function autoencoder network that can explore conformational space retroactively with no need for additional simulations. The key insight of rMD is that it replaces the latent space with an FE map for structure prediction, thus infusing the autoencoder network with physical context. The FE map is computed from a biased MD simulati
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.
Survival prediction of esophageal cancer is an essential task for doctors to make personalized cancer treatment plans. However, handcrafted features from medical images need prior medical knowledge, which is usually limited and not complete, yielding unsatisfying survival predictions. To address these challenges, we propose a novel and efficient deep learning-based survival prediction framework for evaluating clinical outcomes before concurrent chemoradiotherapy. The proposed model consists of two key components: a 3D Coordinate Attention Convolutional Autoencoder (CACA) and an uncertainty-bas
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.
Electronic skin powered with artificial intelligence could enable next-generation robotic and medical devices, yet integrating multimodal sensors and analyzing heterogeneous, multifrequency time series remain challenging. Most wearable machine learning architectures are time-invariant and trained for a specific task, limiting transfer across modalities and users. We present a multimodal electronic skin that captures diverse physiological signs with an adaptive learning framework that rapidly generalizes to unseen tasks with minimal labeled data. Our streamlined end-to-end framework uses a spec
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.
Ultrasonic echoes provide critical cues for object perception, yet their millisecond duration and frequency-specific structure violate assumptions of conventional spectrogram-based convolutional models. Existing biomimetic front-end systems, including auditory spectrograms, cortical wavelets, and the biomimetic BioNet, either under-utilize model capacity on brief echoes or impose frequency shift-invariance suited to vocalizations but detrimental for echo discrimination. This study introduces BioNet5-A, a biomimetic encoder optimized for ultrasonic echoes. BioNet5-A is derived from an autoencod
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.
UNLABELLED: Deep learning can extract predictive and prognostic biomarkers from histopathology whole-slide images. However, explainable artificial intelligence approaches widely used in digital pathology, such as attention heatmaps and class activation mapping, provide limited insight into the image features associated with classifier outputs. In this study, we developed Morphing histoPathology Diffusion (MoPaDi), a framework for generating counterfactual explanations for histopathology images that help identify morphologic or stain-related features linked to model predictions. MoPaDi combined
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.
BACKGROUND AND OBJECTIVE: Reliable probability estimates and robust performance across heterogeneous acquisition settings are important for artificial intelligence-assisted screening mammography. In federated learning, acquisition-driven non-identically distributed data can impair both discrimination and calibration across clients. This study aimed to develop a federated multi-view mammography framework that improves worst-client robustness and probability calibration while avoiding calibration procedures that require sharing instance-level prediction-label pairs.
METHODS: We proposed EquiFL-
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: To adopt different deep learning (DL) techniques for Essential tremor (ET) and Parkinson's tremor (PST) classification, a collaborative approach to address the misdiagnosis of healthy and PSD patients based on ET and PST's frequency patterns and severity.
METHODS: This classification uses a comprehensive PDBioStamp time-series dataset to classify tremors based on action and rest tremors of healthy and post-stroke depression (PSD) patients. Combination of DL models, including generative adversarial network (GAN) to generate synthetic data, Autoencoder to reduce the size dimensionality
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.
Accurate metagenomic binning is essential for reconstructing microbial genomes, thereby facilitating the discovery of novel taxa, the identification of pathogens, and the characterization of antimicrobial resistance genes. Most existing methods are designed for assembled contigs and cannot be directly applied to raw long reads. Although a few dedicated long-read binning methods have emerged, challenges remain in bin-number estimation and representation learning. Here, we propose Deep Embedded Clustering for Long-read Binning (DecBin), an adaptive method for directly binning raw long reads thro
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.