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
6152 публикаций
Поиск: 513 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1217 с найденным полным текстом
Spatial omics technologies have revolutionized the study of tissue architecture and cellular heterogeneity by integrating molecular profiles with spatial localization. In spatially resolved transcriptomics, delineating higher-order anatomical structures is critical for understanding how cellular organization affects function. However, the reliability of current benchmarks of spatially aware clustering (SAC) methods is undermined by their narrow focus on Visium and brain tissue datasets and the incorrect interpretation of manual annotation as ground truth. Here we present SACCELERATOR, a commun
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: Incidental findings in the Emergency Department (ED) are often not acted upon due to acuity of care and lack of referral pathways. Artificial intelligence (AI) can be used to combine heterogeneous data collected during ED encounters to computationally identify patients with specific disease phenotypes allowing for directed care-paths. We identified ED patients with undiagnosed Metabolic Dysfunction-Associated Liver Disease (MASLD) to demonstrate the feasibility of automated algorithms for clinical phenotypes.
METHODS: We identified adults in 5 EDs with abdominal imaging between 1/
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.
This study presents a novel integrative approach for the analysis of high-dimensional gene expression data, leveraging the complementary strengths of unsupervised clustering and supervised classification. Using K-means clustering, the data set is stratified into three distinct clusters, revealing intrinsic biological patterns and relationships. The resulting cluster assignments are subsequently used as pseudolabels to train machine learning models, including support vector machines, random forest, and a stacking ensemble classifier. To validate and enhance the robustness of clustering, complem
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.
OBJECTIVE: This study aims to develop a data-driven methodology for stratifying Amyotrophic Lateral Sclerosis (ALS) patients based on longitudinal disease progression patterns, using a novel deep learning framework that combines a Recurrent Variational Autoencoder (RVA) with consensus clustering to identify clinically meaningful subgroups.
METHODS: The RVA integrates Peephole Long Short-Term Memory networks within the Variational Deep Embedding (VaDE) architecture to simultaneously learn latent representations and cluster assignments from multivariate time-series data. The approach incorporat
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 AND OBJECTIVE: Clustering methods are essential for analyzing functional magnetic resonance imaging (fMRI) time-series data to identify active brain regions and elucidate functional neural patterns. Despite recent advancements in enhancing the stability and automation of cluster number selection, many methods still rely on user-defined parameters, which complicates their application.
METHODS: To deal with these issues, this study introduces a novel parameter-free hierarchical topological structure learning clustering algorithm, Batch Learning Growing Neural Gas (BL-GNG), which buil
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.
Single-cell RNA sequencing reveals cellular heterogeneity, yet computational methods struggle to balance performance with biological interpretability. Embedded topic models provide interpretable cell representations, but may learn overly similar topics, resulting in redundancy and incomplete capture of biological variation. Single-cell foundation models create opportunities to harness external biological knowledge for guiding model embeddings. Here, we present scE2TM, an external knowledge-guided embedded topic model for interpretable scRNA-seq analysis. scE2TM implements embedding clustering
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.
BACKGROUND: Preeclampsia (PE) is a complex disorder with significant variability in organ involvement. It remains unclear whether machine learning can identify organ-system-based subclasses of PE. This study aimed to identify novel subclasses of PE using organ-system biomarkers to improve pregnancy outcome prediction. METHODS: We retrospectively analyzed clinical data from PE patients at Fujian Maternity and Child Health Hospital. K-means clustering was applied using organ system function indicators, with 10-fold cross-validation. Functional indicators and pregnancy outcomes were compared acro
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: Anti-MDA5+ dermatomyositis (DM) represents a heterogeneous group of patients as diverse individuals display different clinical characteristics, disease progression and complications development. The heterogeneity makes it difficult to classify interstitial lung disease in anti-MDA5 antibodies positive dermatomyositis (anti-MDA5+ DM-ILD).
OBJECTIVES: To distinguish and characterize phenotypic subgroups for anti-MDA5+ DM-ILD patients.
METHODS: From August 2014 to March 2022, 188 anti-MDA5+ DM-ILD patients were retrospectively enrolled. 21 HRCT-derived quantitative features were red
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: Polycystic Ovary Syndrome (PCOS) is the most frequent endocrinopathy in women of reproductive age. Machine learning (ML) is the area of artificial intelligence with a focus on predictive computing algorithms. We aimed to define the most relevant clinical and laboratory variables related to PCOS diagnosis, and to stratify patients into different phenotypic groups (clusters) using ML algorithms.
METHODS: Variables from a database comparing 72 patients with PCOS and 73 healthy women were included. The BorutaShap method, followed by the Random Forest algorithm, was applied to prediction
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.
AIM: The aim of this study was to classify fever of unknown origin (FUO) patients based on PET/CT imaging features using unsupervised clustering, and to explore whether these patterns could provide insights into underlying etiologies.
MATERIALS AND METHODS: We conducted a retrospective cohort study of adult FUO patients who underwent 18F-FDG PET/CT. For each patient, data were extracted on involvement of reticuloendothelial organs, parenchymal organs, and large vessels, including the maximum SUVmax within each involved system and the uptake pattern (focal, diffuse, or mixed). Patients were cl
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 CONTEXT: Adult spinal deformity (ASD) is a heterogeneous condition encompassing diverse etiologies, clinical presentations, and surgical challenges. While previous unsupervised learning models have stratified ASD patients into 3 broad phenotypes, these often lack clinical granularity for surgical decision-making.
PURPOSE: To refine the classification of operated ASD patients using unsupervised machine learning and assess whether expanding from 3 to 8 clusters improves clinical discrimination and predictive robustness.
STUDY DESIGN: Retrospective multicenter study using machine lea
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
Sepsis is a life-threatening and heterogeneous disease characterized by dysregulated host responses to infection. Although recent studies applied unsupervised algorithms to uncover sepsis phenotypes, the clustering process lacks the ability to incorporate clinical knowledge, potentially resulting in phenotypes with limited interpretability. We propose a novel clustering framework, naviDCN, which integrates a navigator component to align clusters with clinical significance. The naviDCN architecture comprises multi-modal encoders, a deep clustering network (DCN) with reconstruction tasks, and 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.
Spatial clustering is crucial in disease mapping by identifying subregions with different patterns of disease incidence or mortality. This study proposes a novel Bayesian spatial clustering method for multivariate spatial disease data, which allows for understanding geographic variations of multivariate disease patterns while accounting for both spatial information and dependence among multiple disease measurements. We develop a new random tele-connected graph partition model with an unknown number of clusters, which is capable of encouraging locally contiguous clusters and allowing for remote
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.
DPC (density peaks clustering) algorithm has garnered widespread attention due to its novelty and superior performance. However, it is sensitive to the arbitrary cutoff distance, and its very efficient assignment strategy is prone to leading “domino effect”. Although FKNN-DPC and other variants addressed DPC’s limitations somewhat, the arbitrarily fixed number of neighbors to calculate the local density of a point will bring the bias, particularly for the dataset containing dense and sparse clusters simultaneously, resulting in the bias to cluster centers and that in the final clustering. To r
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.
Causal effects are often characterized with population summaries. These might provide an incomplete picture when there are heterogeneous treatment effects across subgroups. Since the subgroup structure is typically unknown, it is more challenging to identify and evaluate subgroup effects than population effects. We propose a new solution to this problem: Causal k-Means Clustering, which leverages the k-means clustering algorithm to uncover the unknown subgroup structure. Our problem differs significantly from the conventional clustering setup since the variables to be clustered are unknown cou
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: Irregularly shaped spatial clusters are difficult to delineate. A cluster found by an algorithm often spreads through large portions of the map, impacting its geographical meaning. Penalized likelihood methods for Kulldorff's spatial scan statistics have been used to control the excessive freedom of the shape of clusters. Penalty functions based on cluster geometry and non-connectivity have been proposed recently. Another approach involves the use of a multi-objective algorithm to maximize two objectives: the spatial scan statistics and the geometric penalty function.
RESULTS & DI
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2019eng
In this contribution we explore some alternatives in order to obtain filtered and low dimension CGM data to provide well processed CGM data to AP systems. The presented approach explores the possible association of certain patient behaviors with certain glucose patterns. We compare the classical clustering algorithms (K-means, and fuzzy C-means), which has shown some limitations for CGM data processing, with a new clustering algorithm (K-means ellipsoid algorithm) more suited to CGM data. We test this new algorithm in a variety of complex scenarios including variabilty in the amount of ingeste
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.
Sea lice Lepeophtheirus salmonis (Krøyer) are a major ectoparasite affecting farmed Atlantic salmon in most major salmon producing regions. Substantial resources are applied to sea lice control and the development of new technologies towards this end. Identifying and understanding how sea lice population patterns vary among cages on a salmon farm can be an important step in the design and analysis of any sea lice control strategy. Norway's intense monitoring efforts have provided salmon farmers and researchers with a wealth of sea lice infestation data. A frequently registered parameter is the
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.
BACKGROUND: Osteoporosis is an age-related skeletal disorder with an increasing burden of osteoporotic fractures worldwide, it is urgent the identification of reliable molecular characteristics to prevent the progression of severe osteoporosis. METHODS: Two datasets were obtained from the Gene Expression Omnibus (GEO) to identify differentially expressed genes (DEGs) and selected the cellular senescence-related genes (SRGs). Consensus clustering analysis was performed based on differentially expressed SRGs (DE-SRGs). The functional enrichment and immune features between cellular senescence-rel
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.
Electrocardiogram (ECG) is a widely used technique to diagnose cardiovascular diseases. It is a non-invasive technique that represents the cyclic contraction and relaxation of heart muscles. ECG can be used to detect abnormal heart motions, heart attacks, heart diseases, or enlarged hearts by measuring the heart's electrical activity. Over the past few years, various works have been done in the field of studying and analyzing the ECG signals to detect heart diseases. In this work, we propose a deep learning and fuzzy clustering (Fuzz-ClustNet) based approach for Arrhythmia detection from ECG s
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.