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
28943 публикаций
Поиск: 498 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1526 с найденным полным текстом
OBJECTIVES: Whole-image deep learning models for CT diagnosis of nasal cavity and paranasal sinus diseases often underperform because they disregard anatomical heterogeneity. We hypothesized that anatomically partitioned deep learning would enhance diagnostic accuracy.
MATERIALS AND METHODS: A multicenter retrospective study enrolled 2947 CT examinations conducted from October 2019 to May 2022. From these, 150 patients were randomly selected for manual segmentation, covering 13 anatomical regions, including the bilateral nasal cavities, maxillary sinuses, anterior ethmoid sinuses, posterior e
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.
Sepsis is a life-threatening condition resulting from a dysregulated immune response to infection, often leading to organ failure and death. Early detection is vital, as delays significantly worsen outcomes. In recent years, the integration of artificial intelligence (AI), particularly Machine Learning (ML) and Deep Learning (DL), has shown great promise in enhancing early sepsis detection by identifying digital biomarkers from large-scale clinical datasets. This systematic review analyzes and synthesizes existing ML/DL approaches applied to sepsis prediction, with an emphasis on intensive car
СтатьяСистематический обзорПоиск 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.
INTRODUCTION: Neurological tremors, prevalent among a large population, are one of the most rampant movement disorders. Biomechanical loading and exoskeletons show promise in enhancing patient well-being, but traditional control algorithms limit their efficacy in dynamic movements and personalized interventions. Furthermore, a pressing need exists for more comprehensive and robust validation methods to ensure the effectiveness and generalizability of proposed solutions.
METHODS: This paper proposes a physical simulation approach modeling multiple arm joints and tremor propagation. This study
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 prediction of postoperative complications is critical in surgical care. Recently, deep learning has gained attention and has been applied to various predictive models and image recognition tasks, and researchers are attempting to apply this technology in medicine. This review compares logistic regression, machine learning, and deep learning models used in gastroenterological surgery. There are some studies reporting predictive models with large databases. Among these studies, some studies showed that deep learning outperformed other models, but others reported random forests or gradie
СтатьяОбзорПолный 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.
A brain tumor is the result of abnormal growth of cells in the central nervous system (CNS), widely considered as a complex and diverse clinical entity that is difficult to diagnose and cure. In this study, we focus on current advances in medical imaging, particularly magnetic resonance imaging (MRI), and how machine learning (ML) and deep learning (DL) algorithms might be combined with clinical assessments to improve brain tumor diagnosis. Due to its superior contrast resolution and safety compared to other imaging methods, MRI is highlighted as the preferred imaging modality for brain tumors
СтатьяОбзорПолный 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.
This research introduces a novel approach for thyroid prediction by considering three various publicly available datasets. The input data from the dataset is preprocessed to ensure standardization and balance for mitigating the biased outcomes. Then, the proposed cascaded autoencoder-based simple recurrent model is employed for extracting significant spatio-temporal features. From the extracted features, the optimal feature is selected using the proposed Opposition Learning-based Red Panda Optimization (OL_RPO) algorithm, which enhances the efficiency of the predictive model. Finally, the thyr
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: Hepatocyte ballooning (HB) is a significant histological characteristic linked to the advancement of non-alcoholic fatty liver disease (NAFLD) and non-alcoholic steatohepatitis (NASH). Although clinicians now consider liver biopsy the most reliable method for identifying HB, its invasive nature and related dangers highlight the need for the development of non-invasive diagnostic options.
OBJECTIVE: This study aims to develop a novel methodology that combines deep learning and machine learning techniques to accurately identify and measure hepatobiliary abnormalities in liver ultras
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.
Cognitive decline in Parkinson's disease (PD) varies widely. While models to predict cognitive progression exist, comparing traditional probabilistic models to deep learning methods remains understudied. This study compares sequential modeling techniques to identify cognitive progression in individuals with and without PD. Using data from the Parkinson's Progression Marker Initiative, shallow Markov, deep recurrent (long short-term memory [LSTM]), and nonrecurrent (temporal fusion transformer [TFT]) models were compared to predict cognitive status over time. Cognitive status was categorized in
СтатьяСравнительное исследованиеПоддержка NIH: внешняя программаПоиск 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: Our study aimed to determine whether radiomics models based on contrast-enhanced computed tomography (CECT) have considerable ability to predict serosal involvement in gallbladder cancer (GBC) patients.
MATERIALS AND METHODS: A total of 152 patients diagnosed with GBC were retrospectively enrolled and divided into the serosal involvement group and no serosal involvement group according to paraffin pathology results. The regions of interest (ROIs) in the lesion on all CT images were drawn by two radiologists using ITK-SNAP software (version 3.8.0). A total of 412 features were extra
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.
Currently, countries across the world are suffering from a prominent viral infection called COVID-19. Most countries are still facing several issues due to this disease, which has resulted in several fatalities. The first COVID-19 wave caused devastation across the world owing to its virulence and led to a massive loss in human lives, impacting the country's economy drastically. A dangerous disease called mucormycosis was discovered worldwide during the second COVID-19 wave, in 2021, which lasted from April to July. The mucormycosis disease is commonly known as "black fungus," which belongs to
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.
Ultrasonography (US) is the primary diagnostic tool used to assess the risk of malignancy and to inform decision-making regarding the use of fine-needle aspiration (FNA) and postFNA management in patients with thyroid nodules. However, since US image interpretation is operator-dependent and interobserver variability is moderate to substantial, unnecessary FNA and/or diagnostic surgery are common in practice. Artificial intelligence (AI)-based computeraided diagnosis (CAD) systems have been introduced to help with the accurate and consistent interpretation of US features, ultimately leading to
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: Many circulating biomarkers are assessed at different time intervals during clinical studies. Despite of the success of standard joint models in predicting clinical outcomes using low-dimensional longitudinal data (1-2 biomarkers), significant computational challenges are encountered when applying these techniques to high-dimensional biomarker datasets. Modern machine- or deep-learning models show potential for multiple biomarker processes, but systematic evaluations and applications to high-dimensional data in the clinical settings have yet to be reported. We aimed to enhance the
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.
Low-affinity transcription factor binding sites are functionally important but difficult to map and mechanistically poorly understood. In this issue of Cell Genomics, Weilert et al. leverage sequence-to-function deep learning models to systematically map low-affinity pioneer factor binding sites in mouse embryonic stem cells and reveal how these sites contribute to chromatin opening through soft-syntax nucleosomal cooperativity.
СтатьяКомментарийПолный 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 deployment of deep neural networks in safety-critical domains demands reliable estimates of predictive confidence, yet conventional architectures lack principled uncertainty quantification. This survey provides a structured, critical review of methods for Uncertainty Quantification (UQ) in deep learning, scoped to ensemble-based and approximate Bayesian approaches and the measures used to summarize their outputs. Relative to existing UQ surveys, our contribution is depth on efficient ensemble approximations and single-pass methods, and a unified treatment that separates the method producin
СтатьяОбзорПолный 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.
Many proteins are known to adopt multiple distinct folded states which are often associated with key functional behavior. A predictive understanding of the properties of such fold-switching or metamorphic proteins can provide insights into protein dynamics and energetics, and enable the design of complex protein functions and molecular machines. Recently developed deep learning modeling tools, including AlphaFold, have led to dramatic increases in accuracy for prediction of protein structures from sequence, but their performance for prediction of point mutant effects or fold switching is uncle
СтатьяПрепринтПоиск 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 and rapid diagnostic tests that are simultaneously affordable remain elusive, typically due to trade-offs between performance and cost. Conventional nucleic acid tests offer high sensitivity but require complex, expensive steps such as amplification and purification, whereas lateral flow assays are simple and low-cost but lack the necessary sensitivity for many applications. New analytical approaches provide an opportunity to bridge this gap, raising sensitivity but not material expense. We present a miniaturized and simplified chip-based platform that combines three components into a
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.
Deep learning has become a transformative technology for modern weed detection, offering significant advantages over traditional machine vision in robustness, scalability, and recognition accuracy. This review provides a comprehensive synthesis of recent progress in deep learning-based weed detection, with a focus on three major model families: object detection, image segmentation, and image classification. For each category, representative architectures, key algorithmic features, and typical agricultural application scenarios are summarized and compared. The strengths and limitations of these
СтатьяОбзорПолный 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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
Редакционная 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.
This study aimed to develop a deep learning-based method for the automatic detection and counting of fungiform papillae (FP) on the dorsal surface of the human tongue. FP density and morphology may serve as biomarkers for taste function and systemic disease diagnosis. Manual counting is time-consuming and subjective; therefore, an objective and reproducible artificial intelligence (AI) method was designed to provide a reliable quantitative assessment. A deeplearning object detection model was constructed using the Ultralytics YOLOv11 architecture. A dataset of 177 high-resolution toluidine blu
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.
Radiography remains central to orthopedic diagnosis and surgical planning, yet many clinically important measurements (angles, offsets, alignment indices, and grading scores) are time-consuming to obtain and show intra- and inter-observer variability, especially in early or borderline disease. A reader-friendly overview of deep learning methods for the automation of orthopedic measurements on radiographs is provided in this article. Four common approaches are summarized: segmentation networks through which masks are generated and geometry-based measurements are derived; key point or heatmap-ba
Редакционная 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.