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
1856 публикаций
Поиск: 114 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 311 с найденным полным текстом
BACKGROUND: Spatial transcriptomics technologies fully utilize spatial location information, tissue morphological features, and transcriptional profiles. Integrating these data can greatly advance our understanding about cell biology in the morphological background.
METHODS: We developed an innovative spatial clustering method called STGNNks by combining graph neural network, denoising auto-encoder, and k-sums clustering. First, spatial resolved transcriptomics data are preprocessed and a hybrid adjacency matrix is constructed. Next, gene expressions and spatial context are integrated to lear
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.
COVID-19 is a worldwide health crisis seriously endangering the arsenal of antiviral and antibiotic drugs. It is urgent to find an effective antiviral drug against pandemic caused by the severe acute respiratory syndrome (Sars-Cov-2), which increases global health concerns. As it can be expensive and time-consuming to develop specific antiviral drugs, reuse of FDA-approved drugs that provide an opportunity to rapidly distribute effective therapeutics can allow to provide treatments with known preclinical, pharmacokinetic, pharmacodynamic and toxicity profiles that can quickly enter in clinical
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.
Accurate prediction of the heat of combustion (HoC) is essential for fuel design and chemical safety assessment. In this work, we systematically evaluate four machine learning modelsXGBoost, multilayer perceptron (MLP), graph convolutional network (GCN), and neural network convolution (NNConv)for their ability to predict HoC values across a data set of 4516 compounds. Our results show that descriptor-based approaches (XGBoost and MLP) demonstrated faster training times (≈34-60 s) and lower final test errors (2.08 and 2.31 kJ/g, respectively), with MLP achieving the highest coefficient of det
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.
Introdution: Spinal cord stimulation (SCS) has emerged as a promising neuromodulatory intervention for patients with disorders of consciousness (DoC). However, the identification of optimal stimulation frequencies remains a subject of ongoing debate. Although previous electroencephalography (EEG) and functional near-infrared spectroscopy (fNIRS) studies have suggested the therapeutic efficacy of 5- and 70-Hz, respectively, the integrative neurovascular mechanisms and frequency-specific network dynamics underlying these effects remain to be elucidated. Objective and Impact Statement: 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.
Thyroid hormones are significant for controlling metabolism, and two common thyroid disorders, such as hypothyroidism. The hyperthyroidism are directly affect the metabolic rate of the human body. Predicting and diagnosing thyroid disease remain significant challenges in medical research due to the complexity of thyroid hormone regulation and its impact on metabolism. Therefore, this paper proposes a Complex-valued Spatio-Temporal Graph Convolution Neural Network optimized with Giraffe Kicking Optimization Algorithm for Thyroid Nodule Classification in Ultrasound Images (CSGCNN-GKOA-TNC-UI). H
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 neurological disorder characterized by the gradual deterioration of cognitive functions, leading to dementia and significantly impacting the quality of life for millions of people worldwide. Early and accurate diagnosis is crucial for the effective management and treatment of this debilitating condition. This study introduces a novel framework based on Spectral Graph Convolutional Neural Networks (SGCNN) for diagnosing AD and categorizing multiple diseases through the analysis of functional changes in brain structures captured via magnetic resonance im
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: Migraine chronification remains difficult to characterize at the individual level, and robust baseline imaging markers associated with subsequent conversion from episodic migraine (EM) to chronic migraine (CM) are lacking. Resting-state functional MRI (rs-fMRI) dynamic functional connectivity (dFC) captures transient brain network interactions, but conventional approaches provide limited interpretability for clinical translation.
METHODS: We enrolled 195 participants at baseline, including 95 healthy controls (HC) and 100 patients with episodic migraine at baseline. All migraine p
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.
For acute myocardial infarction (AMI) patients undergoing percutaneous coronary intervention (PCI), accurate prediction of intraoperative complications (IOCs) in AMI patients undergoing PCI is critical for timely risk stratification and clinical intervention. However, existing approaches lack a patient-indicator dual-view synergy modeling framework, leading to semantic isolation between patient and indicator representations. Yet current risk prediction approaches often treat patient characteristics and clinical indicators as separate, disconnected pieces of information. What's missing is a uni
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.
The research work introduces a new framework which optimizes reinforcement learning with graph neural networks for detecting fraudulent transactions in unbalanced financial data. The proposed method connects community-swapping data mining techniques with multi-type anomaly detection algorithms. The method uses time-series patterns combined with structural properties and contextual features to detect fraudulent transactions. The model system uses Graph Attention Networks (GAT) connected to an RL controller which enhances fraud detection results through a reward mechanism that balances precision
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 image texture features obtained from 18F-fluorodeoxyglucose positron emission tomography/computed tomography (18F-FDG PET/CT) images of non-small cell lung cancer (NSCLC) have revealed tumor heterogeneity. A combination of genomic data and radiomics may improve the prediction of tumor prognosis. This study aimed to predict NSCLC metastasis using a graph neural network (GNN) obtained by combining a protein-protein interaction (PPI) network based on gene expression data and image texture features. 18F-FDG PET/CT images and RNA sequencing data of 93 patients with NSCLC were acquired from The
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/PURPOSE: Periodontitis is a common chronic inflammatory disease linked to systemic conditions. We applied a graph convolutional network (GCN) to site-level periodontal data to predict all-cause and cardiovascular mortality from National Health and Nutrition Examination Survey (NHANES).
MATERIALS AND METHODS: Adults aged ≥30 years with full-mouth periodontal exams and linked mortality data through December 31, 2019 were included. Periodontal probing depth and clinical loss of attachment were measured. Each chart was converted into a graph with 168 nodes and anatomically defined edge
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 drug-target interactions constitutes a crucial foundation for drug discovery. DualPG-DTA is presented, a general framework for binding affinity prediction that integrates two pre-trained language models to generate atomic-level molecular representations and residue-level protein embeddings. The architecture constructs dual molecular-protein graphs processed through dedicated graph neural networks equipped with dynamic attention mechanisms to extract context-aware sequence-level features, which are fused via a multimodal module for affinity predictions. Benchmark results
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.
Computational drug repositioning (DR) accelerates pharmaceutical discovery by identifying novel therapeutic indications for approved drugs. Recently, to capture higher-order biological interactions, hypergraph-based DR approaches are proposed. Nevertheless, existing studies exclusively rely on drug and disease similarity networks, or drug-disease association network, to construct hypergraph structures, while neglecting other diverse biological mediators. Furthermore, conventional hypergraph neural networks (HGNNs) encounter the intractable type-agnostic aggregation challenge, wherein heterogen
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 prediction of potential Drug-Drug Interactions (DDIs) is crucial to reduce the harmful side effects from the combined use of multiple drugs. However, existing methods cannot comprehensively capture the DDI asymmetric information, resulting in inaccurate predictions, which increases the risk of harmful side effects. To address this, inspired by the advantages of directed graphs in representing asymmetric relationships, we propose a novel framework called Diffusion Graph Attention DDI (DiffGAT-DDI), designed to effectively capture the DDI asymmetric information to improve DDI prediction accu
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.
Graph contrastive learning methods based on the information noise contrastive estimation (InfoNCE) loss have made significant advances in graph representation learning. However, existing methods primarily focus on optimizing graph augmentation strategies or contrastive objectives. They cannot effectively eliminate the message contrastive conflict (MCC) that arises from the collaboration between the InfoNCE loss and the message-passing mechanism of graph neural networks. The MCC prevents the effective minimization of similarity among negative samples, thereby undermining the efficacy of graph 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.
Near-infrared diffuse reflectance hyperspectral imaging (HSI), as an emerging noninvasive imaging technology, captures organ-specific spectral information, but the spectrum may be different between individuals and changes with physiological states. A triple-perception adaptive network, termed as TriAd, is developed for in vivo organ recognition in zebrafish by correcting interindividual variability arising from variations in experimental conditions and developmental stages. TriAd incorporates three complementary branches designed to extract organ-specific hyperspectral features from images. A
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.
Epilepsy is increasingly understood as a network disorder, prompting widespread application of graph-theoretic methods to electrophysiological and neuroimaging data. The resulting methodological landscape-spanning functional, structural, and effective connectivity, together with dynamic and multimodal extensions-has grown fragmented. Following PRISMA guidelines, we screen Web of Science, IEEE Xplore, PubMed, and Scopus, and reorganize the literature around five prevalent research tasks: seizure prediction, seizure detection, seizure type classification, clinical correlation analysis, and epile
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.
To develop and evaluate MultiDentNet, a unified deep learning framework for multi-class dental condition screening and preliminary risk stratification of cancer-suspicious oral lesions, utilizing backbone-diverse ensembling and inter-class relational modeling. Four complementary CNN backbones (DenseNet-121, EfficientNetV2-S, ResNet-50, Inception-V3) integrated with Squeeze-and-Excitation (SE) attention, graph convolutional networks (GCNs), and multi-task learning were fused via validation-optimized weighting. The framework was evaluated on 10,235 clinical intraoral images (five conditions) and
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 prediction of the electronic band gap is essential for accelerating the discovery and design of semiconducting and energy materials. Conventional density functional theory (DFT) methods, while physically rigorous, remain computationally expensive and limited in scalability. In this study, we propose a hybrid artificial intelligence framework that combines graph-based deep learning embeddings with classical machine learning algorithms to achieve high-accuracy, interpretable, and computationally efficient band gap prediction. The model integrates embeddings obtained from CGCNN, MEGNet,
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.
Drug combination therapy plays an increasingly important role in the clinical treatment of complex diseases, such as cancer, as rational drug combinations can enhance therapeutic efficacy and reduce toxic side effects. However, existing methods still exhibit limitations in the granularity of drug molecular representation, drug interaction modeling, and cell line context awareness, which restrict further improvements in predictive performance. To address these issues, we propose FragSyn, a deep graph learning framework for predicting synergistic drug combinations based on molecular fragmentatio
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.