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
9456 публикаций
Поиск: 174 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 281 с найденным полным текстом
Different aspects of cognitive functions are affected in patients with Alzheimer's disease. To date, little is known about the associations between features from brain-imaging and individual Alzheimer's disease (AD)-related cognitive functional changes. In addition, how these associations differ among different imaging modalities is unclear. Here, we trained and investigated 3D convolutional neural network (CNN) models that predicted sub-scores of the 13-item Alzheimer's Disease Assessment Scale-Cognitive Subscale (ADAS-Cog13) based on MRI and FDG-PET brain-imaging data. Analysis of the traine
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 morphology and function of the cerebellum are associated with various developmental disorders and healthy aging. Changes in cerebellar morphology during the aging process have been extensively investigated, with most studies focusing on changes in cerebellar regional volume. The volumetric method has been used to quantitatively demonstrate the decrease in the cerebellar volume with age, but it has certain limitations in visually presenting the morphological changes of cerebellar atrophy from a three-dimensional perspective. Thus, we comprehensively described cerebellar morphological change
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.
OBJECTIVES: The C-shaped mandibular second molars (MSMs) may pose an endodontic challenge. The aim of this study was to develop a convolutional neural network (CNN)-based deep learning system for the diagnosis of C-shaped MSMs on panoramic radiographs.
MATERIALS AND METHODS: Panoramic radiographs and cone beam computed tomographic (CBCT) images were collected from a hospital in China and subsequently divided into two groups. In Group A, conventional panoramic images and CBCT images were derived from the same patients (n = 730 individuals), and the dataset consisted of conventional panoramic i
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.
The global burden of lung diseases is a pressing issue, particularly in developing nations with limited healthcare access. Accurate diagnosis of lung conditions is crucial for effective treatment, but diagnosing lung ailments using medical imaging techniques like chest radiograph images and CT scans is challenging due to the complex anatomical intricacies of the lungs. Deep learning methods, particularly convolutional neural networks (CNN), offer promising solutions for automated disease classification using imaging data. This research has the potential to significantly improve healthcare acce
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.
Assessment of spatial learning abilities is central to behavioral neuroscience and a useful tool for animal model validation and drug development. However, biases introduced by the apparatus, environment, or experimentalist represent a critical challenge to the test validity. We have recently developed the Modified Barnes Maze (MBM) task, a spatial learning paradigm that overcomes inherent behavioral biases of animals in the classical Barnes maze. The specific combination of spatial strategies employed by mice is often considered representative of the level of cognitive resources used. Herein,
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: Extensor Carpi Ulnaris (ECU) tendinosis, a frequent cause of chronic wrist pain, requires prompt diagnosis to prevent disability. This study demonstrates the use of convolutional neural networks (CNNs) for automated detection and segmentation of the ECU tendon and tendinosis in 2D axial wrist MRI.
PURPOSE: To develop a CNN for the automated detection of ECU tendon and automatic delineation of tendinosis in 2D wrist MRI. The study serves as a proof-of-concept, demonstrating the feasibility of automating the segmentation of musculoskeletal structures in wrist MRI and offering an eff
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.
Study DesignRetrospective magnetic resonance imaging grading with comparison between experts and deep convolutional neural networks (CNNs).ObjectiveThe application of deep learning to clinical diagnosis has gained popularity. This approach can accelerate image interpretation and serve as a screening tool to help doctors.MethodsA comparison was conducted between retrospective magnetic resonance imaging (MRI) grading performed by experts and grading obtained using CNN classifiers. Data were collected from the lumbar axial dataset in the DICOM format. Two experts labeled the sampled images using
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.
Chest radiography is a widely used diagnostic imaging procedure in medical practice, which involves prompt reporting of future imaging tests and diagnosis of diseases in the images. In this study, a critical phase in the radiology workflow is automated using the three convolutional neural network (CNN) models, viz. DenseNet121, ResNet50, and EfficientNetB1 for fast and accurate detection of 14 class labels of thoracic pathology diseases based on chest radiography. These models were evaluated on an AUC score for normal versus abnormal chest radiographs using 112120 chest X-ray14 datasets contai
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: A radiopaque marker study measures colonic transit time for work-up of primary constipation. It requires the patient to ingest multiple tiny radiopaque markers, which the radiologist must count manually on follow-up abdominal radiographs. Counting these markers is tedious but cognitively simple.
OBJECTIVE: To develop a convolutional neural network (CNN) capable of counting the number of radiopaque markers on abdominal radiographs.
MATERIALS AND METHODS: The image archive at a large tertiary children's hospital was searched to identify abdominal radiographs performed in children f
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 pathogenesis of chronic rhinosinusitis (CRS) is still unclear, and little is known about angiogenesis in this disease. We utilized a fully convolutional network (FCN), which has been extensively used in image processing to study angiogenesis in CRS.
OBJECTIVE: To explore the tissue quantification of microvessels and their potential association with inflammation in CRS by using FCN to reflect the angiogenesis condition in CRS.
METHODS: For endotyping of CRS, tissue homogenates of 79 patients with CRS who had undergone functional endoscopic sinus surgery and 17 control subjects
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 AND OBJECTIVE: Lyme disease which is one of the most common infectious vector-borne diseases manifests itself in most cases with erythema migrans (EM) skin lesions. Recent studies show that convolutional neural networks (CNNs) perform well to identify skin lesions from images. Lightweight CNN based pre-scanner applications for resource-constrained mobile devices can help users with early diagnosis of Lyme disease and prevent the transition to a severe late form thanks to appropriate antibiotic therapy. Also, resource-intensive CNN based robust computer applications can assist non-ex
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: Upper airway segmentation on MR images is a prerequisite step for quantitatively studying the anatomical structure and function of the upper airway and surrounding tissues. However, the complex variability of intensity and shape of anatomical structures and different modes of image acquisition commonly used in this application makes automatic upper airway segmentation challenging. In this paper, we develop and test a comprehensive deep learning-based segmentation system for use on MR images to address this problem.
MATERIALS AND METHODS: In our study, both static and dynamic MRI data
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.
Valvular heart diseases (VHD) are one of the major causes of cardiovascular diseases that are having high mortality rates worldwide. The early diagnosis of VHD prevents the development of cardiac diseases and allows for optimum medication. Despite of the ability of current gold standards in identifying VHD, they still lack the required accuracy and thus, several cases go misdiagnosed. In this vein, a study is conducted herein to investigate the efficiency of deep learning models in identifying VHD through phonocardiography (PCG) recordings. PCG heart sounds were obtained from an open-access da
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2020eng
Early diagnosis of mild traumatic brain injury (mTBI) is challenging, yet significantly important in order to grant the patients with timely treatment and mitigating the risks of possible long-term psychiatric and neurological disorders. To tackle this problem, in this paper, we develop an mTBI detection framework based on graph embedding features combined with convolutional neural networks (CNN). Cortical activity in transgenic calcium reporter mice expressing Thy1-GCaMP6s is recorded in two sessions, prior to and after inducing injury. Functional networks are then constructed for recordings
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: Recently, convolutional neural networks (CNNs) systematically outperformed dermatologists in distinguishing dermoscopic melanoma and nevi images. However, such a binary classification does not reflect the clinical reality of skin cancer screenings in which multiple diagnoses need to be taken into account.
METHODS: Using 11,444 dermoscopic images, which covered dermatologic diagnoses comprising the majority of commonly pigmented skin lesions commonly faced in skin cancer screenings, a CNN was trained through novel deep learning techniques. A test set of 300 biopsy-verified images w
СтатьяМногоцентровое исследованиеПоддержка 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.
Autoimmune diseases are the third highest cause of mortality in the world, and the identification of an anti-nuclear antibody via an immunofluorescence test for HEp-2 cells is a standard procedure to support diagnosis. In this work, we assess the performance of six preprocessing strategies and five state-of-the-art convolutional neural network architectures for the classification of HEp-2 cells. We also evaluate enhancement methods such as hyperparameter optimization, data augmentation, and fine-tuning training strategies. All experiments were validated using a five-fold cross-validation proce
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.
This study evaluated the feasibility of bag-of-features (BOF) and convolutional neural networks (CNN) for computer-aided detection in distinguishing normal from abnormal radiographic findings. Computed thoracic radiographs of dogs were collected. For the purposes of this study, radiographic findings were used to distinguish between normal and abnormal in the following areas: (1) normal cardiac silhouette vs. cardiomegaly, (2) normal lung vs. abnormal lung patterns, (3) normal mediastinal position vs. mediastinal shift, (4) normal pleural space vs. pleural effusion, and (5) normal pleural space
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.
Classifying astrophysical bodies like stars, galaxies, and black holes plays an underlying role in understanding the evolution of the universe. Effective analysis of a huge number of astronomical objects captured by telescopes is a challenge. For the classification of astronomical objects, quantum computing coupled with artificial intelligence proposes a good solution. Quantum machine learning (QML) utilizes the concepts of quantum computing to process huge datasets with greater accuracy and efficiency. In the current study, quantum features extraction with a convolutional neural network (CNN)
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.
Ultrasound molecular imaging (USMI) is an imaging approach that utilizes targeted microbubbles (MBs) to highlight biomarkers of disease. While differential targeted enhancement (DTE) is the current state-of-the-art for USMI, its reliance on destructive pulses hinders real-time clinical application. We have developed a neural network-based nondestructive USMI, validated in vivo using a transgenic mouse model of spontaneous breast cancer. To enhance training efficacy despite a limited animal number (N=14), we utilized several augmentation strategies including the use of several targeted MB types
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 and precise identification of cholelithiasis is essential for saving the lives of millions of people worldwide. Although several computer-aided cholelithiasis diagnosis approaches have been introduced in the literature, their use is limited because Convolutional Neural Network (CNN) models are black box in nature. Therefore, a novel approach for cholelithiasis classification using custom CNN with post-hoc model explanation is proposed. This paper presents multiple contributions. First, a custom CNN architecture is proposed to classify and predict cholelithiasis from ultrasound image.
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.