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
51983 публикаций
Поиск: 159 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1514 с найденным полным текстом
Parkinson's disease (PD) is a progressive neurodegenerative disorder that profoundly affects patients' quality of life. Early and accurate diagnosis is essential for timely intervention and improved outcomes, yet traditional clinical evaluations often fall short. This review examines recent advancements in machine learning (ML) and deep learning (DL) techniques that promise more objective, quantitative, and precise PD diagnosis. By leveraging diverse data sources-including electroencephalogram (EEG) signals, voice recordings, and Magnetic Resonance Imaging (MRI) scans-these techniques offer a
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.
Aldehyde dehydrogenase 1A1 (ALDH1A1) has emerged as a promising therapeutic target because of its critical roles in cancer stem cell maintenance and chemoresistance. However, the development of highly selective ALDH1A1 inhibitors remains challenging because of the extensive structural conservation shared with the closely related isoforms ALDH2 and ALDH1A2. In this study, we developed an integrated computer-aided drug design (CADD) and artificial intelligence (AI) framework to systematically identify selective ALDH1A1 inhibitors from a heterocyclic compound library. The multistage virtual scree
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.
Colorectal cancer (CRC) is a leading cause of cancer-related mortality worldwide, largely due to the development of distant metastases, which is associated with poor survival outcomes. Early detection and accurate prediction of colorectal cancer metastasis can significantly improve patient outcomes. Conventional diagnostic approaches, including imaging and biomarkers, are often limited by suboptimal sensitivity and inter-observer variability. In recent years, machine learning (ML) and deep learning (DL) models have emerged as powerful tools capable of analyzing complex, high-dimensional clinic
СтатьяОбзорПоиск 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.
Color Vision Deficiency (CVD) affects over 300 million individuals worldwide, with protanopia and deuteranopia being the most common subtypes, causing red-green confusion. This study leverages machine learning to (a) classify reference (considered as normal vision) and simulated protanopia and deuteranopia Ishihara plate images, (b) generate corresponding enhanced versions of these images, and (c) provide improved textbook diagrams (from NCERT books) and other pseudochromatic figures for CVD students, validated through feedback from diagnosed individuals. Tritanopia and milder forms of CVD wer
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 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
СтатьяОбзорПоиск 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.
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
СтатьяОбзорПоиск 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.
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
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 prediction of enzyme kinetic parameters, particularly $\mathit{k}_{\text{cat}}$ and $\mathit{K}_{\text{m}}$, is rapidly evolving from physics-based modeling toward data-driven artificial intelligence (AI) approaches, driven by expanding biochemical databases and advances in machine learning (ML) and deep learning (DL). We focus on AI-based enzyme kinetic parameter prediction, with an emphasis on $\mathit{k}_{\text{cat}}$ and $\mathit{K}_{\text{m}}$, while also considering related parameters, such as $\mathit{K}_{\text{i}}$ and $\mathit{k}_{\text{cat}}/\mathit{K}_{\text{m}}$. The key findin
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.
Riboswitches are RNA-based genetic control elements that provide a unique mechanism of gene regulation. They function without the participation of proteins and are believed to represent ancient regulatory systems on the evolutionary timescale. To expand the search for novel riboswitches of significant interest, such as eukaryotic riboswitches beyond the purine riboswitch class, the integration of machine learning into RNA design offers considerable potential to improve the effectiveness of traditional search methods. Many riboswitch aptamers that could be targeted in such searches are larger t
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.
Precise control of silver nanoparticle (Ag-NP) size is critical for application-specific performance, yet identification of optimal synthesis conditions remains reliant on trial-and-error experimentation. Here, we report a machine learning inverse design framework trained on a combined experimental dataset spanning batch and continuous flow reactor configurations. Five regression algorithms were evaluated as candidate surrogate models, with Gaussian process (GP) regression emerging as the best-performing model (coefficient of determination (R 2) = 0.91 and cross-validation score = 0.80). A ran
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: Medication non-adherence remains a major challenge in psychiatric care, yet its prediction often relies on clinical and sociodemographic characteristics, while giving comparatively limited attention to modifiable psychological-cognitive factors. Integrating mental health literacy and medication-related beliefs with explainable machine learning approaches may provide a more informative framework for understanding and predicting adherence. Objective: This study examined the association of mental health literacy and medication-related beliefs with psychotropic medication adherence 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.
Post-Covid syndrome remains a major clinical challenge due to the lack of specific biomarkers and reliance on exclusion criteria. Routine laboratory data offers potential for identifying biological signatures, but their use in machine learning is hampered by data quality issues. This study investigates the impact of preprocessing on classification performance using 52 laboratory parameters from the German NAPKON cohort (n = 1,292: 1,130 Covid recovered, 162 post-Covid patients), measured at four time points. Data preprocessing included unit harmonization, handling of missing values and statist
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.
Prime editing (PE) can make specific local changes to genomic DNA in living systems but its efficient application currently requires extensive optimization of PE guide RNA (pegRNA) sequences. Here we present OptiPrime, a machine learning model of PE efficiency based on current understanding of PE mechanisms. OptiPrime achieves state-of-the-art accuracy on PE efficiency prediction and enables prediction of nicking guide RNA (PE3) and dual pegRNA (twinPE) outcomes. We validate that OptiPrime has learned the determinants of mammalian mismatch repair (MMR) and is well suited for nominating MMR-eva
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.
Absence seizures are widespread spike-and-wave oscillations disrupting consciousness. Several consciousness frameworks emphasize intercortical/thalamocortical feedback dynamics, but we lack explicit dynamical mechanisms for how seizures disrupt these circuits. Using interpretable machine learning, we derived dynamical equations directly from seizure electrocorticogram data, reproducing seconds-long multi-regional local field potentials with precision matching inter-mouse variability. The model contained a low-dimensional chaotic seizure attractor emerging from between-region synchronization at
СтатьяПрепринтПолный 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.
INTRODUCTION: Non-attendance to elective surgeries contributes to inefficient healthcare delivery and utilization. Prediction models may be limited when outcome definitions combine patient-related factors with hospital-initiated cancellations, potentially obscuring the behavioral patterns underlying true patient non-attendance. This study aims to develop and evaluate machine learning models for predicting patient-related non-attendance to elective surgeries using electronic health records.
METHODS: Electronic health record data from 24,507 elective surgery appointments scheduled between 2017
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.
As artificial intelligence systems continue to overcome evermore challenging tasks, researchers have suggested that the time is ripe to begin evaluating these systems along more psychologically inspired lines. This study seeks to build upon these recommendations by evaluating two machine learning models, A-Learning and Proximal Policy Optimisation, for the cognitive capability known as numerosity. In our experiment, these two models were embodied in a three-dimensional virtual environment, known as Animal-AI, and tested in a psychologically inspired numerosity experiment. In contrast to previo
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.