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
1754 публикаций
Поиск: 122 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 220 с найденным полным текстом
IEEE journal of biomedical and health informatics2023eng
Intracranial germ cell tumors are rare tumors that mainly affect children and adolescents. Radiotherapy is the cornerstone of interdisciplinary treatment methods. Radiation of the whole ventricle system and the local tumor can reduce the complications in the late stage of radiotherapy while ensuring the curative effect. However, manually delineating the ventricular system is labor-intensive and time-consuming for physicians. The diverse ventricle shape and the hydrocephalus-induced ventricle dilation increase the difficulty of automatic segmentation algorithms. Therefore, this study proposed 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.
Precision oncology relies on the accurate characterization of spatial molecular distributions in cancer tissues to uncover critical biomarkers and guide clinical decision-making. However, the high dimensionality and complexity of mass spectrometry imaging (MSI) data pose significant challenges for effective analysis. This study presents an unsupervised manifold learning framework to address these challenges by mapping high-dimensional MSI data into a low-dimensional space while preserving essential molecular patterns. This method enables efficient dimensionality reduction, clustering, and visu
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.
Chronic pain is not a singular disorder and presents in various forms and phenotypes. Here we show data from a cohort of patients seeking treatment in a transdisciplinary pain clinic. Patients completed a multidimensional patient-reported battery as part of routine initial evaluation at baseline and at each of the four subsequent visits over 1-year follow-up (0, 1, 3, 6, 12 months). The goal of this work was to use unsupervised modeling approach to identify whether patients with chronic pain undergoing transdisciplinary intensive rehabilitation treatment: (1) can be derived based upon self-rep
СтатьяПоддержка правительства СШАПоддержка NIH: внешняя программаПоддержка 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.
This study aims to provide a systematic review of the applications of machine learning methods in addiction research. In this study, multiple searches on MEDLINE, Embase and the Cochrane Database of Systematic Reviews were performed. 23 full-text articles were assessed and 17 articles met the inclusion criteria for the final review. The selected studies covered mainly substance addiction (N = 14, 82.4%), including smoking (N = 4), alcohol drinking (N = 3), as well as uses of cocaine (N = 4), opioids (N = 1), and multiple substances (N = 2). Other studies were non-substance addiction (N = 3, 17
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.
Partial volume effect (PVE) arises from the limited spatial resolution of positron emission tomography (PET) scanners, causing significant quantitative biases that hinder accurate metabolic activity assessment. To address these problems, we proposed an unsupervised deep residual compensation model (U-DRCM) for PET partial volume correction (PVC). U-DRCM first predicted an initial blur kernel for the PVE-affected PET image based on a conditional blind deconvolution module (CBD module). Then, a conditional residual compensation module (CRC module) was introduced to compensate for the error cause
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.
Time-lapse microscopy for embryos is a non-invasive technology used to characterize early embryo development. This study employs time-lapse microscopy and machine learning to elucidate changes in embryonic growth kinetics with maternal aging. We analyzed morphokinetic parameters of embryos from young and aged C57BL6/NJ mice via continuous imaging. Our findings show that aged embryos accelerated through cleavage stages (from 5-cells) to morula compared to younger counterparts, with no significant differences observed in later stages of blastulation. Unsupervised machine learning identified two
СтатьяПоддержка NIH: внешняя программаПоддержка правительства СШАПоддержка 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 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
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.
Spinal cord injury (SCI) is a complex and heterogeneous condition associated with substantial neurologic disability, functional impairment, and socioeconomic burden. Artificial intelligence (AI) and machine learning are increasingly being applied throughout the SCI care continuum to improve diagnosis, imaging analysis, prognostication, phenotyping, and therapeutic decision-making. Unsupervised learning approaches further support data-driven patient phenotyping and personalized rehabilitation strategies. Emerging applications also extend to regenerative medicine, where AI may optimize patient s
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.
OBJECTIVE: Using traditional approaches, a brain-computer interface (BCI) requires the collection of calibration data for new subjects prior to online use. Calibration time can be reduced or eliminated e.g., by subject-to-subject transfer of a pre-trained classifier or unsupervised adaptive classification methods which learn from scratch and adapt over time. While such heuristics work well in practice, none of them can provide theoretical guarantees. Our objective is to modify an event-related potential (ERP) paradigm to work in unison with the machine learning decoder, and thus to achieve a 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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2023eng
Tongue diagnosis is an important component of traditional Chinese medicine (TCM), in which tongue ecchymosis is the main diagnostic basis for the blood stasis syndrome of TCM. Most of the existing methods are unsupervised and cannot accurately segment tongue ecchymosis. In this paper, we propose a multi-stage segmentation method for tongue ecchymosis. We first employ an object detection model for rough localization of tongue ecchymosis, and then use the unsupervised clustering and the watershed transform for rough segmentation and fine segmentation of tongue ecchymosis respectively. To the bes
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.
Analytical array detection holds great promise for multipesticide residue analysis, yet faces key challenges such as cross-channel material interference and error accumulation. Herein, we report a multifunctional "all-in-one" Cu@Zr-MOF nanozyme with intrinsic fluorescence (FL), phosphatase-like (OPH), laccase-like (LAC), and peroxidase-like (POD) activities, which are integrated into a response array for the distinguishing six pesticides ranging from 1.0 to 225.0 ppm via machine learning (ML) technology. This array enables high-throughput discrimination of six pesticides via unsupervised metho
СтатьяОценочное исследованиеПолный 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.
OBJECTIVE: We used a novel machine learning algorithm to develop a precision prognostication system for endometrial cancer.
METHODS: The Ensemble Algorithm for Clustering Cancer Data (EACCD) unsupervised machine learning algorithm was applied to women with endometrioid endometrial cancer in the Surveillance, Epidemiology, and End Results database from 2004 to 2015. The prognostic system was created based on TNM stage, grade, and age. The concordance (C-index) was used to cut dendrograms and create prognostic groups. Kaplan-Meier cancer-specific survival was employed to visualize the survival
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.
Recent advances in self-supervised learning have attracted significant attention from both machine learning and neuroscience. This is primarily because self-supervised methods do not require annotated supervisory information, making them applicable to training artificial networks without relying on large amounts of curated data, and potentially offering insights into how the brain adapts to its environment in an unsupervised manner. Although several previous studies have elucidated the correspondence between neural representations in deep convolutional neural networks (DCNNs) and biological sy
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: To determine whether an unsupervised machine learning classifier can identify patterns of visual field loss in standard visual fields consistent with typical patterns learned by decades of human experience.
METHODS: Standard perimetry thresholds for 52 locations plus age from one eye of each of 156 patients with glaucomatous optic neuropathy (GON) and 189 eyes of healthy subjects were clustered with an unsupervised machine classifier, variational Bayesian mixture of factor analysis (vbMFA).
RESULTS: The vbMFA formed five distinct clusters. Cluster 5 held 186 of 189 fields from norma
СтатьяПоддержка исследования: вне правительства СШАПоддержка службы здравоохранения 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.
Neurodisorders pose a considerable burden to global health, frequently requiring early treatment and diagnosis to avoid irreversible cognitive and motor impairments. Segmentation of brain tissue is an essential task in neurodiagnostics due to its inability to accurately separate grey matter, white matter and cerebrospinal fluid within imaging modalities like MRI and CT. This article reviews the progress of brain tissue segmentation techniques from manual and semi-automated approaches to sophisticated machine learning and deep learning algorithms. It discusses how these contemporary methodologi
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.
Prognosis of prolonged Disorders of Consciousness (pDoC) is influenced by patients' clinical diagnosis and Coma Recovery Scale-Revised (CRS-R) total score. We compared the prognostic accuracy of a novel Consciousness Domain Index (CDI) with that of clinical diagnosis and CRS-R total score, for recovery of full consciousness at 6-, 12-, and 24-months post-injury. The CDI was obtained by a combination of the six CRS-R subscales via an unsupervised machine learning technique. We retrospectively analyzed data on 143 patients with pDoC (75 in Minimally Conscious State; 102 males; median age = 53 ye
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.
Song et al. report a machine-learning framework based on the eXtreme Gradient Boosting (XGBoost) algorithm for predicting 1-year unplanned readmissions among elderly patients with coronary heart disease (CHD). This commentary examines critical limitations in the interpretability and methodological robustness of such models. Extensive prior work has demonstrated that tree‑based algorithms can exhibit structural biases in feature‑importance estimates, particularly when predictors display substantial collinearity or heterogeneous measurement scales. SHAP explanations, by inheriting these model‑em
Письмо в редакциюПолный 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.
Cancer is a fatal illness often caused by genetic disorder aggregation and a variety of pathological changes. Cancerous cells are abnormal areas often growing in any part of human body that are life-threatening. Cancer also known as tumor must be quickly and correctly detected in the initial stage to identify what might be beneficial for its cure. Even though modality has different considerations, such as complicated history, improper diagnostics and treatement that are main causes of deaths. The aim of the research is to analyze, review, categorize and address the current developments of huma
СтатьяСистематический обзорПолный 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 presents Latent Diffusion Autoencoder (LDAE), a novel encoder-decoder diffusion-based framework for efficient and meaningful unsupervised learning in medical imaging, focusing on Alzheimer's disease (AD) using brain MRI from the ADNI database as a case study. Unlike conventional diffusion autoencoders operating in image space, LDAE applies the diffusion process in a compressed latent representation, improving computational efficiency and making 3D medical imaging representation learning tractable. To validate the proposed approach, we explore two key hypotheses: (i) LDAE effectively
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: Advances in human neuroimaging has enabled us to study functional connections among various brain regions in pain states. Despite a wealth of studies at high anatomic resolution, the exact neural signals for the timing of pain remain little known. Identifying the onset of pain signals from distributed cortical circuits may reveal the temporal dynamics of pain responses and subsequently provide important feedback for closed-loop neuromodulation for pain.
NEW METHOD: Here we developed an unsupervised learning method for sequential detection of acute pain signals based on multichanne
СтатьяПоддержка NIH: внешняя программаПоддержка исследования: вне правительства СШАПоддержка 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.