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
9423 публикаций
Поиск: 284 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 281 с найденным полным текстом
Laboratory investigation; a journal of technical methods and pathology2021eng
Histopathologic evaluation of muscle biopsy samples is essential for classifying and diagnosing muscle diseases. However, the numbers of experienced specialists and pathologists are limited. Although new technologies such as artificial intelligence are expected to improve medical reach, their use with rare diseases, such as muscle diseases, is challenging because of the limited availability of training datasets. To address this gap, we developed an algorithm based on deep convolutional neural networks (CNNs) and collected 4041 microscopic images of 1400 hematoxylin-and-eosin-stained pathology
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.
During the COVID-19 pandemic, dermatologists reported an array of different cutaneous manifestations of the disease. It is challenging to discriminate COVID-19-related cutaneous manifestations from other closely resembling skin lesions. The aim of this study was to generate and evaluate a novel CNN (Convolutional Neural Network) ensemble architecture for detection of COVID-19-associated skin lesions from clinical images. An ensemble model of three different CNN-based algorithms was trained with clinical images of skin lesions from confirmed COVID-19 positive patients, healthy controls as well
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.
This study evaluates the performance of convolutional neural networks (CNNs) in risk stratifying the malignant potential of thyroid nodules alongside traditional methods such as American College of Radiology Thyroid Imaging Reporting and Data System (ACR TIRADS). The data set consisted of 651 pathology-proven thyroid nodules (500 benign, 151 malignant) from 571 patients collected at a single tertiary academic medical center. Each thyroid nodule consisted of two orthogonal views (sagittal and transverse) for a total of 1,302 grayscale images. A CNN classifier was developed to identify malignanc
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: A convolutional neural network (CNN) was adapted to automatically detect early-stage nasopharyngeal carcinoma (NPC) and discriminate it from benign hyperplasia on a non-contrast-enhanced MRI sequence for potential use in NPC screening programs.
METHODS: We retrospectively analyzed 412 patients who underwent T2-weighted MRI, 203 of whom had biopsy-proven primary NPC confined to the nasopharynx (stage T1) and 209 had benign hyperplasia without NPC. Thirteen patients were sampled randomly to monitor the training process. We applied the Residual Attention Network architecture, adapted
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.
Brain tumor is a severe cancer disease caused by uncontrollable and abnormal partitioning of cells. Recent progress in the field of deep learning has helped the health industry in Medical Imaging for Medical Diagnostic of many diseases. For Visual learning and Image Recognition, task CNN is the most prevalent and commonly used machine learning algorithm. Similarly, in our paper, we introduce the convolutional neural network (CNN) approach along with Data Augmentation and Image Processing to categorize brain MRI scan images into cancerous and non-cancerous. Using the transfer learning approach
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.
The economic and social impacts due to diseases transmitted by mosquitoes in the latest years have been significant. Currently, no specific treatment or commercial vaccine exists for the control and prevention of arboviruses, thereby making entomological characterization fundamental in combating diseases such as dengue, chikungunya, and Zika. The morphological identification of mosquitos includes a visual exam of the samples. It is time consuming and requires adequately trained professionals. Accordingly, the development of a new automated method for realizing mosquito-perception and -classifi
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 three-dimensional (3D) genome organization specifies how the distal regulatory elements in the linear genome interact with target genes to regulate transcription. Several experimental methods have been developed to study the 3D genome organization. However, these methods are, in general, expensive, technically challenging, and time-consuming. We present Convolutional Neural Networks-Chromatin Interaction Predictor (CNN-ChIPr), a machine learning method for predicting the relative strength of cohesin- and RNA Polymerase II (RNA Pol II)-associated chromatin interactions/loops using experimen
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 COVID-19 pandemic has profoundly affected global health, driven by the remarkable transmissibility and mutational adaptability of the SARS-CoV-2 virus. Although five variants of concern, Alpha, Beta, Gamma, Delta, and Omicron, have been identified, the classification task in this study is formulated using four classes: Alpha, Delta, Omicron, and Else, reflecting the sequence availability and temporal coverage of the dataset. Here, we develop an integrative framework that combines direct coupling analysis (DCA), Circos-based visualization, and convolutional neural networks (CNNs) to charact
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.
OBJECTIVE: Data on cardiac index (CI) in patients undergoing coronary angiography (CAG) can enhance decision-making and improve clinical outcomes. However, this necessitates an additional invasive procedure, and therefore, it is frequently omitted. This study explores the novel application of convolutional neural networks (CNNs) to predict CI from routine CAGs.
METHODS AND ANALYSIS: Patients who underwent CAG and simultaneous right heart catheterisation at Mayo Clinic between 2002 and 2023 were included. A three-dimensional (3D)-CNN model (X3D architecture) was developed to predict binary CI
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 convolutional neural networks (DCNNs) have approached and even surpassed human-level performance on many visual recognition tasks, yet they remain strikingly vulnerable to near-imperceptible perturbations generated by adversarial attacks. Recent research demonstrates that aligning DCNN representations with human visual cortex activity improves adversarial robustness, but the mechanisms driving this advantage are yet to be understood. One hypothesis suggests that neural alignment confers robustness by biasing models away from brittle high-frequency details and towards the low spatial frequ
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.
Here, we demonstrate a correlation between gas chromatography/mass spectrometry (GC-MS) compositional data and quartz crystal microbalance (QCM) sensing data by developing a one-dimensional convolutional neural network (1D-CNN) model via principal component analysis (PCA). The 1D-CNN model was trained to predict the principal component scores derived from GC-MS profiles by using signals of nanostructured-QCM sensors with different surface modifications (ZnO, SnO2, MgO, and TiO2) decorated by atomic layer deposition. When employing ternary mixtures of ethanol, toluene, and dichloromethane with
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.
We developed a portable sensing platform that integrates a dual-emission molecularly imprinted fluorescent sensor (Ir-NOR@MIP-CdSe@ZnS) with deep learning for the rapid, on-site detection of Norfloxacin (NOR). The Ir-NOR-probe was incorporated with CdSe/ZnS quantum dots, the molecularly imprinted sensor, constructed by integrating the Ir-NOR probe with CdSe/ZnS quantum dots, achieves highly sensitive detection of NOR through a Ligand to Metal Charge Transfer (LMCT) mechanism. Under optimized experimental conditions, with a linear detection range of 0.010-15.0 mg/L, a detection time (5 min) and
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.
MOTIVATION: Spatial sequencing technologies enable the single-cell-level study of molecular organization in tissues. Revealing such spatial patterns relies on accurate cell segmentation. In complex tissues with dense cell packing, segmentation based solely on nuclear staining is insufficient for accurate cell boundary detection. This limitation arises because accurate segmentation necessitates the delineation of cell morphology, which is driven by molecular activities such as cytoskeletal dynamics, cell-cell adhesion, and intercellular signaling. Thus, integrating molecular information, includ
СтатьяПоддержка исследования: вне правительства СШАПоддержка NIH: внешняя программаПолный 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.
To address the public health issue of renal failure and the global shortage of nephrologists, an AI-based system has been developed to automatically identify kidney diseases. Recent advancements in machine learning, deep learning (DL), and artificial intelligence (AI) have unlocked new possibilities in healthcare. By harnessing these technologies, we can analyze data to gain insights into symptoms and patterns, ultimately facilitating remote patient care. To create an AI-based diagnosis system for kidney disease, this paper focused on the three major categories of kidney diseases: stones, cyst
Оценочное исследованиеСтатьяПоиск 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: Middle ear cholesteatoma is a common otolaryngological disease, and traditional diagnostic methods have certain limitations. This study aims to construct a computer-aided diagnosis model for middle ear cholesteatoma based on integrated convolutional neural networks (CNNs) to improve diagnostic accuracy and efficiency. Methods: Firstly, Data were collected from patients who visited the Department of Otorhinolaryngology Head and Neck Surgery at the First People's Hospital of Yinchuan between January 2020 and December 2021. 8 000 temporal bone CT images were collected, including 5 000
Аннотация на английскомСтатьяПоиск 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.
This study compared two convolutional neural network (CNN) architectures, ResNet50V2 and InceptionV3, each enhanced with squeeze-and-excitation (SE) attention mechanisms, for automated classification of chest X-rays into normal, pneumonia-bacterial, pneumonia-viral, and COVID-19 categories. A total of 9,208 posterior-anterior chest radiographs were analyzed, divided into training, validation, and test datasets under identical preprocessing and fine-tuning conditions. ResNet50V2-SE achieved a test accuracy of 98.18% and a macro-averaged area under the curve (AUC) of 0.9951, while InceptionV3-SE
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.
Label-free characterization of nanoscale drug delivery systems remains a critical challenge in pharmaceutical research. Traditional analytical methods, such as cryo-electron microscopy, are labor-intensive, low-throughput, and often require labeling, which can interfere with nanoparticle functionality. This study introduces a non-invasive hyperspectral imaging (HSI) framework combined with deep learning to classify therapeutic liposomes. A 3D convolutional neural network (3D CNN) was employed to extract spatial-spectral features, while the synthetic minority oversampling technique (SMOTE) addr
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.
Adolescent idiopathic scoliosis (AIS) is a three-dimensional lateral and torsional deformity of the spine, affecting up to 5% of the population. Traditional scoliosis screening methods exhibit limited accuracy, leading to unnecessary referrals and exposure to ionizing radiation from x-ray examinations. The 3D markerless surface topography (ST) technique quantifies trunk asymmetry and can be a potential scoliosis screening tool. However, differences in trunk asymmetry between individuals with scoliosis and those with a typically developing spine have yet to be thoroughly studied. Using the ST m
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.
This study aimed to develop and validate convolutional neural network (CNN) models for distinguishing follicular thyroid carcinoma (FTC) from follicular thyroid adenoma (FTA). Additionally, this current study compared the performance of CNN models with the American College of Radiology Thyroid Imaging Reporting and Data System (ACR-TIRADS) and Chinese Thyroid Imaging Reporting and Data System (C-TIRADS) ultrasound-based malignancy risk stratification systems. A total of 327 eligible patients with FTC and FTA who underwent preoperative thyroid ultrasound examination were retrospectively enrolle
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.
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.