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
4056 публикаций
Поиск: 220 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 339 с найденным полным текстом
In the receiver operating characteristic paradigm the observer assigns a single rating to each image and the location of the perceived abnormality, if any, is ignored. In the free-response receiver operating characteristic paradigm the observer is free to mark and rate as many suspicious regions as are considered clinically reportable. Credit for a correct localization is given only if a mark is sufficiently close to an actual lesion; otherwise, the observer's mark is scored as a location-level false positive. Until fairly recently there existed no accepted method for analyzing the resulting r
СтатьяПоддержка NIH: внешняя программаОбзорПоиск 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.
Detecting and classifying curvilinear structure is important in many image interpretation tasks. We focus on the challenging problem of detecting such structure in mammograms and deciding whether it is normal or abnormal. We adopt a discriminative learning approach based on a Dual-Tree Complex Wavelet representation and random forest classification. We present results of a quantitative comparison of our approach with three leading methods from the literature and with learning-based variants of those methods. We show that our new approach gives significantly better results than any of the other
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.
Odontogenic cystic lesions (OCLs) are complex jaw abnormalities that require a precise diagnosis of the disease for treatment. Visual OCL diagnosis is commonly based on reviewing cone-beam computed tomography (CBCT) to identify morpho-pathological features associated with specific lesion types in a hierarchical manner. Current state-of-the-art methods focus on extracting features from the image without any guidance beyond the lesion diagnosis, and do not fully leverage the hierarchical relationship between the lesion diagnosis and morphological features. In this study, we propose a hierarchica
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.
Concerns about the risk of radiation from CT have driven a spectrum of major advances in radiation dose reduction technology since the 2000s, including added beam filtration, dynamic z-axis collimation, automatic tube current modulation and tube potential selection, advanced iterative reconstruction, and deep learning-based reconstructions. The introduction of photon-counting detector CT further improved dose efficiency through electronic noise rejection, optimal photon-energy weighting, and high-resolution data acquisition. This Review summarizes key milestones and technologic innovations tha
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.
Accurate, reproducible body composition analysis from abdominal computed tomography (CT) images is critical for both clinical research and patient care. We present a fully automated, artificial intelligence (AI)-based pipeline that streamlines the entire process-from data normalization and anatomical landmarking to automated tissue segmentation and quantitative biomarker extraction. Our methodology ensures standardized inputs and robust segmentation models to compute volumetric, density, and cross-sectional area metrics for a range of organs and tissues. Additionally, we capture selected DICOM
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.
Ensuring strict medical data privacy standards while delivering efficient and accurate breast cancer segmentation is a critical challenge. This paper addresses this challenge by proposing a lightweight solution capable of running directly in the user's browser, ensuring that medical data never leave the user's computer. Our proposed solution consists of a two-stage model: the pre-trained nano YoloV5 variation handles the task of mass detection, while a lightweight neural network model of just 20k parameters and an inference time of 21 ms per image addresses the segmentation problem. This highl
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.
Rib pathology is uniquely difficult and time-consuming for radiologists to diagnose. AI can reduce radiologist workload and serve as a tool to improve accurate diagnosis. To date, no reviews have been performed synthesizing identification of rib fracture data on AI and its diagnostic performance on X-ray and CT scans of rib fractures and its comparison to physicians. The objectives of this study are to analyze the performance of artificial intelligence in diagnosing rib fracture on X-ray and computed tomography (CT) scan using multiple clinical studies and to compare it to that of physicians f
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.
PURPOSE: Trauma-induced rib fractures are common injuries. The gold standard for diagnosing rib fractures is computed tomography (CT), but the sensitivity in the acute setting is low, and interpreting CT slices is labor-intensive. This has led to the development of new diagnostic approaches leveraging deep learning (DL) models. This systematic review and pooled analysis aimed to compare the performance of DL models in the detection, segmentation, and classification of rib fractures based on CT scans.
MATERIALS AND METHODS: A literature search was performed using various databases for studies
СтатьяСистематический обзорМетаанализПоиск 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 diagnosis of craniosynostosis, a condition involving the premature fusion of cranial sutures in infants, is essential for ensuring timely treatment and optimal surgical outcomes. Current diagnostic approaches often require CT scans, which expose children to significant radiation risks. To address this, we present a novel deep learning-based model utilizing multi-view X-ray images for craniosynostosis detection. The proposed model integrates advanced multi-view fusion (MVF) and cross-attention mechanisms, effectively combining features from three X-ray views (AP, lateral right, lateral left
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.
Medical imaging techniques like mammography enable early breast cancer detection and are part of regular screening programs. Typically, a mammogram exam involves two views of each breast, providing complementary information, but physicians rate the breast as a whole. Computer-Aided Diagnostic tools focus on detecting lesions in a single view, which is challenging due to high image resolution and varying scales of abnormalities. The projective nature of the two views and different acquisition protocols add complexity to dual-view analysis. To address these challenges, we propose a Graph Neural
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.
Automated segmentation and detection of tumors in CT scans of the liver and kidney have a significant potential in assisting clinicians with cancer diagnosis and treatment planning. However, current approaches, including state-of-the-art deep learning ones, still face many challenges. Many tumors are not detected by these approaches when tested on public datasets for tumor detection and segmentation such as the Kidney Tumor Segmentation Challenge (KiTS) and the Liver tumor segmentation challenge (LiTS). False negative rates by lesion as high as 50% are commonly observed, and this rate is even
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.
Interstitial lung disease (ILD) encompasses a variety of lung disorders with varying degrees of inflammation or fibrosis, requiring a combination of clinical, imaging, and pathologic data for evaluation. Imaging is essential for the noninvasive diagnosis of the disease, as well as for assessing disease severity, monitoring its progression, and evaluating treatment response. However, traditional visual assessments of ILD with computed tomography (CT) suffer from reader variability. Automated quantitative CT offers a more objective approach by using computer-based analysis to consistently evalua
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.
Lung cancer is one of the leading causes of cancer deaths globally, and lung nodules are the primary indicators that aid in early detection. The computer-aided detection (CADe) system acts as a second reader, reducing the variability in lung cancer risk assessment across physicians. This work aims to improve the performance of CADe systems by developing high sensitive and resilient detection networks using deep learning. This paper proposes a novel CADe framework to detect nodules from CT scans using an enhanced UNet in conjunction with a pyramid dilated convolutional long short term memory (P
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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
Клинический случайСтатьяПоиск 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: The adrenal tumor will disturb the secreting function of adrenocortical cells, leading to many diseases. Different kinds of adrenal tumors require different therapeutic schedules.
OBJECTIVE: In the practical diagnosis, it highly relies on the doctor's experience to judge the tumor type by reading the hundreds of CT images.
METHODS: This paper proposed an automatic computer aided analysis method for adrenal tumors detection and classification. It consisted of the automatic segmentation algorithms, the feature extraction and the classification algorithms. These algorithms were then
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.
PURPOSE: A patient-specific upper airway model is important for clinical, education, and research applications. Cone-beam computed tomography (CBCT) is used for imaging the upper airway but automatic segmentation is limited by noise and the complex anatomy. A multi-step level set segmentation scheme was developed for CBCT volumetric head scans to create a 3D model of the nasal cavity and paranasal sinuses.
METHODS: Gaussian mixture model thresholding and morphological operators are first employed to automatically locate the region of interest and to initialize the active contour. Second, 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.
Parathyroid four-dimensional (4D) computed tomography (CT) is an imaging technique for preoperative localization of parathyroid adenomas that involves multidetector CT image acquisition during two or more contrast enhancement phases. Four-dimensional CT offers an alternative or additional tool in the evaluation of primary hyperparathyroidism. The purpose of this article is to describe the 4D CT technique and provide a practical guide to the radiologist for imaging interpretation. The article will discuss the rationale for imaging, approach to interpretation, imaging findings, and pitfalls.
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.
PURPOSE: High-resolution chest computed tomography (HRCT) is essential in the characterization of interstitial lung disease. The HRCT features of some diseases can be diagnostic. Longitudinal monitoring with HRCT can assess progression of interstitial lung disease; however, subtle changes in the volume and character of abnormalities can be difficult to assess. Accuracy of diagnosis can be dependent on expertise and experience of the radiologist, pathologist, or clinician. Quantitative analysis of thoracic HRCT has the potential to determine the extent of disease reproducibly, classify the type
СтатьяПоддержка NIH: внешняя программаПоиск 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.
OBJECTIVE: The purpose of this study was to investigate the effect of the degree of sternal depression on the cardiac rotation of pectus excavatum as depicted with helical CT.
MATERIALS AND METHODS: Sixty-three patients (53 boys, 10 girls; mean age, 9.7 +/- 7 years) with pectus excavatum who underwent helical chest CT and surgical correction were included in this study. Depth of sternal depression, CT depression index, cardiac rotation angle, and pulmonary vein angle were measured, and the correlation of these parameters was analyzed.
RESULTS: The mean sternal depression was 21 +/- 7 mm; CT
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.
Livewire and level set are popular methods for medical image segmentation. In this article, the authors propose a hybrid method of livewire and level set, termed the live level set (LLS). The LLS replaces the one graph update iteration in the classic livewire with two iterations of graph updates. The first iteration generates an initial contour for a level set computation. The level set distance is then factored back into the cost function in the second iteration of graph update. The authors validated LLS using synthetic images. The results show that the performance of the LLS is superior to b
СтатьяResearch Support, N.I.H., IntramuralПоиск 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.