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
2046 публикаций
Поиск: 131 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 707 с найденным полным текстом
Ambient Assisted Living (AAL) leverages technology to support the elderly and individuals with disabilities. A key challenge in these systems is efficient Human Activity Recognition (HAR). However, no study has systematically compared single-view (SV) and multi-view (MV) Human Activity Recognition approaches. This review addresses this gap by analyzing the evolution from single-view to multi-view recognition systems, covering benchmark datasets, feature extraction methods, and classification techniques. We examine how activity recognition systems have transitioned to multi-view architectures u
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.
Neurological Disorders (ND) affect a large portion of the global population, impacting the brain, spinal cord, and nerves. These disorders fall into categories such as NeuroDevelopmental (NDD), NeuroBiological (NBD), and NeuroDegenerative (NDe) disorders, which range from common to rare conditions. While Artificial Intelligence (AI) has advanced healthcare diagnostics, training Machine Learning (ML) and Deep Learning (DL) models for early detection of rare neurological disorders remains a challenge due to limited patient data. This data scarcity poses a significant public health issue. Meta_Tr
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.
BACKGROUND: The cardiac surgery-associated acute kidney injury (CSA-AKI) occurs in up to 1 out of 3 patients. Off-pump coronary artery bypass grafting (OPCABG) is one of the major cardiac surgeries leading to CSA-AKI. Early identification and timely intervention are of clinical significance for CSA-AKI. In this study, we aimed to establish a prediction model of off-pump coronary artery bypass grafting-associated acute kidney injury (OPCABG-AKI) after surgery based on machine learning methods.
METHODS: The preoperative and intraoperative data of 1,041 patients who underwent OPCABG in Chest Hos
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 decoding of motor intent from biosignals is an important step toward intuitive upper-limb prosthetic-control interfaces. We propose a novel high-dimensional multimodal deep learning framework that fuses surface electromyography (sEMG) and B-mode ultrasound (US) images to estimate metacarpophalangeal and proximal interphalangeal joint angles continuously. The framework employs a shared Encoder-Decoder-Regression architecture integrating convolutional neural networks (CNNs), transposed convolutions, an action-conditioned multi-head cross-attention module (ATT) that uses the commanded ac
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.
KEY MESSAGE: An explainable machine learning model was developed using comprehensive clinical variables to predict clinical pregnancy outcomes following frozen embryo transfer. Compared with conventional statistical models, the extreme gradient boosting-based model showed numerically higher discrimination and provided interpretable insights through SHapley Additive exPlanations (SHAP) analysis, supporting individualized decision-making in reproductive medicine.
RESEARCH QUESTION: Can an interpretable XGBoost-based model leveraging multi-feature clinical data better predict pregnancy outcomes
СтатьяВалидационное 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.
Background and Objectives: Type 2 diabetes mellitus (T2DM) affects over 537 million adults worldwide and disproportionately burdens low- and middle-income countries, where diagnostic resources are limited. Predictive models trained in one population often fail to generalize across regions due to shifts in feature distributions and measurement practices, hindering scalable screening efforts. Materials and Methods: We evaluated a few-shot domain adaptation framework using a simple multilayer perceptron with four shared clinical features (age, body mass index, mean arterial pressure, and plasma g
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: Psoriasis is a chronic autoimmune skin condition that affects 2-3% of the global population and manifests in various subtypes, including plaque, guttate, inverse, pustular, and erythrodermic psoriasis. Accurate subtype differentiation is crucial for effective treatment, but traditional diagnostic methods are time-consuming and prone to observer variability. This study aims to develop a machine learning model that classifies psoriasis lesions into the five primary subtypes using convolutional neural networks (CNNs) and transfer learning, offering a scalable tool to assist clinicians
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.
Prenatal alcohol exposure (PAE) refers to the exposure of the developing fetus due to alcohol consumption during pregnancy and can have life-long consequences for learning, behavior, and health. Understanding the impact of PAE on the developing brain manifests challenges due to its complex structural and functional attributes, which can be addressed by leveraging machine learning (ML) and deep learning (DL) approaches. While most ML and DL models have been tailored for adult-centric problems, this work focuses on applying DL to detect PAE in the pediatric population. This study integrates the
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.
Although explosives have been widely used in mines, road development, old building demolishing, and munition explosions; currently, how chemical bonds between atoms break and recombine, how the molecular structure is deformed and destroyed, how the reaction product molecules are formed, and the details for this rapid change process in explosive reactions are not yet fully understood, which limits the full use of explosive energy and safer use of explosives. This paper presents a quantitative model of molecular structure deformation using machine learning algorithms as well as a qualitative mod
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.
INTRODUCTION: Alzheimer's disease (AD), the most prevalent form of dementia, affects more than 50 million individuals worldwide and demands accurate and timely diagnosis to improve patient outcomes. Traditional machine-learning approaches for AD detection using MRI often rely on manual feature extraction, which is labor-intensive and limits scalability. There is a growing need for automated, high-accuracy methods that can support clinical workflows and respond to the expected tripling of AD cases by 2050.
METHODS: This study proposes an automated feature-extraction approach using a pre-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 objective of this study is to develop a machine-learning model that can accurately distinguish between different histologic types of brain lesions in patients with non-small cell lung cancer (NSCLC) when it is not safe or feasible to perform a biopsy. To achieve this goal, the study utilized data from two patient cohorts: 116 patients from Xiangya Hospital and 35 patients from Yueyang Central Hospital. A total of eight machine learning algorithms, including Xgboost, were compared. Additionally, a 3-dimensional convolutional neural network was trained using transfer learning to further eval
Многоцентровое 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.
Polycystic ovary syndrome (PCOS) is the most prevalent endocrinological abnormality and one of the primary causes of anovulatory infertility in women globally. The detection of multiple cysts using ovary ultrasonograpgy (USG) scans is one of the most reliable approach for making an accurate diagnosis of PCOS and creating an appropriate treatment plan to heal the patients with this syndrome. Instead of depending on error-prone manual identification, an intelligent computer-aided cyst detection system can be a viable approach. Therefore, in this research, an extended machine learning classificat
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.
Tumor acidosis is an important biomarker for aggressive tumors, and extracellular pH (pHe) of the tumor microenvironment can be used to predict and evaluate tumor responses to chemotherapy and immunotherapy. AcidoCEST MRI measures tumor pHe by exploiting the pH-dependent chemical exchange saturation transfer (CEST) effect of iopamidol, an exogenous CT agent repurposed for CEST MRI. However, all pH fitting methodologies for acidoCEST MRI data have limitations. Herein we present results of the application of machine learning for extracting pH values from CEST Z-spectra of iopamidol. We acquired
СтатьяПоддержка 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.
A pneumonia of unknown causes, which was detected in Wuhan, China, and spread rapidly throughout the world, was declared as Coronavirus disease 2019 (COVID-19). Thousands of people have lost their lives to this disease. Its negative effects on public health are ongoing. In this study, an intelligence computer-aided model that can automatically detect positive COVID-19 cases is proposed to support daily clinical applications. The proposed model is based on the convolution neural network (CNN) architecture and can automatically reveal discriminative features on chest X-ray images through its con
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.
Friedreich Ataxia (FRDA) is an uncommon progressive neurodegenerative disorder of the nervous system that primarily affects motor coordination. Measuring disease severity is crucial, as it allows clinicians to monitor disease progression and make appropriate treatment decisions. By using inertial measurement units (IMUs) to capture the motion of individuals with FRDA, it has been possible to develop algorithms that objectively assess motor impairment. These studies have primarily employed conventional machine learning (ML) methods but have been limited by small datasets, which is an inherent c
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.
INTRODUCTION: Oral cancer presents a significant danger to worldwide health, resulting in high death rates and substantial suffering. Early detection is crucial to improving treatment outcomes. This study uses deep learning techniques, particularly Convolutional Neural Networks (CNNs) and transfer learning methodologies, to propose a dependable machine learning system for oral cancer detection.
MATERIALS AND METHODS: The proposed model leverages CNNs and transfer learning, followed by two sequential fully connected operations: FC1 (Feature Embedding) to consolidate learned features and FC2 (C
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.
In low and middle income countries, infectious diseases continue to have a significant impact, particularly amongst the poorest in society. Tetanus and hand foot and mouth disease (HFMD) are two such diseases and, in both, death is associated with autonomic nervous system dysfunction (ANSD). Currently, photoplethysmogram or electrocardiogram monitoring is used to detect deterioration in these patients, however expensive clinical monitors are often required. In this study, we employ low-cost and mobile wearable devices to collect patient vital signs unobtrusively; and we develop machine learnin
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.
Context-dependent alternative splicing plays a critical role in disease pathogenesis and organ development, but its complex regulation remains challenging to predict. Here, to address this, we developed HELIX, a hierarchical deep learning framework that integrates pre-mRNA sequence and RNA-binding protein expression profiles to predict tissue- and condition-specific splicing patterns and transcript isoform usage simultaneously. By leveraging both short-read and long-read RNA sequencing data during training, HELIX achieves greater accuracy than existing splicing prediction models and convention
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.
RATIONALE AND OBJECTIVES: To assess the feasibility and efficacy of a deep learning-based three-dimensional (3D) super-resolution diffusion-weighted imaging (DWI) radiomics model in predicting the prognosis of high-intensity focused ultrasound (HIFU) ablation of uterine fibroids.
METHODS: This retrospective study included 360 patients with uterine fibroids who received HIFU treatment, including Center A (training set: N = 240; internal testing set: N = 60) and Center B (external testing set: N = 60) and were classified as having a favorable or unfavorable prognosis based on the postoperative
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.
Brain tumors have a big effect on a person's health by letting abnormal cells grow unchecked in the brain. This means that early and correct diagnosis is very important for effective treatment. Many of the current diagnostic methods are time-consuming, rely primarily on hand interpretation, and frequently yield unsatisfactory results. This work finds brain tumors in MRI data using DenseNet121 architecture with transfer learning. Model training made use of the Kaggle dataset. By preprocessing the stage, resizing the MRI pictures to minimize noise would help the model perform better. From one MR
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.