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: 56 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 220 с найденным полным текстом
BACKGROUND: There is substantial overlap in the perceived clinical presentation of essential tremor (ET) and dystonic tremor (DT). As both etiologies require different treatment approaches, establishing the correct clinical diagnosis remains key. Massive time series feature extraction and machine learning allows the examination of oscillating biological signals in an objective manner.
OBJECTIVE: This study compares the spectrum of tremor characteristics in ET and DT patients across several academic centers to establish a generalizable differentiation.
METHODS: 278 accelerometer recordings fr
СтатьяМногоцентровое исследованиеПолный 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.
Parkinson's disease (PD) is a neurodegenerative disorder characterized by motor symptoms, including gait impairments, which significantly affect patient mobility and quality of life. An accurate assessment of the severity of PD is crucial for clinical management. This study investigates the utility of smartphone-derived gait data to objectively cluster PD severity using unsupervised machine learning, with the aim of improving precision in disease monitoring. We analyze gait data from the mPower dataset, comprising 8779 accelerometer recordings from 1957 participants (PD patients and healthy co
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.
Abdominal aortic aneurysm (AAA) is one of the leading causes of death worldwide. Considering that most AAAs remain asymptomatic until they are close to rupture, an efficient workflow for the accurate detection and delineation is crucial for the clinical outcome. In this study, we conduct a comparative analysis of two different AAA segmentation algorithms using X-ray Computed Tomography (CT) images from 18 patients diagnosed with AAA, which have not been used in similar studies before. The methodologies employed include an in-house segmentation algorithm based on conventional image analysis tec
СтатьяСравнительное исследованиеПоиск 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.
Geometric distortions in brain MRI images arising from susceptibility artifacts at air-tissue interfaces pose a significant challenge for high-precision radiation therapy modalities like stereotactic radiosurgery, necessitating sub-millimeter accuracy. To achieve this goal, we developed AutoCorNN, an unsupervised physics-aware deep-learning model for correcting geometric distortions. Two publicly available datasets, the MPI-Leipzig Mind-Brain-Body with 318 subjects, and the Vestibular Schwannoma-SEG dataset, encompassing 242 patients were utilized. AutoCorNN integrates two 2D convolutional enc
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.
The firmness of meningiomas is a critical factor that impacts the surgical approach recommended for patients. The conventional approaches that couple image processing techniques with radiologists' visual assessments of magnetic resonance imaging (MRI) proved to be time-consuming and subjective to the physician's judgment. Recently, machine learning-based methods have emerged to classify MRI instances into firm or soft categories. Typically, such solutions rely on hand-crafted attributes and/or feature engineering techniques to encode the visual content of patient MRIs. This research introduces
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.
PURPOSE: Accurate deformable registration of magnetic resonance imaging (MRI) scans containing pathologies is challenging due to changes in tissue appearance. In this paper, we developed a novel automated three-dimensional (3D) convolutional U-Net based deformable image registration (ConvUNet-DIR) method using unsupervised learning to establish correspondence between baseline pre-operative and follow-up MRI scans of patients with brain glioma.
METHODS: This study involved multi-parametric brain MRI scans (T1, T1-contrast enhanced, T2, FLAIR) acquired at pre-operative and follow-up time for 16
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.
BACKGROUND: Mexico has one of the highest global incidences of paediatric overweight and obesity. Public health interventions have shown only moderate success, possibly from relying on knowledge extracted using limited types of statistical data analysis methods.
PURPOSE: To explore if multimodal machine learning can enhance identifying predictive features from obesogenic environments and investigating complex disease or social patterns, using the Mexican National Health and Nutrition Survey.
METHODS: We grouped features into five data modalities corresponding to paediatric population exogeno
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.
Сегментация неконтролируемого повреждения мозга, сосредоточенная на изучении нормативного распределения на основе изображений здоровых предметов, в меньшей степени зависит от данных с маркировкой повреждений, что свидетельствует о более эффективных возможностях обобщения. Одна из основных задач в изучении нормативного распределения изображений заключается в высокой размерности, если пиксели изображений рассматриваются как коррелятивные случайные переменные для улавливания пространственной зависимости. В этом исследовании мы предложили подпространственную глубоко-генеративную модель для изучени
СтатьяПоиск полного текста в очередиМашинный перевод · не проверен
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: Unsupervised traumatic brain injury (TBI) lesion detection aims to identify and segment abnormal regions, such as cerebral edema and hemorrhages, using only healthy training data. Recent advancements in generative models have achieved success in unsupervised anomaly detection by transforming abnormal patterns into normal counterparts. However, current mask-free image generators often fail to maintain semantic consistency of anatomical structures during the restoration process. This limitation negatively impacts residual-based anomaly detection, particularly in cases where structura
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.
The monitoring of athletes is crucial to preventing injuries, identifying fatigue or supporting return-to-play decisions. The purpose of this study was to explore the ability of Kohonen neural network self-organizing maps (SOM) to objectively characterize movement patterns during sidestepping and their association with injury risk. Further, the network's sensitivity to detect limb dominance was assessed. The data of 67 athletes with a total of 613 trials were included in this study. The 3D trajectories of 28 lower-body passive markers collected during sidestepping were used to train a SOM. The
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.
OBJECTIVE: Pain sketches help visualize neuropathic pain patterns in amputees and may predict surgical outcomes following targeted muscle reinnervation (TMR). Current manual interpretation introduces subjectivity and potential bias. Machine learning offers potential for automated, objective classification of these sketches. Therefore, we aimed to develop and evaluate a machine learning approach for automated classification of pain sketches from lower extremity amputees who underwent targeted muscle reinnervation (TMR).
METHODS: Here, 588 pain sketches from 206 lower extremity amputees (2021-2
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 inherent variability of lesions poses challenges in leveraging AI in 3D automated breast ultrasound (ABUS) for lesion detection. Traditional methods based on single scans have fallen short compared to comprehensive evaluations by experienced sonologists using multiple scans. To address this, our study introduces an innovative approach combining the multi-view co-attention mechanism (MCAM) with unsupervised contrastive learning. Rooted in the detection transformer (DETR) architecture, our model employs a one-to-many matching strategy, significantly boosting training efficiency and lesion re
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.
BACKGROUND: Endometriosis is a chronic condition associated with severe pelvic pain, dysmenorrhea, infertility, and worsening quality of life. Regular physical activity (PA) is effective for pain management and reducing chronic disease symptoms, yet individuals with endometriosis are more likely to be insufficiently active. This study investigated latent profiles of daily PA trajectories in this population via clustering.
METHODS: We analyzed 171 adults (4,795 person-level days) with a confirmed diagnosis of endometriosis enrolled in the All of Us Research Program. PA data were collected from
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.
Emotion regulation deficits are commonly observed in social anxiety disorder (SAD). We used manifold-learning to learn the phase-space connectome manifold of EEG brain dynamics in twenty SAD participants and twenty healthy controls. The purpose of the present study was to utilize manifold-learning to understand EEG brain dynamics associated with emotion regulation processes. Our emotion regulation task (ERT) contains three conditions: Neutral, Maintain and Reappraise. For all conditions and subjects, EEG connectivity data was converted into series of temporally-consecutive connectomes and aggr
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.
Schizophrenia is an etiologically and clinically heterogeneous disorder. Although neuroimaging studies have revealed brain alterations in schizophrenia, most studies have assumed that the disorder is a single entity, neglecting the diversity of alterations observed in the disorder. The current study sought to explore the distinct patterns of altered cortical thickness in patients with schizophrenia and healthy individuals using a data-driven approach. Unsupervised clustering using self-organizing maps followed by a K-means algorithm was applied to regional cortical thickness data in 108 schizo
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.
BACKGROUND: Individuals with a Fontan circulation encompass a heterogeneous group with adverse outcomes linked to ventricular dilation, dysfunction, and dyssynchrony. The purpose of this study was to assess if unsupervised machine learning cluster analysis of cardiovascular magnetic resonance (CMR)-derived dyssynchrony metrics can separate ventricles in the Fontan circulation from normal control left ventricles and identify prognostically distinct subgroups within the Fontan cohort.
METHODS: This single-center, retrospective study used 503 CMR studies from Fontan patients (median age 15 y) an
СтатьяПоддержка 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.
OBJECTIVES: The aim of this retrospective analysis was to categorize patients with severe aortic stenosis (AS) according to clinical presentation by applying unsupervised machine learning.
BACKGROUND: Patients with severe AS present with heterogeneous clinical phenotypes, depending on disease progression and comorbidities.
METHODS: Unsupervised agglomerative clustering was applied to preprocedural data from echocardiography and right heart catheterization from 366 consecutively enrolled patients undergoing transcatheter aortic valve replacement for severe AS.
RESULTS: Cluster analysis revea
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.
"Drivers" are theorized mechanisms for persistent atrial fibrillation. Machine learning algorithms have been used to identify drivers, but the small size of current driver datasets limits their performance. We hypothesized that pretraining with unsupervised learning on a large dataset of unlabeled electrograms would improve classifier accuracy on a smaller driver dataset. In this study, we used a SimCLR-based framework to pretrain a residual neural network on a dataset of 113K unlabeled 64-electrode measurements and found weighted testing accuracy to improve over a non-pretrained network (78.6
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 segmentation of the mitral valve annulus and leaflets specifies a crucial first step to establish a machine learning pipeline that can support physicians in performing multiple tasks, e.g. diagnosis of mitral valve diseases, surgical planning, and intraoperative procedures. Current methods for mitral valve segmentation on 2D echocardiography videos require extensive interaction with annotators and perform poorly on low-quality and noisy videos. We propose an automated and unsupervised method for the mitral valve segmentation based on a low dimensional embedding of the echocardiography vide
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.
Objectives: To investigate the diagnostic and prognostic utility of systemic inflammatory biomarkers-including C-reactive protein (CRP), systemic immune-inflammation index (SII), and Fibrinogen-in patients with obstructive sleep apnea syndrome (OSAS), and to develop a machine learning-based stratification model for disease severity and treatment response. Study Design: Prospective observational cohort study. Setting: Single tertiary referral sleep and otolaryngology center. Methods: Adult OSAS patients (n = 195) diagnosed via polysomnography were treated with either CPAP or surgery and reasses
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.