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
1044 публикаций
Поиск: 99 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 47 с найденным полным текстом
BACKGROUND: Cerebellar atrophy is a known feature of ataxia-telangiectasia (A-T). However, basal ganglia dysfunction contributing to extrapyramidal movement disorders in A-T remains understudied.
OBJECTIVES: To characterize basal ganglia abnormalities in A-T using a normative self-supervised deep autoencoder trained on MRI-based diffusion and perfusion features from healthy children.
METHODS: Mean values of apparent diffusion coefficient and cerebral blood flow perfusion maps were extracted from seven regions-of-interest: caudate, hippocampus, pallidum, putamen, thalamus, cerebellar gray mat
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.
Contrastive learning-based deep multi-view clustering methods have become a mainstream solution for unlabeled multi-view data. These methods usually utilize a basic structure that combines autoencoder, contrastive learning, or/and MLP projectors to generate more representative latent representations for the final clustering stage. However, existing deep contrastive multi-view clustering ignores two key points: (i) the latent representations projecting from one or more layers of MLP or new representations directly obtained from autoencoder fail to mine inherent relationship inner-view or cross-
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.
Systemic Lupus Erythematosus (SLE) is a complex autoimmune disorder with heterogeneous symptoms and overlapping clinical presentations, making early prediction extremely difficult. Traditional models often fail to integrate high-dimensional multi-omics data and EHR records effectively, primarily due to their inability to handle biological variability, data imbalance, and complex feature dependencies. To address these gaps, the study proposes Epistatic-Quantile Fusion Transformer (EQF-T), a unified framework that introduces multiple novel components. Initially, for pre-processing, the Beta-Vari
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.
Structural connectomes are detailed graphs that map how different brain regions are physically connected, offering critical insight into aging, cognition, and neurodegenerative diseases. However, these connectomes are high-dimensional and densely interconnected, which makes them difficult to interpret and analyze at scale. While low-dimensional spaces like PCA and autoencoders are often used to capture major sources of variation, their latent spaces are generally continuous and cannot fully reflect the mixed nature of variability in connectomes---which often include both continuous (e.g., conn
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.
Chronic Wasting Disease (CWD) is an invariably fatal prion disease that impacts cervid populations and wildlife management across North America. Infected cervids often remain asymptomatic for months and movement-based anomaly detection from Global Positioning System collaring data offers a potential tool for understanding early and late stage CWD-based behavioral changes. Here we evaluate whether deep learning behavioral anomaly detection models such as autoencoders (AE) and conditional autoencoders (cAE) can effectively identify anomalous movement changes in free-ranging mule deer (Odocoileus
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: Cellular morphological transitions are observed across many diseases, yet their functional role remains unclear because few technologies profile form and function in the same cell. Linking single-cell morphology to transcriptomics is difficult: the two modalities share no feature correspondence and are typically measured in different cells.
METHODS: We present GeoAdvAE, a geometry-aware adversarial autoencoder for diagonal (unpaired) integration of single-cell morphology and single-cell RNA sequencing. GeoAdvAE couples modality-specific variational autoencoders with a Gromov-Wasse
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.
BACKGROUND: A lack of communication with people suffering from acquired brain injuries may lead to drawing erroneous conclusions regarding the diagnosis or therapy of patients. Information technology and neuroscience make it possible to enhance the diagnostic and rehabilitation process of patients with traumatic brain injury or post-hypoxia. In this paper, we present a new method for evaluation possibility of communication and the assessment of such patients' state employing future generation computers extended with advanced human-machine interfaces.
METHODS: First, the hearing abilities of 3
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.
Timely diagnosis of Parkinson's disease (PD) is essential for timely intervention and effective disease management. Wearable sensing technologies provide objective gait measurements and have become a promising, low-cost solution for automated PD diagnosis. However, existing deep learning and graph-based methods primarily focus on individual gait representations or fixed graph structures, often overlooking relationships among gait samples, difficult samples, and adaptive graph refinement during training. To address these limitations, this study proposes EA-DualGAT, an Error-Aware Dual Graph Att
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 AND OBJECTIVE: Electrocardiogram modeling supports signal synthesis, analysis, and data augmentation. Existing generative approaches primarily focus on waveform fidelity and diversity, with limited interpretability of the underlying generation mechanisms, whereas disentangled representation learning improves interpretability through semantically structured latent factors but has been less explored from a generative perspective.
METHODS: We propose an electrocardiogram modeling framework that integrates disentangled representation learning with conditional generative modeling to sup
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 growing threat of antimicrobial resistance (AMR) necessitates the rapid discovery of novel antimicrobial peptides (AMPs) as alternative therapeutics. However, most computational approaches rely on binary AMP or non-AMP classification or permissive MIC thresholds (e.g. ≤128 μg/mL), offering limited biological interpretability and translational value. We present CVAE-BIO, a biochemical-knowledge-driven, multi-module pipeline for the discovery of AMPs targeting drug-resistant Escherichia coli as a model pathogen yet generalisable to other bacterial targets. The model integrates a conditional
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.
Alzheimer's disease (AD) is a common neurodegenerative disease characterized by severe cognitive dysfunctions and brain disorders. The emergence of deep learning methods provides a feasible way to develop effective representations for clinical diagnosis of brain diseases. In this study, we proposed a deep manifold representation learning network to characterize the alteration of functional brain connectivity for AD detection. The proposed framework used a convolutional autoencoder (CAE) to infer low-dimensional manifold representations of functional brain networks reconstructed by phase correl
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.
While there is an abundance of static data for the structure of biological macromolecules, the data regarding their folding mechanisms and dynamics is scarce, posing a challenge to the training of AI models. The World Model approach, which has been very successful in robotics, can come in handy in this regard. From limited data, it can build a latent, approximated representation of the spatio-temporal folding environment that can be used to train downstream AI models. Here, we developed DreamFold, a World Model-based generative framework to perform biomolecular simulations. DreamFold encodes p
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.
Magnetic Resonance Spectroscopic Imaging (MRSI) enables non-invasive mapping of brain metabolite concentrations but remains computationally intensive and challenging due to a low signal-to-noise ratio (SNR) and overlapping spectral features. Traditional spectral fitting methods, such as LCModel, are time-consuming and often lack comprehensive uncertainty quantification. In this study, we propose Physics-Informed Variational Encoder (PHIVE), a novel deep learning framework that integrates physics-based priors into a variational autoencoder architecture for rapid and accurate metabolite quantifi
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: Artificial intelligence (AI) has emerged as one of the most transformative tools for developing clinical decision-support systems in veterinary medicine. Despite its growing use, its full potential remains underutilized in equine medicine, an area of both high economic and clinical importance. Accurate survival prediction in horses with colic is crucial for timely intervention and improved clinical outcomes.
METHODS: This study aimed to predict survival outcomes in horse colic cases by developing models that combine traditional machine-learning algorithms (XGBoost, Light Gradient
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: Modic changes (MCs) are the most prevalent classification system for describing magnetic resonance imaging (MRI) signal intensity changes in the vertebrae. However, there is a growing need for novel quantitative and standardized methods of characterizing these anomalies, particularly for lesions of transitional or mixed nature, due to the lack of conclusive evidence of their associations with low back pain. This retrospective imaging study aims to develop an interpretable deep learning-based detection tool for voxel-wise mapping of MCs.
METHODS: Seventy-five lumbar spine MRI exams
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: Clinical autism spectrum disorder (ASD) relies on subjective scales and neuroimaging, with traditional approaches suffering from high subjectivity and insufficient feature extraction, increasing misdiagnoses risk.
APPROACH: To improve the diagnostic accuracy, we propose a multimodal ASD prediction network (APN) that integrates resting-state functional magnetic resonance imaging (rs-fMRI) with non-imaging data. Algorithmically, we first introduce a novel cumulative distribution divergence score (CDDS) feature selection method based on the multi-atlas functional connectivity, which q
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.
Cardiovascular diseases (CVDs) are a significant and widespread cause of death in the world, continuing to increase mortality rates. Therefore, timely identification and diagnosis are essential for a patient's optimized recovery and longevity. In this regard, ECG is an effective tool for detecting anomalous heart conditions. However, interfering factors like noise, transient changes, and missing data could affect the accurate diagnosis of CVDs. The Cardiovascular ECG Data Recovery and Classification Network (CEDRC-Net) sorts and collates noisy data while also recovering missing data caused by
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 detection and classification of clinically significant prostate cancer remain critical challenges in medical imaging. Despite numerous studies focusing on feature extraction and classification, none have systematically assessed the impact of harmonization techniques on multicenter imaging data. This study aimed to improve diagnostic performance by integrating harmonization via unsupervised clustering with clinical variables into machine learning models, even when the source center is unknown. We extracted features from T2-weighted magnetic resonance images using two approaches: handcr
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.
High-dimensional single-cell data analysis is crucial for understanding complex biological interactions, yet conventional dimensionality reduction methods (DRMs) often fail to preserve both global and local structures. Existing DRMs, such as t-distributed Stochastic Neighbor Embedding (t-SNE), Uniform Manifold Approximation and Projection (UMAP), Principal Component Analysis (PCA), and Potential of Heat-diffusion for Affinity-based Transition Embedding (PHATE), optimize different visualization objectives, resulting in trade-offs between cluster separability, spatial organization, and temporal
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.
Cervical cancer, predominantly caused by Human Papillomavirus (HPV) infection, remains a significant global health burden for women, contributing to elevated morbidity and mortality rates. Early and accurate prediction is critical in improving patient outcomes and optimizing healthcare resource allocation. While machine learning (ML) and deep learning (DL) methods-such as support vector machines, random forests, and convolutional neural networks-have demonstrated promise in disease prediction, model interpretability, computational efficiency, and rely on large, labeled datasets. Additionally,
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.