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
28953 публикаций
Поиск: 236 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1526 с найденным полным текстом
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2018eng
In this paper, we present an automated procedure to determine the presence of cardiomegaly on chest X-ray image based on deep learning. The proposed algorithm CardioXNet uses deep learning methods U-NET and cardiothoracic ratio for diagnosis of cardiomegaly from chest X-rays. U-NET learns the segmentation task from the ground truth data. OpenCV is used to denoise and maintain the precision of region of interest once minor errors occur. Therefore, Cardiothoracic ratio (CTR) is calculated as a criterion to determine cardiomegaly from U-net segmentations. End-to-end Dense-Net neural network is us
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.
Infectious disease occurs when a person is infected by a pathogen from another person or an animal. It is a problem that causes harm at both individual and macro scales. The Korea Center for Disease Control (KCDC) operates a surveillance system to minimize infectious disease contagions. However, in this system, it is difficult to immediately act against infectious disease because of missing and delayed reports. Moreover, infectious disease trends are not known, which means prediction is not easy. This study predicts infectious diseases by optimizing the parameters of deep learning algorithms w
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.
Low-affinity transcription factor binding sites are functionally important but difficult to map and mechanistically poorly understood. In this issue of Cell Genomics, Weilert et al. leverage sequence-to-function deep learning models to systematically map low-affinity pioneer factor binding sites in mouse embryonic stem cells and reveal how these sites contribute to chromatin opening through soft-syntax nucleosomal cooperativity.
СтатьяКомментарийПоиск 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 deployment of deep neural networks in safety-critical domains demands reliable estimates of predictive confidence, yet conventional architectures lack principled uncertainty quantification. This survey provides a structured, critical review of methods for Uncertainty Quantification (UQ) in deep learning, scoped to ensemble-based and approximate Bayesian approaches and the measures used to summarize their outputs. Relative to existing UQ surveys, our contribution is depth on efficient ensemble approximations and single-pass methods, and a unified treatment that separates the method producin
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.
Many proteins are known to adopt multiple distinct folded states which are often associated with key functional behavior. A predictive understanding of the properties of such fold-switching or metamorphic proteins can provide insights into protein dynamics and energetics, and enable the design of complex protein functions and molecular machines. Recently developed deep learning modeling tools, including AlphaFold, have led to dramatic increases in accuracy for prediction of protein structures from sequence, but their performance for prediction of point mutant effects or fold switching is uncle
СтатьяПрепринтПоиск 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 and rapid diagnostic tests that are simultaneously affordable remain elusive, typically due to trade-offs between performance and cost. Conventional nucleic acid tests offer high sensitivity but require complex, expensive steps such as amplification and purification, whereas lateral flow assays are simple and low-cost but lack the necessary sensitivity for many applications. New analytical approaches provide an opportunity to bridge this gap, raising sensitivity but not material expense. We present a miniaturized and simplified chip-based platform that combines three components into a
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.
Deep learning has become a transformative technology for modern weed detection, offering significant advantages over traditional machine vision in robustness, scalability, and recognition accuracy. This review provides a comprehensive synthesis of recent progress in deep learning-based weed detection, with a focus on three major model families: object detection, image segmentation, and image classification. For each category, representative architectures, key algorithmic features, and typical agricultural application scenarios are summarized and compared. The strengths and limitations of these
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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
Редакционная 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 a deep learning-based method for the automatic detection and counting of fungiform papillae (FP) on the dorsal surface of the human tongue. FP density and morphology may serve as biomarkers for taste function and systemic disease diagnosis. Manual counting is time-consuming and subjective; therefore, an objective and reproducible artificial intelligence (AI) method was designed to provide a reliable quantitative assessment. A deeplearning object detection model was constructed using the Ultralytics YOLOv11 architecture. A dataset of 177 high-resolution toluidine blu
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.
Radiography remains central to orthopedic diagnosis and surgical planning, yet many clinically important measurements (angles, offsets, alignment indices, and grading scores) are time-consuming to obtain and show intra- and inter-observer variability, especially in early or borderline disease. A reader-friendly overview of deep learning methods for the automation of orthopedic measurements on radiographs is provided in this article. Four common approaches are summarized: segmentation networks through which masks are generated and geometry-based measurements are derived; key point or heatmap-ba
Редакционная 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.
Accurate and efficient coal classification is essential for optimizing energy production, improving resource utilization, and ensuring environmental compliance in industrial applications. Traditional methods that rely on visual inspection and laboratory analysis are often slow, subjective, and difficult to scale. In response to these challenges, this research proposes a custom task adaptive lightweight convolutional neural network that integrates Separable Convolutional Blocks, Inverted Residual Blocks, and Squeeze and Excitation mechanisms to achieve high classification performance with low 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.
BACKGROUND: Myocardial ischemia can trigger ventricular arrhythmias with life-threatening consequences. Current monitoring is largely reactive, limiting opportunities for preventive intervention.
OBJECTIVE: This study aimed to determine whether high-resolution epicardial electrograms contain predictive signatures that enable forecasting the timing of premature ventricular contractions (PVCs) during acute ischemia, and to quantify subject-specific data requirements for effective personalization.
METHODS: We analyzed epicardial sock electrograms (247 electrodes, 1 kHz) from 21 porcine acute is
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.
Micro-computed tomography and semantic segmentation provide insights into the structural hierarchy of biomineralized tissues, as exemplified by stony coral skeletons. Non-destructive imaging reveals mechanistic aspects of skeletal growth, including variations in porosity, density, and skeletal thickness across species and in the context of disease. Recent developments in semantic segmentation based on convolutional neural network models are poised to transform the streamlined analysis of large 3D tomography datasets, surpassing the performance of traditional segmentation methods. In this work,
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.
CONTEXT: Plant diseases are a serious danger to the world's food security since they drastically lower crop output. Traditional manual plant leaf inspection is time-consuming, labor-intensive, and frequently subjective. Recent developments in deep learning provide effective and scalable methods for image-based analysis-based automated plant disease identification.
TECHNIQUES: Three deep learning architectures-a proprietary Convolutional Neural Network (CNN), ResNet18, and Vision Transformer (ViT)-are used in this study to examine automated bean leaf disease identification. The Augmented iBean
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.
Artificial intelligence has transformed digital pathology by enabling biomarker prediction from high-resolution whole-slide images. However, current methods are computationally inefficient, processing thousands of redundant tiles per slide and requiring complex aggregation models. We introduce EAGLE (Efficient Approach for Guided Local Examination), a deep learning framework that emulates pathologists by selectively analyzing informative regions. EAGLE combines task-agnostic tile selection with detailed feature extraction and is benchmarked against leading slide- and tile-level foundation mode
СтатьяПоддержка исследования: вне правительства СШАПоддержка 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.
We are developing a decision support system for treatment response assessment of bladder cancer by analyzing patients' CT urography (CTU) examinations. Accurate segmentation of bladder lesions is a critical and challenging task. We previously developed a bladder cancer segmentation method using a deep learning convolutional neural network and level sets (DL-CNN + LS). In this study, we designed several deep learning models based on U-Net for bladder cancer segmentation and compared them with DL-CNN + LS and two transformer-based models developed for medical imaging - DATTNet and the Med-Segmen
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.
Background: Childhood and adolescence constitute a critical period for craniofacial growth. Understanding its developmental patterns is essential for clinical decision-making in orthodontics and maxillofacial surgery. Traditional cephalometric analysis relies on manual landmarking, which oversimplifies complex morphology and introduces subjectivity. Although deep learning, a key artificial intelligence (AI) technology, has demonstrated remarkable performance in image analysis and classification, most methods still depend on manual annotations during training, perpetuating subjectivity and limi
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.
Deep learning (DL)-based reconstruction can improve image quality and acquisition efficiency in breast diffusion-weighted imaging (DWI), but its effects on quantitative biomarkers warrant careful consideration. Although recent work reported improved image quality without significant differences in mean apparent diffusion coefficient (ADC), statistical nonsignificance does not necessarily establish quantitative equivalence or interchangeability across reconstruction pipelines. Reconstruction related changes in noise characteristics, signal intensity, spatial resolution, and ADC distributions ma
Письмо в редакциюПоиск 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.
Mpox lesions can resemble other dermatological conditions, motivating image-based screening, yet published studies remain difficult to compare owing to differences in dataset construction, augmentation policy, and evaluation design. This study provides a leakage-aware benchmark for binary mpox classification using a unified dataset assembled from MSLD v1.0 and v2.0. Seven pretrained backbones and a weighted ensemble were compared under group-stratified five-fold cross-validation with original-only test evaluation, validation-based threshold selection, and temperature scaling. The weighted ense
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.
Ancestral state reconstruction is a classical problem of broad relevance in phylogenetics. Likelihood-based methods for reconstructing ancestral states under discrete character models, such as Markov models, have proven extremely useful, but only work so long as the assumed model yields a tractable likelihood function. Unfortunately, extending a simple but tractable phylogenetic model to possess new, but biologically realistic, properties often results in an intractable likelihood, preventing its use in standard modeling tasks, including ancestral state reconstruction. The rapid advancement of
СтатьяПрепринтПоиск 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.