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
3987 публикаций
Поиск: 198 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 666 с найденным полным текстом
Advances in brain-computer interface (BCI) research have explored various strategies for acquiring and processing electroencephalographic (EEG) signals to detect motor imagery (MI) activities. However, the complexity of multichannel clinical systems and processing techniques can limit their accessibility outside specialized centers, where complex setups are not feasible. This paper presents a proof-of-concept prototype of a single-channel EEG acquisition and processing system designed to identify lower-limb motor imagery. The proposed proof-of-concept prototype enables the wireless acquisition
DatasetСтатьяПоиск 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.
Musculoskeletal injuries induced by high-intensity and repetitive physical activities represent one of the primary health concerns in the fields of public fitness and sports. Musculoskeletal injuries, often resulting from unscientific training practices, are particularly prevalent, with the tibia being especially vulnerable to fatigue-related damage. Current tibial load monitoring methods rely mainly on laboratory equipment and wearable devices, but datasets combining both sources are limited due to experimental complexities and signal synchronization challenges. Moreover, wearable-based algor
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.
Industrial robots are widely used in critical tasks such as assembly, welding, and material handling as core components of modern manufacturing systems. For the reliable operation of these systems, early and accurate detection of execution failures is crucial. In this study, a comprehensive comparison of machine learning and deep learning methods is conducted for the classification of robot execution failures using data acquired from force-torque sensors. Three different feature engineering approaches are proposed. The first is a Baseline approach that includes 90 raw time-series features. The
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: Predicting mortality among trauma patients is a critical task that can guide clinical decision-making, better management and resource allocation in Intensive Care Units (ICU). Machine learning has been increasingly employed in clinical practice to effectively predict the mortality of critically ill patients.
AIM: This study aimed to develop and evaluate the machine learning models for predicting the mortality of trauma patients.
STUDY DESIGN AND METHODS: A multicentre cross-sectional study was conducted. The data were collected retrospectively from 613 trauma patients admitted to
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.
BACKGROUND: Same-day discharge (SDD) following bariatric surgery is becoming increasingly more common to reduce healthcare utilization. However, predictors of successful SDD vary across the literature. This study applied machine learning to identify predictors of SDD and evaluate the relative contributions of patient- and procedure-related factors.
METHODS: Patients undergoing sleeve gastrectomy and gastric bypass were identified from the Metabolic and Bariatric Surgery Accreditation and Quality Improvement Program database between 2020 and 2023. Patient, procedure and operative characteristi
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.
AIM: To develop different machine learning models to train and test diplopia images and data generated by the computerized diplopia test.
METHODS: Diplopia images and data generated by computerized diplopia tests, along with patient medical records, were retrospectively collected from 3244 cases. Diagnostic models were constructed using logistic regression (LR), decision tree (DT), support vector machine (SVM), extreme gradient boosting (XGBoost), and deep learning (DL) algorithms. A total of 2757 diplopia images were randomly selected as training data, while the test dataset contained 487 di
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.
AIMS: Prediction of adverse events in mid-term follow-up after transcatheter aortic valve implantation (TAVI) is challenging. We sought to develop and validate a machine learning model for prediction of 1-year all-cause mortality in patients who underwent TAVI and were discharged following the index procedure.
METHODS AND RESULTS: The model was developed on data of patients who underwent TAVI at a high-volume centre between January 2013 and March 2019. Machine learning by extreme gradient boosting was trained and tested with repeated 10-fold hold-out testing using 34 pre- and 25 peri-procedur
СтатьяПоддержка NIH: внешняя программаПоддержка 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.
OBJECTIVE: The current diagnosis of central precocious puberty (CPP) relies on the gonadotropin-releasing hormone analogue (GnRHa) stimulation test, which requires multiple invasive blood sampling procedures. The aim of this study was to construct machine learning models incorporating basal pubertal hormone levels, pituitary magnetic resonance imaging (MRI), and pelvic ultrasound parameters to predict the response of precocious girls to GnRHa stimulation test.
METHODS: This retrospective study included 455 girls diagnosed with precocious puberty who underwent transabdominal pelvic ultrasound,
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.
Surgical management for gynecologic malignancies often involves hysterectomy, often constituting the most common gynecologic surgery worldwide. Despite maximal surgical and medical care, gynecologic malignancies have a high rate of recurrence following surgery. Current machine learning models use advanced pathology data that is often inaccessible within low-resource settings and are specific to singular cancer types. There is currently a need for machine learning models to predict non-clinically evident residual disease using only clinically available health data. Here we developed and tested
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: Our study aims to develop a machine learning model that not only predicts the occurrence of post-induction hypotension (PIH) but also assesses its severity, addressing a broader patient population than previous studies which mostly focused on a single population.
MATERIALS AND METHODS: In our study, we extracted data from 71473 patients aged 18 years and older who underwent general anesthesia for non-cardiac surgery at a tertiary care hospital, using the electronic medical record system for modeling. We used patient demographics, baseline and pre-induction blood pressure, preoperativ
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: Recent studies highlight the crucial role of the paraspinal musculature (PM), particularly the multifidus (MF), in spinal health and patient outcomes. However, factors associated with PM atrophy and their relative importance remain unclear. To address this gap, we analyzed factors linked to PM atrophy in patients undergoing lumbar fusion using machine learning, aiming to clarify the multifactorial mechanisms underlying this condition. METHODS: Fatty infiltration (FI) of the lumbar MF was measured as a proxy for muscular atrophy in patients undergoing lumbar spinal fusion. Two machi
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.
OBJECTIVE: To establish a machine learning (ML) model for the early diagnosis of Epstein-Barr virus-associated hemophagocytic lymphohistiocytosis (EBV-HLH) based on clinical features and to utilize the Shapley Additive Explanations (SHAP) method to interpret the ML model, thereby providing reliable factors for diagnosing EBV-HLH.
METHODS: We collected clinical data from 1,026 children with Epstein-Barr virus (EBV) infection who were hospitalized at Children's Hospital of Soochow University from October 2017 to September 2024. First, we compared the clinical data of Epstein-Barr virus-associat
СтатьяВалидационное исследованиеПоиск 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.
Tobacco smoking is a significant public health issue in sub-Saharan Africa, with its prevalence shaped by various demographic factors. This study aimed to model predictors of tobacco use among men in Sub Sahara Africa between 2018 and 2023 using machine learning algorithms. Data from Demographic and Health Surveys covering 147,466 men were analyzed. STATA version 17 was used for data cleaning and descriptive statistics, while Python 3.9 was employed for machine learning predictions. The study utilized several machine learning models, including Decision Tree, Logistic Regression, Random Forest,
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.
Aim: This study aimed to use machine learning algorithms to identify critical preoperative variables and predict the red blood cell (RBC) transfusion during or after liver transplantation surgery. Study Design and Methods: A total of 1,193 patients undergoing liver transplantation in three large tertiary hospitals in China were examined. Twenty-four preoperative variables were collected, including essential population characteristics, diagnosis, symptoms, and laboratory parameters. The cohort was randomly split into a train set (70%) and a validation set (30%). The Recursive Feature Eliminatio
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
Lower limb arterial blockage (LLAB) has recently been measured by camera based on plantar perfusion, offering a new method for the early prevention of peripheral arterial diseases (PAD). In this paper, we conducted a simulation experiment that applied five pressure levels to the left calf to simulate different degrees of LLAB and collected plantar video data from 20 healthy participants. We benchmarked four machine learning methods for LLAB severity grading based on plantar perfusion images generated by remote photoplethysmography. In addition, we propose the ResNet18-CL method, which combines
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
This study investigates the utilisation of an instrumented lower limb test alongside automated feature extraction and machine learning for the classification of common phenotypes in Cerebellar Ataxias (CAs) pure CA, CA with Bilateral Vestibulopathy (CA+BV) and CA with Bilateral Vestibulopathy and Somatosensory Impairment (CA+BV+SS). Participants completed the Heel-To-Shin test (HST) for CA evaluation while using an Inertial Measurement Unit (IMU) incorporated in the BioKin™ system affixed to their leg to capture the movement. The resultant kinematic parameters were quantitatively analysed to i
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.
OBJECTIVE: The goal of this study was to compare the effect of different artificial intelligence (AI) machine learning and conventional therapy (CT) on upper limb impairments in patients with stroke.
MATERIALS AND METHODS: PubMed, PubMed Central, Google Scholar, MEDLINE, Cochrane Library, Web of Science, Research Gate, and Wiley Online Library were searched. Descriptive statistics about variables were reported to calculate standardized mean differences in outcomes of motor control (the primary outcome), functional independence, upper extremity performance, and muscle tone. The Physiotherapy E
МетаанализСистематический обзорСтатьяПоиск 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: Extremely aggressive prostate cancer, including subtypes like small cell carcinoma and neuroendocrine carcinoma, is associated with poor prognosis and limited treatment options. This study sought to create a robust, interpretable machine learning-based model that predicts 1-, 3-, and 5-year survival in patients with extremely aggressive prostate cancer. Additionally, we sought to pinpoint key prognostic factors and their clinical implications through an innovative method.
MATERIALS AND METHODS: This study retrospectively analyzed data from 1,620 patients with extremely aggressive
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: To predict a woman's risk of postpartum hemorrhage at labor admission using machine learning and statistical models.
METHODS: Predictive models were constructed and compared using data from 10 of 12 sites in the U.S. Consortium for Safe Labor Study (2002-2008) that consistently reported estimated blood loss at delivery. The outcome was postpartum hemorrhage, defined as an estimated blood loss at least 1,000 mL. Fifty-five candidate risk factors routinely available on labor admission were considered. We used logistic regression with and without lasso regularization (lasso regression
Оценочное исследованиеСтатьяМногоцентровое исследованиеПоддержка NIH: внешняя программаResearch Support, N.I.H., IntramuralПоиск 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: To investigate the feasibility of developing a grading diagnostic model for schistosomiasis-induced liver fibrosis based on B-mode ultrasonographic images and clinical laboratory indicators.
METHODS: Ultrasound images and clinical laboratory testing data were captured from schistosomiasis patients admitted to the Second People's Hospital of Duchang County, Jiangxi Province from 2018 to 2022. Patients with grade I schistosomiasis-induced liver fibrosis were enrolled in Group 1, and patients with grade II and III schistosomiasis-induced liver fibrosis were enrolled in Group 2. The ma
Аннотация на английскомСтатьяПолный 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.