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
1866 публикаций
Поиск: 191 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 311 с найденным полным текстом
Journal of chemical information and modeling2026eng
Visceral leishmaniasis caused by Leishmania infantum remains a lethal disease with few therapeutic options, necessitating innovative computational methods and approaches to accelerate drug discovery. Here, we present a graph neural network (GNN) framework incorporating well-established multiscale mechanisms to improve the identification of novel antileishmanial compounds. Across two classificatory antileishmanial data sets, our GNNs demonstrated significant improvements in predictive performance, with area under the receiver operating characteristic curve (AUC) increases of 2.2-29.2% on the im
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.
Major histocompatibility complex class I (MHC I) molecules initiate CD8+ T cell immune responses by presenting antigenic peptides, a process fundamentally governed by the spatial interaction network mediated by multi-residue synergy between the binding groove and the peptide. Accurate modeling of this mechanism is crucial for tumor neoantigen screening and personalized immunotherapy. However, existing methods are largely confined to sequence-level modeling, failing to capture cross-residue higher-order structural dependencies and fine-grained binding interface interactions. To address these ch
Аннотация на английскомСтатьяПолный 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.
OBJECTIVES: In this study, we aimed to differentiate normal cervical graphs and graphs of diseases that cause mechanical neck pain by using deep convolutional neural networks (DCNN) technology.
MATERIALS AND METHODS: In this retrospective study, the convolutional neural networks were used and transfer learning method was applied with the pre-trained VGG-16, VGG-19, Resnet-101, and DenseNet-201 networks. Our data set consisted of 161 normal lateral cervical radiographs and 170 lateral cervical radiographs with osteoarthritis and cervical degenerative disc disease.
RESULTS: We compared the per
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 address the limitations of existing deep learning methods for brain networks in jointly modeling directional interregional connectivity, multiband information, and short-term dynamic features, this study proposes a multiscale directed temporal graph convolutional network (MSD-STGNN) for the three-class classification of healthy controls (HCs), patients with left temporal lobe epilepsy (lTLE), and patients with right temporal lobe epilepsy (rTLE). Methods: Resting-state magnetoencephalography (MEG) data were obtained from 43 subjects, including 14 HCs, 13 patients with lTLE, and 1
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.
Metabolic dysfunction-associated steatotic liver disease (MASLD) is a growing global health concern, but its early detection remains limited by the cost and accessibility of conventional diagnostic tools. This study aimed to develop an interpretable multimodal deep learning framework for MASLD classification by integrating tongue images with routine health examination data. A total of 711 matched tongue images and health records were collected from Shanghai Changhai Hospital between June and December 2024. Residual Network-50 was used to extract image features, while a graph attention network
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.
Spatial transcriptomics enables the systematic exploration of how gene expression patterns are organized within intact tissues, yet effective analysis remains difficult due to the complexity of spatial dependencies and multi-scale tissue architectures. Here, we present the Spatial Graph Frequency Network (SGFN), a deep learning framework that integrates graph signal processing, graph attention, and contrastive learning to jointly model spatial topology and molecular features. Central to SGFN is a frequency-domain enhancement module that decomposes spatial graphs into multi-scale spectral compo
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 integration of artificial intelligence (AI) and computational pathology has the potential to refine prognostic stratification in patients with metastatic brain tumors (MBTs). However, current AI models, which are trained predominantly on extracranial tissues, encounter significant challenges in the unique intracranial microenvironment. Unlike previous reviews that focus on primary brain tumors, this article addresses the challenges of applying AI pathology to MBTs. We discuss three major limitations in AI-driven MBT pathology. First, models struggle with cellular lineage distinction betwee
СтатьяОбзорПолный 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.
With emerging single-cell transcriptomics data, deep learning approaches have enabled the diagnosis of neurodegenerative disorders such as Parkinson's disease(PD). Based on whole-blood RNA sequencing data, the graph neural network has predicted Parkinson's disease(PD) progression trajectories by exploiting spatial and temporal views that were related with neurodegenerative disorders. The single-view learning scheme, which focuses on gene expression embedding, was still insufficient in analyzing complicated human brain diseases. As a type of spatial representation underlying transcriptomics dat
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.
Protein post-translational modifications (PTMs) represent a core regulatory mechanism governing protein function and cellular fate. Their dynamic alterations profoundly influence critical biological processes. However, Existing research primarily focuses on single-PTM site prediction and remains confined by single-modality analysis. This study introduces UniGraphPTMs, the first universal PTM site prediction framework based on multimodal fusion and graph neural networks. UniGraphPTMs employs a master-slave architecture to break branch independence through multi-stage interactions. We pioneer th
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.
Cardiac motion analysis plays a vital role in the diagnosis and treatment of cardiovascular diseases. Existing methods can estimate displacement fields and model spatio-temporal patterns. However, they face two major limitations. First, they primarily focus on trajectory tracking, which fails to fully exploit higher-order kinematic dynamics that correlate with functional and material mechanics. Second, most approaches require solving complex differential equations during training, making them computationally expensive and difficult to converge stably. To overcome these limitations, we propose
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.
Hepatotoxicity represents a major adverse outcome of chemical exposure, as the liver plays a central role in xenobiotic metabolism and detoxification. Accurate prediction of hepatotoxicity is therefore essential for drug development and chemical safety assessment. Computational methods provide an efficient and ethical alternative for assessing hepatotoxicity before experimental validation. To address this need, we developed DeepHeptox, a deep learning model based on Graph Attention Networks (GAT) for multi-endpoint hepatotoxicity prediction, covering hepatitis, jaundice, elevated liver enzymes
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.
Breast cancer (BC) diagnosis from histopathology images requires accurate identification of malignant tissue while accounting for complex tissue structures and variations in image magnification. In order to overcome these problems, this study suggests GTGAN-GMM-OOA, a graph-based framework that jointly models spatial relationships among tissue regions, learns masked graph representations, and adaptively optimizes model parameters. Unlike conventional image-based approaches that primarily focus on independent visual features, the proposed framework explicitly captures structural dependencies be
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.
Structural and functional brain networks are generated from two scan sequences of magnetic resonance imaging data, which can provide different perspectives for describing pathological changes caused by brain diseases. Recent studies found that fusing these two types of brain networks improves performance in brain disease identification. However, traditional fusion models combine these brain networks at a single granularity, ignoring the natural multi-granularity structure of brain networks that can be divided into the edge, node, and graph levels. To this end, this paper proposes a Multi-modal
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.
Hypergraphs, as advanced mathematical constructs, are adept at modeling complex, multi-faceted relationships across diverse disciplines, including data mining, computer vision, and life sciences. Hypergraph Neural Networks (HGNNs) represent a significant advancement over traditional graph neural networks by efficiently capturing high-order dependencies, which are prevalent in intricate systems such as biological networks, visual data structures, and large-scale relational datasets. This capability enables more precise modeling of interactions involving multiple entities, such as gene-term asso
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: The growing population in the world and inadequate health care guidelines have caused the onset of sporadic genetic disorders that need effective diagnostic and prognostic methods. However, the existing systems cannot handle the multisystem nature of genetic information resulting in delays of formal identification and therapeutic procedures.
METHODS: The proposed study aims at proposing a more reliable model, GNN-Bi-LSTM-AM, that incorporates Graph Neural Networks (GNN), Bi-LSTM, and attention module to improve the process of identifying and diagnosing rare genetic disorders (RGDs
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.
OBJECTIVE: We propose KnvResGAT for efficient SARS-CoV-2 lineage classification by combining k-mer Natural Vector (KNV) representations with a residual multi-head Graph Attention Network (GAT) on a k-nearest-neighbor (kNN) similarity graph constructed in the KNV feature space.
RESULTS: On a time-aware per-lineage split of 182,851 curated SARS-CoV-2 genomes spanning 103 Pango lineages, KnvResGAT achieved 0.9729 accuracy and 0.9636 Macro-F1. Under the same split, it outperformed Pangolin (0.9673 accuracy, 0.9471 Macro-F1) and a strong deep baseline ResMLP (0.9654 accuracy, 0.9520 Macro-F1), dem
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.
MOTIVATION: Predicting immunoglobulin-antigen (Ig-Ag) binding remains a significant challenge due to the paucity of experimentally resolved complexes and the limited accuracy of de novo Ig structure prediction.
RESULTS: We introduce IgPose, a generalizable framework for Ig-Ag pose identification and scoring, built on a generative data-augmentation pipeline. To mitigate data scarcity, we constructed the Structural Immunoglobulin Decoy Database (SIDD), a comprehensive repository of high-fidelity synthetic decoys. IgPose integrates equivariant graph neural networks, ESM-2 embeddings, and gated r
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 paper presents a comparative study of two artificial intelligence approaches-graph convolutional networks (GCNs) and the YOLO object detection algorithm-for analyzing human fall events using infrared imaging. From the AI perspective, the study introduces a GCN model that achieves over 99% classification accuracy by modeling 2D and 3D skeletal data as graph structures and evaluates the real-time detection capabilities of YOLOv8 on infrared video frames. On the engineering side, the research addresses practical challenges in elderly care and healthcare monitoring systems by demonstrating ho
СтатьяСравнительное 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.
Asanas, are very crucial for maintaining humans physical and mental health in an efficient manner. Digital training platforms, fitness monitors, and medical applications depend on accurate yoga posture detection. Conventional vision-based posture identification algorithms encounter the issues such as occlusions, background clutter, coping with different camera angles, and individual variations in body proportions. To address these concerns, this research work proposes a hybrid Vision-IMU deep learning architecture for personalized yoga posture detection. In this work, Kinematic stance trajecto
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 pathological mechanisms of depression are not yet fully clear, and the causative factors remain somewhat ambiguous. Clinical diagnosis of depression is often challenging and complex, frequently leading to misdiagnosis and missed diagnoses. Combining deep learning with resting-state fMRI can quantify the degree of abnormal brain function caused by depression and automatically screen for discriminative features that aid in the classification and identification of depression, which may serve as hypothesis-generating discriminative features within the current dataset, providing candidate neuro
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.