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
1050 публикаций
Поиск: 773 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 47 с найденным полным текстом
Security screening systems require reliable and real-time detection of threats in complex X-ray imagery and surrounding environments. Manual inspection of baggage images is often a overhead due to operator fatigue, cluttered objects and overlapping items. Recent advances in deep learning and intelligent sensing technologies provide opportunities for automated threat detection in such environments. In this work, we propose a multi-layer airport security framework integrating three complementary detection modules: YOLO-based X-ray prohibited-item detection, video anomaly detection for behavioura
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/AIMS: To use artificial intelligence (AI) to: (1) exploit biomechanical knowledge of the optic nerve head (ONH) from a relatively large population; (2) assess ONH robustness (ie, sensitivity of the ONH to changes in intraocular pressure (IOP)) from a single optical coherence tomography (OCT) volume scan of the ONH without the need for biomechanical testing and (3) identify what critical three-dimensional (3D) structural features dictate ONH robustness.
METHODS: 316 subjects had their ONHs imaged with OCT before and after acute IOP elevation through ophthalmo-dynamometry. IOP-induce
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.
UNLABELLED: Cellular states are strongly influenced by spatial context, but single-cell RNA sequencing (scRNA-seq) loses information about local tissue organization, while spatial proteomic assays capture limited marker panels that constrain transcriptomic inference. Integrating these modalities can elucidate how spatial niches shape transcriptional programs, yet existing approaches depend on either feature-level correspondence such as gene-protein linkage or cell-level barcode pairing, which is often unavailable. We present ARCADIA (ARchetype-based Clustering and Alignment with Dual Integrati
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.
Parkinson's disease (PD) is a neurodegenerative disease that causes extensive impacts on cognitive and motor function, hence making correct and early diagnosis essential for efficient clinical management and enhancement of the quality of life. Analysis using EEG has now become a safe and possible method for the identification of neural abnormalities in PD. Nevertheless, current models must struggle with several constraints: high false detection rates, poor generalizability across subjects, sensitivity to EEG noise pollution, and the inability to extract deep cortical representations, which hav
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2022eng
This novel deep-learning (DL) algorithm addresses the challenging task of predicting uterine shape and location when deformed from its natural anatomy by the presence of an intrauterine (tandem)/intravaginal (ring) applicator during brachytherapy (BT) treatment for locally advanced cervical cancer. Paired pelvic MRI datasets from 92 subjects, acquired without (pre-BT) and with (at-BT) applicators, were used. We propose a novel automated algorithm to segment the uterus in pre-BT MR images using a deep convolutional neural network (CNN) incorporated with autoencoders. The proposed neural net is
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.
Computer tomography is an extensively used method for the detection of the disease in the subjects. Basically, computer-aided tomography depending on the artificial intelligence reveals its significance in smart health care monitoring system. Owing to its security and the private issue, analyzing the computed tomography dataset has become a tedious process. This study puts forward the convolutional autoencrypted deep learning neural network to assist unsupervised learning technique. By carrying out various experiments, our proposed method produces better results comparative to other traditiona
СтатьяОтозванная публикацияПоиск 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.
Inferring gene regulatory networks (GRNs) from single-cell RNA sequencing (scRNA-seq) data is fundamentally challenged by severe data sparsity, where pervasive dropout events obscure true regulatory signals and compromise the reliability of downstream inference. Existing supervised methods, while leveraging prior network structures, remain highly susceptible to this noise due to their end-to-end learning paradigm. To address this bottleneck, we propose SGMHA, a novel two-stage framework that decouples representation learning from link prediction. Specifically, SGMHA first employs a self-superv
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.
Proteins can be studied through their sequence statistics or structural properties. These represent complementary views that are useful but lack a quantitative framework to tell, family by family, which is most informative and how to combine them. We introduce a framework that builds both views in parallel: amino acid (AA) alignments are translated into parallel alignments over a 3D interaction (3Di) structure-informed alphabet. Variational autoencoders compress each into a two-dimensional map, and direct coupling analysis places a shared coevolutionary energy on both maps, turning them into l
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: Breast cancer transcriptional programs span malignant epithelial cells, and the tumor microenvironment (TME), yet tumor-normal contrasts are often confounded by lineage identity and cell-type composition, limiting clinically actionable signatures.
METHODS: Our objective was to construct a lineage-aware model that prioritizes compact cell-type-specific tumor-normal gene signatures for downstream pathway interpretation and TCGA-BRCA projection, rather than to use classification performance as the final endpoint. Using GSE268662, we built an integrated single-cell atlas with eight ma
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.
Single-cell multi-omics technologies profile multiple molecular layers in individual cells, but existing methods often struggle to integrate transcriptomic, proteomic, and epigenomic measurements into an interpretable representation while preserving relationships among cells. Here, we present the single-cell multi-omics adversarial graph convolutional autoencoder (scMAGCA), which constructs cell graphs and uses adversarial alignment to learn interpretable shared embeddings that capture cellular heterogeneity and regulatory complexity. Across diverse datasets, scMAGCA outperforms existing metho
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.
Searches for new resonances are performed using an unsupervised anomaly-detection technique. Events with at least one electron or muon are selected from 140 fb^{-1} of pp collisions at sqrt[s]=13 TeV recorded by ATLAS at the Large Hadron Collider. The approach involves training an autoencoder on data, and subsequently defining anomalous regions based on the reconstruction loss of the decoder. Studies focus on nine invariant mass spectra that contain pairs of objects consisting of one light jet or b jet and either one lepton (e,μ), photon, or second light jet or b jet in the anomalous regions
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2021eng
Deep learning enabled medical image analysis is heavily reliant on expert annotations which is costly. We present a simple yet effective automated annotation pipeline that uses autoencoder based heatmaps to exploit high level information that can be extracted from a histology viewer in an unobtrusive fashion. By predicting heatmaps on unseen images the model effectively acts like a robot annotator. The method is demonstrated in the context of coeliac disease histology images in this initial work, but the approach is task agnostic and may be used for other medical image annotation applications.
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.
BACKGROUND: Continuous glucose monitoring (CGM) generates high-frequency time-series data, creating challenges for efficient storage, transmission, and analysis.
OBJECTIVE: This study aimed to develop and evaluate a CGM-specific compression method that achieves high compression ratios while preserving signal fidelity and clinically relevant glycemic metrics.
METHODS: We introduce a content-based encoding approach (PN+) that represents CGM profiles using physiologically salient landmarks: glucose peaks and nadirs and a small set of optimally selected support points. Reconstruction is performe
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.
Identifying interleukin-6 (IL-6) and interleukin-13 (IL-13)-inducing peptides is important for drug discovery targeting cancer, immune disorders, and infectious diseases. However, experimental screening is costly and time-consuming. Machine learning and deep learning models have been developed that distinguish functional peptides from no-function ones, but their performance is limited by the small number of experimentally validated peptides. In this study, we propose a generative AI-driven data augmentation framework, GDA, and its prediction system, GDA-Pred, to improve the performance of stat
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.
Machine learning (ML) has demonstrated great potential and considerable effectiveness in big data analysis. It is capable of extracting novel features, including indicators or biomarkers in biology, that are unachievable with previously existing methodologies. Biomarkers are used to measure and evaluate biological and pathological processes, or pharmacological responses to assess patient status. In clinical settings, biomarkers enable the prediction and detection of many aspects, such as prognosis, drug response, and tumor recurrence. Stratification using RNA expression is the gold standard fo
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: Early prediction of gestational diabetes mellitus (GDM) is critical for improving maternal health outcomes. However, predictive models are often challenged by limited early-pregnancy samples, severe class imbalance in datasets, and complex interrelationships among clinical features.
OBJECTIVE: This study aimed to develop and evaluate a unified dual-dimensional enhancement framework integrating data augmentation and feature engineering. By addressing data imbalance and leveraging medical prior knowledge, this framework significantly improves early GDM prediction performance.
METHO
СтатьяВалидационное исследованиеПоддержка 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.
BACKGROUND: Ageing bridge infrastructure in rural areas poses significant safety challenges, yet traditional structural health monitoring systems remain prohibitively expensive for regions with limited budgets. The Horizon Europe FUTURAL project developed an innovative crowdsensing platform to address this gap, enabling affordable infrastructure monitoring through vehicle-based indirect measurements combined with low-cost Internet of Things sensors.
METHODS: The Resilience to Shocks Smart Solution integrates multiple components: a mobile application (FUTURAPP) connecting USB-C accelerometers
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: Forecasting post-stroke rehabilitation outcome is essential to personalize therapeutic strategies. Traditional approaches rely on clinical assessment scales, which, while essential, may benefit from complementary objective measures. In this direction, robot-assisted assessment offers the unprecedented possibility of precisely collecting patients’ physiological signals, enabling a data-driven approach to recovery assessments. Leveraging the use of multimodal features collected during assessment sessions performed before and after one month of robotic rehabilitation, we developed a m
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.
Pipeline failures in industrial and municipal systems pose significant risks of environmental contamination, economic losses, and public safety hazards. However, it is often challenging to implement conventional pipeline inspection methods under dynamic environmental/operational conditions. Specifically, some of the most popular extended-range inspection methods for pipelines are based on acoustic guided-wave defect detection techniques, but they often exhibit degraded performance due to variable liquid flow rates and temperature fluctuations, resulting in critical gaps in continuous and relia
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.
BACKGROUND: Machine learning (ML) has been demonstrated to enhance health care cost prediction by handling high-dimensional data and identifying complex patterns. However, current risk-adjustment models rarely incorporate structured nursing information derived from the nursing process. This information captures care needs and human responses to health problems.
OBJECTIVE: This study aimed to evaluate the impact of integrating nursing process data into ML-based predictive models of individual health care costs, including cost component analyses, compared with models based solely on sociodemogr
СтатьяНаблюдательное 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.