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
1623 публикаций
Поиск: 122 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 575 с найденным полным текстом
Healthcare services and data ecosystems remain fragmented, inequitable and misaligned with patient, clinician and public health needs. Three pathways to patient-centred Artificial Intelligence (AI) have emerged to address this: data collaboration, Whole System Approaches and digital inclusion. Each has advanced the field. However, none delivers the continuous, participatory and outcome-grounded learning that equitable AI demands. The populations whose data drives AI learning must also be the populations who benefit from it. This principle has not been structurally embedded in any existing path
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.
Deep learning (DL) technology has shown significant potential in the whole process of cataract diagnosis and treatment through algorithms such as convolutional neural network (CNN). In terms of diagnosis, DL models based on fundus or slit-lamp images can automatically identify and grade cataract, and their diagnostic accuracy is close to or beyond the level of human experts. In the field of surgery, DL can analyze the operation video stage in real time, accurately track the instruments and optimize the operation process, and reduce the risk of intraoperative eye error through intelligent devic
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.
Drug resistance is a major obstacle to the efficient treatment of breast cancer, which is still one of the most common cancers in the world. This study emphasizes the potential of artificial intelligence (AI) in addressing these issues, while highlighting the biological mechanisms underlying resistance and the related therapeutic implications. Advanced applications in genomics, transcriptomics, and proteomics, as well as predictive modeling of treatment outcomes, have been made possible by AI-driven techniques such as machine learning (ML), deep learning, and data mining. This review discusses
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 neonatal intensive care unit (NICU) generates vast amounts of high-throughput, multimodal monitoring data, offering unprecedented potential for identifying early signs of clinical deterioration in high-risk neonates. However, the traditional threshold-based alarm systems are plagued by high false alarm rates and alarm fatigue, failing to harness this data complexity. This narrative review examines the role of machine learning (ML) in transforming early warning systems (EWSs) by effectively analysing these complex data streams. We first characterise the diverse sources-including physiologic
СтатьяОбзорПолный 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.
Decentralized Federated Learning (DFL) has emerged as a key paradigm for collaborative model training across distributed edge devices while preserving data privacy and system autonomy. However, the performance of existing DFL frameworks is constrained by synchronization delays, high communication overhead, and poor scalability in heterogeneous environments. Conventional methods often rely on fixed-precision quantization and uniform synchronization, which overlook device diversity and data heterogeneity, leading to slower convergence and inefficient resource utilization. To address these limita
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.
Brain cancers, especially glioblastoma, remain among the deadliest adult cancers, with outcomes largely unchanged despite multimodal treatments. This review summarizes cutting-edge artificial intelligence (AI) and machine learning (ML) advances transforming neuro-oncology in diagnostics, molecular profiling, treatment planning, and monitoring. Key findings show AI-driven radiomics and deep learning (DL) reaching over 90% accuracy in tumour segmentation and grading from MRI and whole-slide images, non-invasive IDH/MGMT prediction through liquid biopsy (LB) analysis, and augmented reality-guided
СтатьяОбзорПолный 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.
This mini-review synthesizes evidence from recent studies to provide an updated perspective on current applications, methodological challenges, and future directions for artificial intelligence (AI) in multiparametric magnetic resonance imaging (mpMRI) based prostate cancer (CaP) imaging. CaP remains the most frequently diagnosed noncutaneous malignancy among men worldwide and a leading cause of cancer-related mortality. mpMRI has become the reference imaging modality for detection, localization, and risk stratification, with the Prostate Imaging-Reporting and Data System (PI-RADS) improving s
СтатьяОбзорПолный 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.
The histopathology area is being redefined with the use of artificial intelligence (AI), providing robust tools to help bridge cellular morphology, functional assays, and multi-omics data in stem cell research. The ability of stem cells to undergo self-renewal and differentiation is key in regenerative medicine, but their research requires the careful characterization of morphological and molecular phenotypic traits. Traditional histopathology is invaluable, but its application can be limited by inter-observer variability and restricted scalability. These limitations are circumvented by AI-bas
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.
Precision and personalized medicine, the process by which patient management is tailored to individual circumstances, are now terms that are familiar to cardiologists, despite it still being an emerging field. Although precision medicine relies most often on the underlying biology and pathophysiology of a patient's condition, personalized medicine relies on digital biomarkers generated through algorithms. Given the complexity of the underlying data, these digital biomarkers are most often generated through machine-learning algorithms. There are a number of analytic considerations regarding the
СтатьяОбзорПолный 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.
Radiology, particularly neuroradiology, has become a major focus of research and industrial investment in artificial intelligence and machine learning (ML). These technologies may help address increasing imaging volumes, workforce shortages, and the need for faster and more consistent interpretation. This article summarizes recent developments in ML applications across neuroradiology. In acute ischemic stroke, ML supports early lesion detection, automated Alberta Stroke Program Early Computed Tomography Score assessment, large-vessel-occlusion detection, infarct core and penumbra estimation, c
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.
Brain diseases, including tumors, along with mental and neurological disorders, pose a substantial threat to millions of individuals worldwide. Doctors use both structural and functional neuroimaging methods for diagnosing these diseases. Specialist doctors often combine Magnetic Resonance Imaging (MRI) with other neuroimaging techniques to enhance the detection and identification of brain diseases in clinical practice. This is crucial because these modalities give different information that supplement each other, hence enhancing accurate diagnosis. This study proposes a fusion approach integr
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.
Multimodal natural language processing (NLP) represents a transformative approach in ophthalmology by bridging clinical text and medical imaging to enhance diagnostic accuracy, workflow efficiency, and patient-centered care. The mainstream NLP technologies were applied in ophthalmology, such as self-attention and cross-modality attention in multimodal settings, BERT and GPT in text-focused settings, and vision-focused transformers in imaging-focused settings. The applications of multimodal NLP in ophthalmology cover three key domains as follows: clinical text-image integration for comprehensiv
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.
The intricate interplay between the brain and heart underpins both physiological regulation and pathophysiological processes, yet decoding these interactions remains a formidable challenge. Recent advances in artificial intelligence (AI) offer transformative opportunities to map, model, and predict brain-heart network dynamics with unprecedented precision. This review synthesizes current knowledge on AI approaches applied to neurocardiology, encompassing multimodal data integration from neuroimaging, electrophysiology, autonomic signals, and cardiovascular monitoring. We examine machine learni
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.
Sarcopenia, the gradual loss of skeletal muscle mass, strength, and function, is a growing concern in aging populations. Early detection is vital to reduce the risk of frailty, disability, and mortality, yet traditional diagnostic methods such as imaging and physical performance tests are often costly, inconsistent, or difficult to implement in routine care. Artificial intelligence (AI), including machine learning (ML) and deep learning (DL), is emerging as a powerful tool in sarcopenia research and clinical practice. This review explores how AI is being applied to early detection, imaging-bas
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.
Over the course of 10 weeks, 12 first-year medical students from our institution designed and implemented an educational service initiative at a federal detention center. The project sought to enhance incarcerated individuals' academic preparedness for the General Educational Development (GED) exam while integrating health-related learning to promote well-being. Medical students provided weekly 4-hr sessions that covered anatomy, nutrition, mathematics, English, and Spanish, along with short lessons on sexually transmitted diseases, arthritis, and skin cancer. Educational strategies included b
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.
Autism spectrum disorder (ASD) is a heterogeneous neurodevelopmental condition characterized by diverse behavioral, cognitive, sensory, and communication profiles, making early diagnosis and personalized intervention challenging. Recent advances in machine learning (ML) and deep learning (DL) have enabled the development of computational tools for ASD screening, classification, severity assessment, and intervention monitoring. This review synthesizes findings from 50 recent studies that applied ML and DL techniques to ASD-related datasets, including electroencephalography (EEG), eye-tracking,
СтатьяVideo-Audio MediaScoping ReviewПолный 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: Diabetic retinopathy (DR), a major cause of vision loss worldwide, results from chronic diabetes damage to retinal blood vessels. Vision loss can be prevented if DR is detected early, but traditional retinal screening by eye care takes time and expertise. Recent advances in AI technology, including classical machine learning and deep learning, can be more accurate in DR detection. This article provides a comprehensive review of current AI models and approaches of DR screening.
METHODS: We searched PubMed, Web of Science, Scopus, ScienceDirect, and EBSCOhost using the keywords: dia
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.
BACKGROUND/OBJECTIVES: Artificial intelligence is increasingly applied to dental imaging, yet favorable internal performance does not necessarily indicate clinical transferability. This systematic review evaluated whether imaging-based dental artificial intelligence models have progressed beyond internal algorithmic development toward external validation, generalizability, reproducibility, privacy-preserving learning, and clinical implementation readiness.
METHODS: Searches were conducted in PubMed/MEDLINE, Scopus, and Embase up to May 2026. Eligible studies were primary empirical investigati
СтатьяОбзорПолный 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.
The federally funded Cities Readiness Initiative (CRI) requires seamless federal, state, and local public health coordination to provide antibiotics to an entire city population within 48 hours of an aerosolized release of anthrax. We document practical lessons learned from the development and implementation of the Boston CRI plan. Key themes center on heightened emphasis on security, a new mass protection model of dispensing, neighborhood-centric clinic site selection, online training of Medical Reserve Corps volunteers, and the testing of operations through drills and exercises. Sharing such
СтатьяПоддержка 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.
Artificial intelligence (AI) has the potential to significantly impact many aspects of dermatology. The visual nature of dermatology lends itself to innovations in this space. The robustness of AI algorithms depends on the quality, quantity, and variety of data on which it is trained and tested. Image collections can suffer from inconsistencies in image quality, underrepresentation of various anatomic sites and skin tones, and lack of benign counterparts leading to underperformance of algorithms in contexts other than one in which it is developed. Access to care, trust, rights, control, and tr
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.